diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ar.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ar.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ar.png differ
diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.mo.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.mo.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.mo.png differ
diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ru.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ru.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ru.png differ
diff --git a/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ur.png b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ur.png
new file mode 100644
index 00000000..1ba4f5c7
Binary files /dev/null and b/translated_images/IMG_5305.aa291c8812a9f1e5b08f3e789f9858e9eacc88c4bbc23296df1bffbbd9c671b3.ur.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ar.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ar.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ar.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.mo.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.mo.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.mo.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ru.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ru.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ru.png differ
diff --git a/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ur.png b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ur.png
new file mode 100644
index 00000000..3cac91bb
Binary files /dev/null and b/translated_images/IMG_5306.d575b9ab7025877b0ceba872490fa561edf3c4fcd5e8cca4ae2607a309d48c50.ur.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ar.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ar.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ar.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.mo.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.mo.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.mo.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ru.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ru.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ru.png differ
diff --git a/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ur.png b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ur.png
new file mode 100644
index 00000000..967e6539
Binary files /dev/null and b/translated_images/IMG_5307.f9c9b8361a8aa7345cc6e8ae05cf6b7583d43d3c37ecfbd76d3fdc531e3ac59c.ur.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ar.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ar.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ar.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.mo.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.mo.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.mo.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ru.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ru.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ru.png differ
diff --git a/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ur.png b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ur.png
new file mode 100644
index 00000000..247c1dd6
Binary files /dev/null and b/translated_images/IMG_5308.cbd6ed7007e6906012162c19b9e4097936c57873cdb2e54159899066c4281dc5.ur.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ar.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ar.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ar.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.mo.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.mo.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.mo.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ru.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ru.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ru.png differ
diff --git a/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ur.png b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ur.png
new file mode 100644
index 00000000..e89d81c4
Binary files /dev/null and b/translated_images/IMG_5309.23fbc3b6667bfb64fa44804f835f38885ad37d02b0a1c1c6e8d89f9a78ba19b4.ur.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ar.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ar.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ar.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.mo.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.mo.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.mo.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ru.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ru.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ru.png differ
diff --git a/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ur.png b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ur.png
new file mode 100644
index 00000000..0237836d
Binary files /dev/null and b/translated_images/IMG_5310.0ee0eb2fbc1c2d0e2d331e74d32b371a4086c07b0839817e9d6b7d4b5c98fc60.ur.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ar.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ar.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ar.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.mo.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.mo.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.mo.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ru.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ru.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ru.png differ
diff --git a/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ur.png b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ur.png
new file mode 100644
index 00000000..4229fee0
Binary files /dev/null and b/translated_images/IMG_5311.8c90da6446c2d8c2ad70dd9e64f29b2b6f2b4d117f8502c3181be66297cc84da.ur.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ar.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ar.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ar.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.mo.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.mo.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.mo.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ru.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ru.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ru.png differ
diff --git a/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ur.png b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ur.png
new file mode 100644
index 00000000..9b503ac8
Binary files /dev/null and b/translated_images/IMG_5312.a45550ddd8ce8e654919361d52b919e2f8b1dbd01439268b5d3b813133a4e19b.ur.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ar.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ar.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ar.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.mo.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.mo.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.mo.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ru.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ru.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ru.png differ
diff --git a/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ur.png b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ur.png
new file mode 100644
index 00000000..c98b7aaf
Binary files /dev/null and b/translated_images/IMG_5313.ed1b45211271dbd23dc596ce9f72078aba665bd5f21088a616a85dd966100427.ur.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ar.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ar.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ar.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.mo.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.mo.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.mo.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ru.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ru.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ru.png differ
diff --git a/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ur.png b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ur.png
new file mode 100644
index 00000000..706f83bc
Binary files /dev/null and b/translated_images/IMG_5314.c2203206a05a74b5a4f10a68bbe274e65849a63e1fefe008b2c94be4ae86839c.ur.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ar.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ar.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ar.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.mo.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.mo.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.mo.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ru.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ru.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ru.png differ
diff --git a/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ur.png b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ur.png
new file mode 100644
index 00000000..76bec4da
Binary files /dev/null and b/translated_images/IMG_5315.f698228e0e031bd430efcfab0d08b00d9f3af5289133ce88a9f56c0c3478cd71.ur.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ar.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ar.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ar.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.mo.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.mo.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.mo.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ru.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ru.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ru.png differ
diff --git a/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ur.png b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ur.png
new file mode 100644
index 00000000..b49060a2
Binary files /dev/null and b/translated_images/IMG_5316.29dc70d802ce83497258426614e3e1426a91d6f9777e853daa4a9351b841b94f.ur.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ar.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ar.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ar.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.mo.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.mo.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.mo.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ru.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ru.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ru.png differ
diff --git a/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ur.png b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ur.png
new file mode 100644
index 00000000..3ca064d5
Binary files /dev/null and b/translated_images/IMG_5317.ed81e4c1ca5046dc50613049e39c905157fbb318ea19db44c738db513ac501b1.ur.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ar.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ar.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ar.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.mo.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.mo.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.mo.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ru.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ru.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ru.png differ
diff --git a/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ur.png b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ur.png
new file mode 100644
index 00000000..1f5f2412
Binary files /dev/null and b/translated_images/IMG_5318.15dfffeb7f47abf7ca0393628024c1fd45761193ab23185c315e899bd0e7048b.ur.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ar.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ar.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ar.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.mo.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.mo.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.mo.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ru.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ru.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ru.png differ
diff --git a/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ur.png b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ur.png
new file mode 100644
index 00000000..2953cea1
Binary files /dev/null and b/translated_images/IMG_5319.b549b1fff0dcf143c2483044d0519a3c6dc3de12c88860911b378688e7a4e01b.ur.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ar.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ar.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ar.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.mo.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.mo.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.mo.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ru.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ru.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ru.png differ
diff --git a/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ur.png b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ur.png
new file mode 100644
index 00000000..2ce7dedf
Binary files /dev/null and b/translated_images/IMG_5320.8268d3f61972f348df46401d107399af17512db9ef769f6a44c6cbb18faba998.ur.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ar.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ar.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ar.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.mo.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.mo.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.mo.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ru.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ru.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ru.png differ
diff --git a/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ur.png b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ur.png
new file mode 100644
index 00000000..157c08c6
Binary files /dev/null and b/translated_images/IMG_5321.b207cf143a59458d150cb1fbd44c3678d14f9cfffe77a0ec64e1cdfe1436df1c.ur.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ar.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ar.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ar.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.mo.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.mo.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.mo.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ru.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ru.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ru.png differ
diff --git a/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ur.png b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ur.png
new file mode 100644
index 00000000..031361a6
Binary files /dev/null and b/translated_images/IMG_5322.974809b9461a9e200e99ae46142b4885e093e5b9b668e0fd818de461e27856a7.ur.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ar.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ar.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ar.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.mo.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.mo.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.mo.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ru.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ru.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ru.png differ
diff --git a/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ur.png b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ur.png
new file mode 100644
index 00000000..3a43eb23
Binary files /dev/null and b/translated_images/IMG_5323.4939fa17958f291bb856032bbd044a709c0199b2e3846f1801a7836d4455dd26.ur.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ar.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ar.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ar.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.mo.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.mo.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.mo.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ru.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ru.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ru.png differ
diff --git a/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ur.png b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ur.png
new file mode 100644
index 00000000..7c9552e3
Binary files /dev/null and b/translated_images/IMG_5324.0afbc6f0caceb1a341a9606fc9b879938eebebbc8401fce37dff2b167ed4b410.ur.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ar.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ar.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ar.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.mo.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.mo.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.mo.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ru.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ru.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ru.png differ
diff --git a/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ur.png b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ur.png
new file mode 100644
index 00000000..78f695b7
Binary files /dev/null and b/translated_images/IMG_5325.9e9d9e9b85a10b06ac6038bf88ef91ef56fd371ed9e67b53495cd6878019faf9.ur.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ar.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ar.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ar.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.mo.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.mo.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.mo.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ru.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ru.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ru.png differ
diff --git a/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ur.png b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ur.png
new file mode 100644
index 00000000..77f563fb
Binary files /dev/null and b/translated_images/IMG_5326.35bbc9e054c704d0418a8ba7418aa38f51baee13bd2b00cfe8300e1500fa9f32.ur.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ar.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ar.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ar.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.mo.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.mo.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.mo.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ru.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ru.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ru.png differ
diff --git a/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ur.png b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ur.png
new file mode 100644
index 00000000..8dccd514
Binary files /dev/null and b/translated_images/IMG_5327.804b63a605b5a77a7b60c2fbf370be0f7364f2b5acb98c736420728e61845b62.ur.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ar.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ar.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ar.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.mo.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.mo.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.mo.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ru.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ru.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ru.png differ
diff --git a/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ur.png b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ur.png
new file mode 100644
index 00000000..b75e015e
Binary files /dev/null and b/translated_images/IMG_5328.925a9da23d96759f6c7c13bfcd94b8063bb5082d2e8a0431058c057e6d14446b.ur.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ar.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ar.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ar.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.mo.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.mo.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.mo.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ru.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ru.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ru.png differ
diff --git a/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ur.png b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ur.png
new file mode 100644
index 00000000..5bfed282
Binary files /dev/null and b/translated_images/IMG_5329.27da5fcbc3336773e94bbd2640df07799c76051bf97d2db7891d47bc462c6e09.ur.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ar.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ar.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ar.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.mo.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.mo.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.mo.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ru.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ru.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ru.png differ
diff --git a/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ur.png b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ur.png
new file mode 100644
index 00000000..34ca765c
Binary files /dev/null and b/translated_images/IMG_5330.3db3d5ea01c8cca2ae41cf5ea501a0a836569a3abbc2ae95696e0ad1dd005b6a.ur.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ar.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ar.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ar.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.mo.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.mo.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.mo.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ru.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ru.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ru.png differ
diff --git a/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ur.png b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ur.png
new file mode 100644
index 00000000..d1f7bc09
Binary files /dev/null and b/translated_images/IMG_5331.181987d3d094472fbf569a61760fadf282575f2821138de50007e408fd63182e.ur.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ar.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ar.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ar.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.mo.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.mo.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.mo.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ru.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ru.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ru.png differ
diff --git a/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ur.png b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ur.png
new file mode 100644
index 00000000..c215b446
Binary files /dev/null and b/translated_images/IMG_5332.4beed56eaa5158e3785dbacb53c9670a0ef1699ce386528f4bb9bad50adf88ca.ur.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ar.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ar.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ar.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.mo.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.mo.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.mo.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ru.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ru.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ru.png differ
diff --git a/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ur.png b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ur.png
new file mode 100644
index 00000000..63f58daa
Binary files /dev/null and b/translated_images/IMG_5333.53c3364c2ee0e7bb5db0e299915faaf31e47bb99ad045ec8f6de6ca23d323f47.ur.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ar.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ar.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ar.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.mo.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.mo.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.mo.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ru.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ru.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ru.png differ
diff --git a/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ur.png b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ur.png
new file mode 100644
index 00000000..3eb38501
Binary files /dev/null and b/translated_images/IMG_5334.979472e433948c109b122ae4bbd0f96971dc2e7b1e64615776ebb7337a97e183.ur.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ar.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ar.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ar.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.mo.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.mo.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.mo.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ru.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ru.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ru.png differ
diff --git a/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ur.png b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ur.png
new file mode 100644
index 00000000..4f960870
Binary files /dev/null and b/translated_images/IMG_5335.9f5bfba69a8d5a901c3e3b994a69f62a00d73ef9209b85561553d2ae99a56615.ur.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ar.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ar.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ar.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.mo.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.mo.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.mo.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ru.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ru.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ru.png differ
diff --git a/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ur.png b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ur.png
new file mode 100644
index 00000000..ca5b5882
Binary files /dev/null and b/translated_images/IMG_5336.1b46586fdec957670ea71c1bd68c26f73aa95cd5671d057328fd198640729db7.ur.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ar.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ar.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ar.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.mo.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.mo.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.mo.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ru.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ru.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ru.png differ
diff --git a/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ur.png b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ur.png
new file mode 100644
index 00000000..2c3440cd
Binary files /dev/null and b/translated_images/IMG_5337.91c82be4d37029b03cbb07553d92b9d2dd672e22a07fee6453cbc40568fbdef3.ur.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ar.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ar.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ar.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.mo.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.mo.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.mo.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ru.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ru.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ru.png differ
diff --git a/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ur.png b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ur.png
new file mode 100644
index 00000000..5294a9dc
Binary files /dev/null and b/translated_images/IMG_5338.9ab356541448923b528f2dedecd72d7ecd07d53cc69118aeb861c39dccb8b8cc.ur.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ar.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ar.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ar.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.mo.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.mo.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.mo.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ru.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ru.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ru.png differ
diff --git a/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ur.png b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ur.png
new file mode 100644
index 00000000..912ac4ca
Binary files /dev/null and b/translated_images/IMG_5340.8440651b3ce1dd35d9962036330b32a600fb3f59078a581a05c93920c5012b3a.ur.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ar.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ar.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ar.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.mo.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.mo.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.mo.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ru.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ru.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ru.png differ
diff --git a/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ur.png b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ur.png
new file mode 100644
index 00000000..8e47de7d
Binary files /dev/null and b/translated_images/IMG_5341.a1aa041c42dbc534c033447b06f0546fdd779b3ed5034992ded08a45a960fff5.ur.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ar.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ar.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ar.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.mo.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.mo.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.mo.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ru.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ru.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ru.png differ
diff --git a/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ur.png b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ur.png
new file mode 100644
index 00000000..b3c98d83
Binary files /dev/null and b/translated_images/IMG_5342.9f3b93d9fab90d3b3c1936edb55768b57024c9ebe88a214be315f5ebb083e45d.ur.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ar.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ar.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ar.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.mo.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.mo.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.mo.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ru.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ru.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ru.png differ
diff --git a/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ur.png b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ur.png
new file mode 100644
index 00000000..1d494613
Binary files /dev/null and b/translated_images/IMG_5343.fa30105d3c10cad2079ca2b2f023e9dab8f82824a235be61837d7e9d09d8d067.ur.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ar.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ar.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ar.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.mo.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.mo.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.mo.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ru.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ru.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ru.png differ
diff --git a/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ur.png b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ur.png
new file mode 100644
index 00000000..47ced39a
Binary files /dev/null and b/translated_images/IMG_5344.acfcd61ee5281321426b2d93efeeb01a60505e73b4c5ee6224c7fa375027b9d8.ur.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ar.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ar.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ar.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.mo.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.mo.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.mo.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ru.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ru.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ru.png differ
diff --git a/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ur.png b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ur.png
new file mode 100644
index 00000000..88d5c896
Binary files /dev/null and b/translated_images/IMG_5345.3d305ee2bb4ee8040102a8d1922cdf0450f619c6824add16014a4c0887c18b1d.ur.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ar.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ar.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ar.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.mo.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.mo.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.mo.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ru.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ru.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ru.png differ
diff --git a/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ur.png b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ur.png
new file mode 100644
index 00000000..e0706533
Binary files /dev/null and b/translated_images/IMG_5346.281dcc267f69c70b2bc2353b5e8289617c7bf3608f889dae8a582b9376a9ae7d.ur.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ar.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ar.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ar.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.mo.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.mo.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.mo.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ru.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ru.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ru.png differ
diff --git a/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ur.png b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ur.png
new file mode 100644
index 00000000..a1f17249
Binary files /dev/null and b/translated_images/IMG_5347.48a4a981e76910ae1c65bf75102883039be5f0ded32b73f3d09d855f5b7dc977.ur.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ar.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ar.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ar.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.mo.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.mo.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.mo.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ru.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ru.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ru.png differ
diff --git a/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ur.png b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ur.png
new file mode 100644
index 00000000..3adc61ef
Binary files /dev/null and b/translated_images/IMG_5348.3961d3b444537c131299f8906dc4e2f7c3c172591ffeacb45719ec3d3718b625.ur.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ar.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ar.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ar.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.mo.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.mo.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.mo.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ru.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ru.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ru.png differ
diff --git a/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ur.png b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ur.png
new file mode 100644
index 00000000..1c3c8d53
Binary files /dev/null and b/translated_images/IMG_5349.1f0ec7fbf8807b3bf991dd5400cfb69ded9fe53059bd1e71934f4dbd7ff963db.ur.png differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ar.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ar.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ar.jpg differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.mo.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.mo.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.mo.jpg differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ru.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ru.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ru.jpg differ
diff --git a/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ur.jpg b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ur.jpg
new file mode 100644
index 00000000..0f4a9a38
Binary files /dev/null and b/translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ur.jpg differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ar.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ar.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ar.png differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.mo.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.mo.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.mo.png differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ru.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ru.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ru.png differ
diff --git a/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ur.png b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ur.png
new file mode 100644
index 00000000..32dab60c
Binary files /dev/null and b/translated_images/amqp.804bd4fce83301578f19af1b877f8ce87a6473a3616fb6c3f901fe4041ab6c96.ur.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ar.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ar.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ar.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.mo.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.mo.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.mo.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ru.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ru.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ru.png differ
diff --git a/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ur.png b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ur.png
new file mode 100644
index 00000000..78e9b675
Binary files /dev/null and b/translated_images/analog-sensor-voltage.3b6f3153922473997cae6f71a6110d89a020a8a1838a83fba4f97e8fa6cef3ac.ur.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ar.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ar.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ar.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.mo.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.mo.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.mo.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ru.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ru.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ru.png differ
diff --git a/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ur.png b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ur.png
new file mode 100644
index 00000000..fb87dd71
Binary files /dev/null and b/translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ur.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ar.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ar.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ar.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.mo.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.mo.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.mo.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ru.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ru.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ru.png differ
diff --git a/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ur.png b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ur.png
new file mode 100644
index 00000000..acaa9a02
Binary files /dev/null and b/translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ur.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ar.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ar.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ar.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.mo.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.mo.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.mo.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ru.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ru.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ru.png differ
diff --git a/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ur.png b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ur.png
new file mode 100644
index 00000000..b6afaa8a
Binary files /dev/null and b/translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ur.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ar.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ar.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ar.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.mo.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.mo.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.mo.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ru.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ru.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ru.png differ
diff --git a/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ur.png b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ur.png
new file mode 100644
index 00000000..18f92ede
Binary files /dev/null and b/translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ur.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ar.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ar.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ar.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.mo.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.mo.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.mo.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ru.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ru.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ru.png differ
diff --git a/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ur.png b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ur.png
new file mode 100644
index 00000000..e1eb6df0
Binary files /dev/null and b/translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ur.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ar.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ar.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ar.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.mo.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.mo.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.mo.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ru.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ru.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ru.png differ
diff --git a/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ur.png b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ur.png
new file mode 100644
index 00000000..dfcfde45
Binary files /dev/null and b/translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ur.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ar.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ar.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ar.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.mo.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.mo.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.mo.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ru.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ru.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ru.png differ
diff --git a/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ur.png b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ur.png
new file mode 100644
index 00000000..44af1896
Binary files /dev/null and b/translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ur.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ar.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ar.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ar.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.mo.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.mo.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.mo.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ru.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ru.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ru.png differ
diff --git a/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ur.png b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ur.png
new file mode 100644
index 00000000..6d749e6c
Binary files /dev/null and b/translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ur.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ar.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ar.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ar.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.mo.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.mo.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.mo.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ru.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ru.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ru.png differ
diff --git a/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ur.png b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ur.png
new file mode 100644
index 00000000..7485e36c
Binary files /dev/null and b/translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ur.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ar.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ar.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ar.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.mo.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.mo.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.mo.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ru.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ru.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ru.png differ
diff --git a/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ur.png b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ur.png
new file mode 100644
index 00000000..0f499097
Binary files /dev/null and b/translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ur.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ar.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ar.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ar.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.mo.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.mo.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.mo.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ru.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ru.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ru.png differ
diff --git a/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ur.png b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ur.png
new file mode 100644
index 00000000..710c440c
Binary files /dev/null and b/translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ur.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ar.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ar.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ar.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.mo.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.mo.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.mo.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ru.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ru.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ru.png differ
diff --git a/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ur.png b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ur.png
new file mode 100644
index 00000000..24cecced
Binary files /dev/null and b/translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ur.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ar.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ar.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ar.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.mo.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.mo.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.mo.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ru.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ru.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ru.png differ
diff --git a/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ur.png b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ur.png
new file mode 100644
index 00000000..b36025d9
Binary files /dev/null and b/translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ur.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ar.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ar.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ar.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.mo.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.mo.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.mo.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ru.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ru.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ru.png differ
diff --git a/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ur.png b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ur.png
new file mode 100644
index 00000000..b21a4bed
Binary files /dev/null and b/translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ur.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ar.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ar.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ar.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.mo.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.mo.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.mo.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ru.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ru.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ru.png differ
diff --git a/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ur.png b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ur.png
new file mode 100644
index 00000000..8da6f9a4
Binary files /dev/null and b/translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ur.png differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ar.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ar.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ar.jpg differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.mo.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.mo.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.mo.jpg differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ru.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ru.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ru.jpg differ
diff --git a/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ur.jpg b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ur.jpg
new file mode 100644
index 00000000..437f3d07
Binary files /dev/null and b/translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ur.jpg differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ar.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ar.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ar.png differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.mo.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.mo.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.mo.png differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ru.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ru.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ru.png differ
diff --git a/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ur.png b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ur.png
new file mode 100644
index 00000000..cc61fb13
Binary files /dev/null and b/translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ur.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ar.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ar.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ar.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.mo.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.mo.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.mo.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ru.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ru.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ru.png differ
diff --git a/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ur.png b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ur.png
new file mode 100644
index 00000000..3472b1d9
Binary files /dev/null and b/translated_images/banana-ripe-1.6ed72365ffc9230064fbaefdb698bde74529ad5b3c747a4a28421b534730fa5f.ur.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ar.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ar.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ar.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.mo.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.mo.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.mo.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ru.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ru.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ru.png differ
diff --git a/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ur.png b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ur.png
new file mode 100644
index 00000000..0bbca602
Binary files /dev/null and b/translated_images/banana-ripe-1.780e9be3a60d8879826126ee1e84e135ffa20ec91697bb759daf7ba0b76c811b.ur.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ar.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ar.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ar.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.mo.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.mo.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.mo.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ru.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ru.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ru.png differ
diff --git a/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ur.png b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ur.png
new file mode 100644
index 00000000..b5775adc
Binary files /dev/null and b/translated_images/banana-ripe-10.c3d98eb280e7464ffa36da1fa18413db4fd032da973b098bb4978d6d99c1a3af.ur.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ar.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ar.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ar.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.mo.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.mo.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.mo.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ru.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ru.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ru.png differ
diff --git a/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ur.png b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ur.png
new file mode 100644
index 00000000..bc58477a
Binary files /dev/null and b/translated_images/banana-ripe-11.3d932f292b95b9a202082ce75f5b52ecaf43718721661810b53f7a5a2c4b4133.ur.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ar.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ar.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ar.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.mo.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.mo.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.mo.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ru.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ru.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ru.png differ
diff --git a/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ur.png b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ur.png
new file mode 100644
index 00000000..1b7a40f4
Binary files /dev/null and b/translated_images/banana-ripe-12.9f87e663b9da6c8525f3ce63c5c0a1c095e42675e2a6af9b0fddb14ebb1e0b4b.ur.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ar.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ar.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ar.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.mo.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.mo.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.mo.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ru.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ru.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ru.png differ
diff --git a/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ur.png b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ur.png
new file mode 100644
index 00000000..011b07a3
Binary files /dev/null and b/translated_images/banana-ripe-13.b7402e05160f454309533a578849d7e79f92dd70799428943d7211c2fbb82465.ur.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ar.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ar.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ar.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.mo.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.mo.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.mo.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ru.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ru.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ru.png differ
diff --git a/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ur.png b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ur.png
new file mode 100644
index 00000000..7f9d24ef
Binary files /dev/null and b/translated_images/banana-ripe-14.85cf309aa702cfa870286a5f8838ee5875a655074a982bafe5b8d32d4d5819f2.ur.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ar.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ar.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ar.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.mo.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.mo.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.mo.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ru.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ru.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ru.png differ
diff --git a/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ur.png b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ur.png
new file mode 100644
index 00000000..0c6a7067
Binary files /dev/null and b/translated_images/banana-ripe-15.933412eb14a3f8e419c764c8157d1e5f25256972a8dcf450aa630b8c007c8c3d.ur.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ar.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ar.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ar.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.mo.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.mo.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.mo.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ru.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ru.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ru.png differ
diff --git a/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ur.png b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ur.png
new file mode 100644
index 00000000..8f7968a5
Binary files /dev/null and b/translated_images/banana-ripe-16.781a68a01401f89e5e523c88e659a0f9697b7de378571c91e597edc0d0c2eb07.ur.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ar.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ar.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ar.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.mo.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.mo.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.mo.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ru.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ru.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ru.png differ
diff --git a/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ur.png b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ur.png
new file mode 100644
index 00000000..20c6036f
Binary files /dev/null and b/translated_images/banana-ripe-17.f8e2853a40d3ac450e290036792b75ac4b8da5883536478722fb336d5f66517e.ur.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ar.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ar.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ar.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.mo.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.mo.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.mo.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ru.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ru.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ru.png differ
diff --git a/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ur.png b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ur.png
new file mode 100644
index 00000000..f077b6e9
Binary files /dev/null and b/translated_images/banana-ripe-18.3d05f5f78ecf6f0d74aecdafb8e415851a5333e5dbc016ac1870ab5e4c383b07.ur.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ar.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ar.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ar.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.mo.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.mo.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.mo.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ru.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ru.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ru.png differ
diff --git a/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ur.png b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ur.png
new file mode 100644
index 00000000..484206d5
Binary files /dev/null and b/translated_images/banana-ripe-19.ac3b0fc6cf6fdfd5523227bc246c915b228bc3d4bc1c72f6612723ed889023b5.ur.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ar.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ar.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ar.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.mo.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.mo.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.mo.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ru.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ru.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ru.png differ
diff --git a/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ur.png b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ur.png
new file mode 100644
index 00000000..9fa156e2
Binary files /dev/null and b/translated_images/banana-ripe-2.8ab96da692df69f1c78bd3a93acfdb17bc292ac964a3f3bac9249ba1dd1681c3.ur.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ar.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ar.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ar.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.mo.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.mo.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.mo.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ru.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ru.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ru.png differ
diff --git a/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ur.png b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ur.png
new file mode 100644
index 00000000..b0813972
Binary files /dev/null and b/translated_images/banana-ripe-2.96ddc53114c5f020a328b264174eef43d2096620c6b10ff5189e99674c1dfa8c.ur.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ar.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ar.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ar.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.mo.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.mo.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.mo.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ru.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ru.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ru.png differ
diff --git a/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ur.png b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ur.png
new file mode 100644
index 00000000..4f2da8dc
Binary files /dev/null and b/translated_images/banana-ripe-20.a4d0ad33a7e6f037ac9276dc751ae62d56d3cc16e625837197ef49da426bc3c8.ur.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ar.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ar.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ar.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.mo.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.mo.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.mo.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ru.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ru.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ru.png differ
diff --git a/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ur.png b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ur.png
new file mode 100644
index 00000000..8ae3904c
Binary files /dev/null and b/translated_images/banana-ripe-21.07e03d64f265d55dfe3b304df3e36f06140b87f80ae2cadd22a7736e2855eb8f.ur.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ar.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ar.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ar.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.mo.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.mo.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.mo.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ru.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ru.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ru.png differ
diff --git a/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ur.png b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ur.png
new file mode 100644
index 00000000..ea5cbe30
Binary files /dev/null and b/translated_images/banana-ripe-22.a63c05aeb7f866fc64b6ac04e6fa68e1d1a22d729ad16d9fadf3357df97654a3.ur.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ar.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ar.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ar.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.mo.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.mo.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.mo.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ru.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ru.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ru.png differ
diff --git a/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ur.png b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ur.png
new file mode 100644
index 00000000..eab9fb03
Binary files /dev/null and b/translated_images/banana-ripe-23.6f3364afcab19e571497cb5a3fa2b0c603a303beb31034cb82ae25635f4cc005.ur.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ar.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ar.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ar.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.mo.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.mo.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.mo.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ru.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ru.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ru.png differ
diff --git a/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ur.png b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ur.png
new file mode 100644
index 00000000..c49c0459
Binary files /dev/null and b/translated_images/banana-ripe-24.ff2c02cc80a9c4301d1f851af0a96f414fcc844f912ea4bea902877c9d6978f6.ur.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ar.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ar.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ar.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.mo.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.mo.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.mo.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ru.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ru.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ru.png differ
diff --git a/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ur.png b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ur.png
new file mode 100644
index 00000000..127b0257
Binary files /dev/null and b/translated_images/banana-ripe-25.65ce63418cdc4de2d1d29d0fd35401a9f99e967938e01c3578f13a6b6812ae50.ur.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ar.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ar.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ar.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.mo.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.mo.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.mo.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ru.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ru.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ru.png differ
diff --git a/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ur.png b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ur.png
new file mode 100644
index 00000000..0b528799
Binary files /dev/null and b/translated_images/banana-ripe-3.4fae05a0a1d2b5f010998afee52fb77a113453a95331c76eb4b509c14d5cb5d7.ur.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ar.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ar.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ar.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.mo.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.mo.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.mo.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ru.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ru.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ru.png differ
diff --git a/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ur.png b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ur.png
new file mode 100644
index 00000000..e5b04c65
Binary files /dev/null and b/translated_images/banana-ripe-5.c762086879ccec4c5402fb5dd5387f4ee4c208de3ec13fd69a5461ef36cde34a.ur.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ar.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ar.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ar.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.mo.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.mo.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.mo.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ru.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ru.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ru.png differ
diff --git a/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ur.png b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ur.png
new file mode 100644
index 00000000..46543926
Binary files /dev/null and b/translated_images/banana-ripe-6.5131bcbf492980cb737c3658b96f6ff3381ced4cd6505588b05bd95d82965c49.ur.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ar.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ar.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ar.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.mo.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.mo.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.mo.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ru.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ru.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ru.png differ
diff --git a/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ur.png b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ur.png
new file mode 100644
index 00000000..46e99668
Binary files /dev/null and b/translated_images/banana-ripe-7.5fc18dfe7b7ae9dc5afe27cc6c0ce162c819b78b69b05f6f9c1636d5d1b82edc.ur.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ar.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ar.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ar.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.mo.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.mo.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.mo.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ru.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ru.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ru.png differ
diff --git a/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ur.png b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ur.png
new file mode 100644
index 00000000..c012d47d
Binary files /dev/null and b/translated_images/banana-ripe-8.dba1d33bd34d4830201c15a9c35c56fde4b1a45dc7dc5e3a7def9986bf1b6c28.ur.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ar.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ar.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ar.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.mo.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.mo.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.mo.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ru.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ru.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ru.png differ
diff --git a/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ur.png b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ur.png
new file mode 100644
index 00000000..fa44061a
Binary files /dev/null and b/translated_images/banana-ripe-9.32f91462c8b0e2d3666f49a12afd84462212c5834835f988b3c37441c0493952.ur.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ar.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ar.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ar.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.mo.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.mo.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.mo.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ru.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ru.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ru.png differ
diff --git a/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ur.png b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ur.png
new file mode 100644
index 00000000..e499b2fd
Binary files /dev/null and b/translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ur.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ar.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ar.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ar.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.mo.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.mo.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.mo.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ru.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ru.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ru.png differ
diff --git a/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ur.png b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ur.png
new file mode 100644
index 00000000..66e9927a
Binary files /dev/null and b/translated_images/banana-unripe-1.910c8606a300fa2014a0e0adb31348effd6e0fdd5760fdfe80b8e69533bac6f7.ur.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ar.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ar.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ar.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.mo.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.mo.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.mo.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ru.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ru.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ru.png differ
diff --git a/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ur.png b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ur.png
new file mode 100644
index 00000000..e512cf63
Binary files /dev/null and b/translated_images/banana-unripe-1.b2c7051d9c8a4e617be0425bea42775d16f896f3a183344e9038da2d1fb81dea.ur.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ar.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ar.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ar.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.mo.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.mo.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.mo.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ru.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ru.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ru.png differ
diff --git a/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ur.png b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ur.png
new file mode 100644
index 00000000..89e41b8a
Binary files /dev/null and b/translated_images/banana-unripe-10.38dab0db918a24870e655b62e7f3af030eaebe5bcfb7cfebbfb010637b46ba44.ur.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ar.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ar.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ar.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.mo.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.mo.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.mo.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ru.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ru.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ru.png differ
diff --git a/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ur.png b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ur.png
new file mode 100644
index 00000000..257c3e55
Binary files /dev/null and b/translated_images/banana-unripe-11.ec8d0eefe63e10b953579d18d4fdd9d89cedc247749ec1d11fdbe49a43f1bc90.ur.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ar.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ar.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ar.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.mo.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.mo.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.mo.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ru.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ru.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ru.png differ
diff --git a/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ur.png b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ur.png
new file mode 100644
index 00000000..85a581ed
Binary files /dev/null and b/translated_images/banana-unripe-12.b95a088ccae935db01b47786dac829cb356feb5d4dbfcf8d91e000e9ed3be7a2.ur.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ar.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ar.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ar.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.mo.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.mo.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.mo.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ru.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ru.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ru.png differ
diff --git a/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ur.png b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ur.png
new file mode 100644
index 00000000..c07f67c3
Binary files /dev/null and b/translated_images/banana-unripe-13.37e5a7cac5aa0920343a6dd17dc720499d9f9b7c990cf4bc002f681216a545b7.ur.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ar.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ar.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ar.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.mo.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.mo.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.mo.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ru.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ru.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ru.png differ
diff --git a/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ur.png b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ur.png
new file mode 100644
index 00000000..c598913b
Binary files /dev/null and b/translated_images/banana-unripe-14.d19ddd6bbf63a2591db0d88a6c81e17d2186dee04b9bb4ff60031009fc0cce0a.ur.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ar.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ar.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ar.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.mo.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.mo.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.mo.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ru.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ru.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ru.png differ
diff --git a/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ur.png b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ur.png
new file mode 100644
index 00000000..a630a6f3
Binary files /dev/null and b/translated_images/banana-unripe-15.274e48544326077a58c0e00e04e98c7abe04bc473caaab64fe3154c551d8a0a8.ur.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ar.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ar.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ar.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.mo.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.mo.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.mo.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ru.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ru.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ru.png differ
diff --git a/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ur.png b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ur.png
new file mode 100644
index 00000000..f63ad48d
Binary files /dev/null and b/translated_images/banana-unripe-16.bd058f64bd7ec014d10bdeb9da39568aeb5871908b5c2a6376a5f97d3101c273.ur.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ar.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ar.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ar.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.mo.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.mo.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.mo.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ru.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ru.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ru.png differ
diff --git a/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ur.png b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ur.png
new file mode 100644
index 00000000..73c0aea6
Binary files /dev/null and b/translated_images/banana-unripe-17.408382d679bfa079fbe89e269fbc05a2602d2f980834601380633a5471c72396.ur.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ar.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ar.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ar.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.mo.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.mo.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.mo.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ru.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ru.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ru.png differ
diff --git a/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ur.png b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ur.png
new file mode 100644
index 00000000..0768efbc
Binary files /dev/null and b/translated_images/banana-unripe-18.39c0eb79d7b3b9baf71858801fb8cb8b01e395289bab8c7091a57a97d1dfa075.ur.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ar.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ar.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ar.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.mo.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.mo.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.mo.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ru.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ru.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ru.png differ
diff --git a/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ur.png b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ur.png
new file mode 100644
index 00000000..a6c3afe8
Binary files /dev/null and b/translated_images/banana-unripe-19.e61e6d7efaf2d8c81a25acbff9c40f018b78c3c240c8e384d54da374eda70f9b.ur.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ar.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ar.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ar.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.mo.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.mo.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.mo.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ru.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ru.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ru.png differ
diff --git a/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ur.png b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ur.png
new file mode 100644
index 00000000..eed10ecb
Binary files /dev/null and b/translated_images/banana-unripe-2.43a73b544521afc7efd54de90fd585f314844de67b16509fff2ab80c05eec7bd.ur.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ar.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ar.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ar.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.mo.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.mo.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.mo.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ru.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ru.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ru.png differ
diff --git a/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ur.png b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ur.png
new file mode 100644
index 00000000..4c086050
Binary files /dev/null and b/translated_images/banana-unripe-2.9591d1a6aa27deebbaec0955b227bbae20d6bfae43f29d832bd412bbafa45bfd.ur.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ar.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ar.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ar.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.mo.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.mo.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.mo.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ru.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ru.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ru.png differ
diff --git a/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ur.png b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ur.png
new file mode 100644
index 00000000..9f641588
Binary files /dev/null and b/translated_images/banana-unripe-20.85b7a74eaab5634e769fe2fec57405201513094c400f71e16d75cd79bde092ab.ur.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ar.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ar.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ar.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.mo.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.mo.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.mo.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ru.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ru.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ru.png differ
diff --git a/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ur.png b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ur.png
new file mode 100644
index 00000000..9404843f
Binary files /dev/null and b/translated_images/banana-unripe-21.ccc1333439b344bc502fbfa9b60e5e9013a4d57ba539ba87000ccd69dc0675e2.ur.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ar.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ar.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ar.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.mo.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.mo.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.mo.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ru.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ru.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ru.png differ
diff --git a/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ur.png b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ur.png
new file mode 100644
index 00000000..9636ac68
Binary files /dev/null and b/translated_images/banana-unripe-22.27dff4b438163080fcace0af6f24b8c9866b76a15269844e9ed1b722ae2220e7.ur.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ar.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ar.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ar.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.mo.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.mo.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.mo.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ru.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ru.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ru.png differ
diff --git a/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ur.png b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ur.png
new file mode 100644
index 00000000..38a2b35d
Binary files /dev/null and b/translated_images/banana-unripe-23.c4c9067f23370e90c5156d7659a0d17590d952e2defd6550aeded84e847c1e4b.ur.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ar.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ar.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ar.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.mo.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.mo.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.mo.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ru.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ru.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ru.png differ
diff --git a/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ur.png b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ur.png
new file mode 100644
index 00000000..cd09e177
Binary files /dev/null and b/translated_images/banana-unripe-24.6f0b781c309da62f71147fcc87699967bef10c57a794029ede2eb0d1d88e4b73.ur.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ar.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ar.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ar.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.mo.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.mo.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.mo.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ru.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ru.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ru.png differ
diff --git a/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ur.png b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ur.png
new file mode 100644
index 00000000..4cc4f4bc
Binary files /dev/null and b/translated_images/banana-unripe-25.21d553d84880ac4ff73128909d01c79c4544424d218f740482da46bdae46f74b.ur.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ar.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ar.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ar.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.mo.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.mo.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.mo.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ru.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ru.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ru.png differ
diff --git a/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ur.png b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ur.png
new file mode 100644
index 00000000..33e03220
Binary files /dev/null and b/translated_images/banana-unripe-26.823c48b61feb1d5c319e9cf54f5e7c2bb43f91e781bf42d57f386d0dabf3fd12.ur.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ar.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ar.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ar.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.mo.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.mo.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.mo.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ru.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ru.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ru.png differ
diff --git a/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ur.png b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ur.png
new file mode 100644
index 00000000..489d49e3
Binary files /dev/null and b/translated_images/banana-unripe-27.f98fd272deeb02d9b6771340fe6da2de82db652ade770d9eca14ba6be2d0ad17.ur.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ar.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ar.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ar.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.mo.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.mo.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.mo.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ru.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ru.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ru.png differ
diff --git a/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ur.png b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ur.png
new file mode 100644
index 00000000..80b39b63
Binary files /dev/null and b/translated_images/banana-unripe-28.5331ba409ce41c07caa09d72d6ad7375b5a5b3d7609fcabdaa82d9799439fd21.ur.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ar.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ar.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ar.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.mo.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.mo.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.mo.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ru.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ru.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ru.png differ
diff --git a/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ur.png b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ur.png
new file mode 100644
index 00000000..2404a4ce
Binary files /dev/null and b/translated_images/banana-unripe-29.84e126f389bf627ed464abdf8127f3a58e8b0131b5b1b9ee038de51703c31657.ur.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ar.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ar.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ar.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.mo.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.mo.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.mo.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ru.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ru.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ru.png differ
diff --git a/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ur.png b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ur.png
new file mode 100644
index 00000000..f884cc81
Binary files /dev/null and b/translated_images/banana-unripe-3.896df8fb2c3b8f51f71b212645fc5314b591a033938208000839642858ddcabd.ur.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ar.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ar.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ar.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.mo.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.mo.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.mo.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ru.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ru.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ru.png differ
diff --git a/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ur.png b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ur.png
new file mode 100644
index 00000000..9f649bd1
Binary files /dev/null and b/translated_images/banana-unripe-4.483e740d6fd7b5a671cb49ad1b0f2c35f1637f86ccb9746bb4cc3b59ab752bf7.ur.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ar.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ar.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ar.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.mo.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.mo.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.mo.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ru.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ru.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ru.png differ
diff --git a/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ur.png b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ur.png
new file mode 100644
index 00000000..03e1fa8c
Binary files /dev/null and b/translated_images/banana-unripe-5.e9923cf1ffcfc1c93e8c2aeb184bd071566742b738b671ab9cedcd5708239a58.ur.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ar.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ar.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ar.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.mo.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.mo.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.mo.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ru.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ru.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ru.png differ
diff --git a/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ur.png b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ur.png
new file mode 100644
index 00000000..983f836f
Binary files /dev/null and b/translated_images/banana-unripe-6.e3a73307558caecc9aac5ae80bbe37ca38f105e2bd7311afab61ee1014fc6c0e.ur.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ar.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ar.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ar.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.mo.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.mo.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.mo.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ru.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ru.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ru.png differ
diff --git a/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ur.png b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ur.png
new file mode 100644
index 00000000..2aede939
Binary files /dev/null and b/translated_images/banana-unripe-7.634ca89acc17d68f8423b1a13f1bec6bdbd5135f0149c6cfaa53d7b7d5fa1c65.ur.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ar.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ar.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ar.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.mo.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.mo.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.mo.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ru.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ru.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ru.png differ
diff --git a/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ur.png b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ur.png
new file mode 100644
index 00000000..7bc7bab2
Binary files /dev/null and b/translated_images/banana-unripe-8.75720b4cdebac8c36964c86e051ea962ab02e530abec3f577bd77fdbc34d7f9d.ur.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ar.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ar.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ar.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.mo.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.mo.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.mo.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ru.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ru.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ru.png differ
diff --git a/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ur.png b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ur.png
new file mode 100644
index 00000000..4ffd862a
Binary files /dev/null and b/translated_images/banana-unripe-9.e8076983351d2f54cfb246bc01090e7016b63fb8d81396822cbe5366c1b88b7f.ur.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ar.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ar.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ar.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.mo.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.mo.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.mo.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ru.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ru.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ru.png differ
diff --git a/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ur.png b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ur.png
new file mode 100644
index 00000000..ef506579
Binary files /dev/null and b/translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ur.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ar.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ar.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ar.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.mo.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.mo.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.mo.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ru.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ru.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ru.png differ
diff --git a/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ur.png b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ur.png
new file mode 100644
index 00000000..ddf79213
Binary files /dev/null and b/translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ur.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ar.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ar.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ar.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.mo.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.mo.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.mo.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ru.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ru.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ru.png differ
diff --git a/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ur.png b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ur.png
new file mode 100644
index 00000000..1796bcce
Binary files /dev/null and b/translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ur.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png differ
diff --git a/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png
new file mode 100644
index 00000000..ab763666
Binary files /dev/null and b/translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ar.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ar.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ar.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.mo.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.mo.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.mo.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ru.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ru.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ru.png differ
diff --git a/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ur.png b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ur.png
new file mode 100644
index 00000000..013f247d
Binary files /dev/null and b/translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ur.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ar.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ar.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ar.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.mo.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.mo.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.mo.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ru.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ru.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ru.png differ
diff --git a/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ur.png b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ur.png
new file mode 100644
index 00000000..fd1b7753
Binary files /dev/null and b/translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ur.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ar.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ar.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ar.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.mo.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.mo.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.mo.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ru.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ru.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ru.png differ
diff --git a/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ur.png b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ur.png
new file mode 100644
index 00000000..55154b84
Binary files /dev/null and b/translated_images/button-with-digital.3749edea8eb885af0303f7ea29e2389d704661c0ca3225b08ff0cbc22f332059.ur.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ar.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ar.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ar.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.mo.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.mo.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.mo.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ru.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ru.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ru.png differ
diff --git a/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ur.png b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ur.png
new file mode 100644
index 00000000..306d6f14
Binary files /dev/null and b/translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ur.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ar.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ar.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ar.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.mo.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.mo.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.mo.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ru.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ru.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ru.png differ
diff --git a/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ur.png b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ur.png
new file mode 100644
index 00000000..dfb03646
Binary files /dev/null and b/translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ur.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ar.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ar.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ar.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.mo.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.mo.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.mo.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ru.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ru.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ru.png differ
diff --git a/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ur.png b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ur.png
new file mode 100644
index 00000000..05208120
Binary files /dev/null and b/translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ur.png differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ar.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ar.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ar.jpg differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.mo.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.mo.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.mo.jpg differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ru.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ru.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ru.jpg differ
diff --git a/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ur.jpg b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ur.jpg
new file mode 100644
index 00000000..e78b8c6c
Binary files /dev/null and b/translated_images/child-watering-garden.9a5d3f1bfe6d0d8d488291e8189899b2c59f82abaa487f18d404217a25e671e7.ur.jpg differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ar.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ar.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ar.png differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.mo.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.mo.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.mo.png differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ru.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ru.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ru.png differ
diff --git a/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ur.png b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ur.png
new file mode 100644
index 00000000..0b221a3f
Binary files /dev/null and b/translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ur.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ar.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ar.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ar.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.mo.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.mo.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.mo.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ru.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ru.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ru.png differ
diff --git a/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ur.png b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ur.png
new file mode 100644
index 00000000..576d3f84
Binary files /dev/null and b/translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ur.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ar.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ar.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ar.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.mo.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.mo.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.mo.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ru.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ru.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ru.png differ
diff --git a/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ur.png b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ur.png
new file mode 100644
index 00000000..297ccc5e
Binary files /dev/null and b/translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ur.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ar.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ar.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ar.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.mo.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.mo.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.mo.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ru.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ru.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ru.png differ
diff --git a/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ur.png b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ur.png
new file mode 100644
index 00000000..89bd1ba6
Binary files /dev/null and b/translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ur.png differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ar.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ar.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ar.jpg differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.mo.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.mo.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.mo.jpg differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ru.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ru.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ru.jpg differ
diff --git a/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ur.jpg b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ur.jpg
new file mode 100644
index 00000000..383794f2
Binary files /dev/null and b/translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ur.jpg differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ar.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ar.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ar.png differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.mo.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.mo.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.mo.png differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ru.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ru.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ru.png differ
diff --git a/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ur.png b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ur.png
new file mode 100644
index 00000000..f28538e1
Binary files /dev/null and b/translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ur.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ar.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ar.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ar.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.mo.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.mo.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.mo.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ru.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ru.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ru.png differ
diff --git a/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ur.png b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ur.png
new file mode 100644
index 00000000..39431760
Binary files /dev/null and b/translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ur.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ar.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ar.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ar.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.mo.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.mo.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.mo.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ru.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ru.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ru.png differ
diff --git a/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ur.png b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ur.png
new file mode 100644
index 00000000..46a26d45
Binary files /dev/null and b/translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ur.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ar.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ar.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ar.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.mo.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.mo.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.mo.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ru.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ru.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ru.png differ
diff --git a/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ur.png b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ur.png
new file mode 100644
index 00000000..6f70239b
Binary files /dev/null and b/translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ur.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ar.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ar.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ar.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.mo.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.mo.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.mo.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ru.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ru.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ru.png differ
diff --git a/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ur.png b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ur.png
new file mode 100644
index 00000000..c5cd51da
Binary files /dev/null and b/translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ur.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ar.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ar.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ar.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.mo.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.mo.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.mo.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ru.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ru.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ru.png differ
diff --git a/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ur.png b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ur.png
new file mode 100644
index 00000000..0328b3ea
Binary files /dev/null and b/translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ur.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ar.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ar.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ar.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.mo.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.mo.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.mo.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ru.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ru.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ru.png differ
diff --git a/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ur.png b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ur.png
new file mode 100644
index 00000000..b3d0d223
Binary files /dev/null and b/translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ur.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ar.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ar.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ar.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.mo.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.mo.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.mo.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ru.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ru.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ru.png differ
diff --git a/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ur.png b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ur.png
new file mode 100644
index 00000000..0729dbce
Binary files /dev/null and b/translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ur.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ar.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ar.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ar.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.mo.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.mo.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.mo.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ru.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ru.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ru.png differ
diff --git a/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ur.png b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ur.png
new file mode 100644
index 00000000..2e3adef5
Binary files /dev/null and b/translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ur.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ar.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ar.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ar.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.mo.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.mo.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.mo.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ru.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ru.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ru.png differ
diff --git a/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ur.png b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ur.png
new file mode 100644
index 00000000..4e9aa9b4
Binary files /dev/null and b/translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ur.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ar.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ar.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ar.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.mo.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.mo.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.mo.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ru.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ru.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ru.png differ
diff --git a/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ur.png b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ur.png
new file mode 100644
index 00000000..766527c0
Binary files /dev/null and b/translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ur.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ar.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ar.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ar.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.mo.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.mo.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.mo.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ru.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ru.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ru.png differ
diff --git a/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ur.png b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ur.png
new file mode 100644
index 00000000..f34ad7c6
Binary files /dev/null and b/translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ur.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ar.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ar.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ar.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.mo.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.mo.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.mo.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ru.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ru.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ru.png differ
diff --git a/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ur.png b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ur.png
new file mode 100644
index 00000000..403bb436
Binary files /dev/null and b/translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ur.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ar.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ar.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ar.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.mo.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.mo.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.mo.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ru.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ru.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ru.png differ
diff --git a/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ur.png b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ur.png
new file mode 100644
index 00000000..07398a97
Binary files /dev/null and b/translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ur.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ar.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ar.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ar.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.mo.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.mo.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.mo.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ru.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ru.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ru.png differ
diff --git a/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ur.png b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ur.png
new file mode 100644
index 00000000..83d0a29e
Binary files /dev/null and b/translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ur.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ar.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ar.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ar.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.mo.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.mo.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.mo.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ru.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ru.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ru.png differ
diff --git a/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ur.png b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ur.png
new file mode 100644
index 00000000..cdd566f5
Binary files /dev/null and b/translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ur.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ar.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ar.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ar.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.mo.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.mo.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.mo.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ru.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ru.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ru.png differ
diff --git a/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ur.png b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ur.png
new file mode 100644
index 00000000..50caa7a8
Binary files /dev/null and b/translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ur.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ar.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ar.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ar.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.mo.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.mo.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.mo.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ru.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ru.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ru.png differ
diff --git a/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ur.png b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ur.png
new file mode 100644
index 00000000..e68c1881
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ur.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ar.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ar.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ar.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.mo.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.mo.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.mo.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ru.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ru.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ru.png differ
diff --git a/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ur.png b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ur.png
new file mode 100644
index 00000000..357708db
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ur.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ar.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ar.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ar.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.mo.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.mo.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.mo.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ru.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ru.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ru.png differ
diff --git a/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ur.png b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ur.png
new file mode 100644
index 00000000..ff2cb168
Binary files /dev/null and b/translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ur.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ar.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ar.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ar.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.mo.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.mo.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.mo.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ru.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ru.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ru.png differ
diff --git a/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ur.png b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ur.png
new file mode 100644
index 00000000..4dd28830
Binary files /dev/null and b/translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ur.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ar.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ar.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ar.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.mo.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.mo.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.mo.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ru.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ru.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ru.png differ
diff --git a/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ur.png b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ur.png
new file mode 100644
index 00000000..36a0bed7
Binary files /dev/null and b/translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ur.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ar.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ar.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ar.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.mo.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.mo.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.mo.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ru.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ru.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ru.png differ
diff --git a/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ur.png b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ur.png
new file mode 100644
index 00000000..43b82415
Binary files /dev/null and b/translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ur.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ar.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ar.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ar.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.mo.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.mo.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.mo.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ru.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ru.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ru.png differ
diff --git a/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ur.png b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ur.png
new file mode 100644
index 00000000..9f42e92d
Binary files /dev/null and b/translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ur.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ar.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ar.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ar.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.mo.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.mo.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.mo.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ru.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ru.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ru.png differ
diff --git a/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ur.png b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ur.png
new file mode 100644
index 00000000..91118b35
Binary files /dev/null and b/translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ur.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ar.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ar.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ar.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.mo.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.mo.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.mo.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ru.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ru.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ru.png differ
diff --git a/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ur.png b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ur.png
new file mode 100644
index 00000000..c1074a8e
Binary files /dev/null and b/translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ur.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ar.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ar.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ar.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.mo.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.mo.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.mo.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ru.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ru.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ru.png differ
diff --git a/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ur.png b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ur.png
new file mode 100644
index 00000000..a4cca4dc
Binary files /dev/null and b/translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ur.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ar.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ar.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ar.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.mo.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.mo.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.mo.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ru.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ru.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ru.png differ
diff --git a/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ur.png b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ur.png
new file mode 100644
index 00000000..1dd02459
Binary files /dev/null and b/translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ur.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ar.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ar.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ar.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.mo.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.mo.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.mo.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ru.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ru.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ru.png differ
diff --git a/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ur.png b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ur.png
new file mode 100644
index 00000000..64ba974b
Binary files /dev/null and b/translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ur.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ar.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ar.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ar.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.mo.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.mo.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.mo.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ru.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ru.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ru.png differ
diff --git a/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ur.png b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ur.png
new file mode 100644
index 00000000..fd3d1f9b
Binary files /dev/null and b/translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ur.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ar.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ar.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ar.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.mo.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.mo.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.mo.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ru.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ru.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ru.png differ
diff --git a/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ur.png b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ur.png
new file mode 100644
index 00000000..f523159b
Binary files /dev/null and b/translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ur.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ar.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ar.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ar.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.mo.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.mo.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.mo.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ru.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ru.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ru.png differ
diff --git a/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ur.png b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ur.png
new file mode 100644
index 00000000..70a9bacf
Binary files /dev/null and b/translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ur.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ar.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ar.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ar.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.mo.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.mo.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.mo.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ru.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ru.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ru.png differ
diff --git a/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ur.png b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ur.png
new file mode 100644
index 00000000..9e30ab1c
Binary files /dev/null and b/translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ur.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ar.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ar.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ar.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.mo.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.mo.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.mo.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ru.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ru.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ru.png differ
diff --git a/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ur.png b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ur.png
new file mode 100644
index 00000000..e9f61adc
Binary files /dev/null and b/translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ur.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ar.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ar.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ar.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png differ
diff --git a/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png
new file mode 100644
index 00000000..a54521f7
Binary files /dev/null and b/translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ar.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ar.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ar.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.mo.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.mo.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.mo.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ru.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ru.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ru.png differ
diff --git a/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ur.png b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ur.png
new file mode 100644
index 00000000..6981df8a
Binary files /dev/null and b/translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ur.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ar.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ar.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ar.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.mo.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.mo.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.mo.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ru.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ru.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ru.png differ
diff --git a/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ur.png b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ur.png
new file mode 100644
index 00000000..2722c065
Binary files /dev/null and b/translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ur.png differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ar.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ar.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ar.jpg differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.mo.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.mo.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.mo.jpg differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ru.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ru.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ru.jpg differ
diff --git a/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ur.jpg b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ur.jpg
new file mode 100644
index 00000000..cce2a759
Binary files /dev/null and b/translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ur.jpg differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ar.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ar.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ar.png differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.mo.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.mo.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.mo.png differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ru.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ru.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ru.png differ
diff --git a/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ur.png b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ur.png
new file mode 100644
index 00000000..26e0ae43
Binary files /dev/null and b/translated_images/favicon.37b561214b36d454f9fd1f725d77f310fe256eb88f2a0ae08b9cb18aeb30650c.ur.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ar.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ar.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ar.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.mo.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.mo.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.mo.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ru.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ru.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ru.png differ
diff --git a/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ur.png b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ur.png
new file mode 100644
index 00000000..a5d549fd
Binary files /dev/null and b/translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ur.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ar.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ar.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ar.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.mo.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.mo.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.mo.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ru.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ru.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ru.png differ
diff --git a/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ur.png b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ur.png
new file mode 100644
index 00000000..a251745c
Binary files /dev/null and b/translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ur.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ar.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ar.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ar.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.mo.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.mo.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.mo.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ru.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ru.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ru.png differ
diff --git a/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ur.png b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ur.png
new file mode 100644
index 00000000..bb97d28e
Binary files /dev/null and b/translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ur.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ar.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ar.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ar.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.mo.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.mo.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.mo.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ru.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ru.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ru.png differ
diff --git a/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ur.png b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ur.png
new file mode 100644
index 00000000..e34dea22
Binary files /dev/null and b/translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ur.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ar.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ar.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ar.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.mo.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.mo.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.mo.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ru.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ru.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ru.png differ
diff --git a/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ur.png b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ur.png
new file mode 100644
index 00000000..fa863501
Binary files /dev/null and b/translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ur.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ar.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ar.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ar.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.mo.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.mo.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.mo.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ru.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ru.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ru.png differ
diff --git a/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ur.png b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ur.png
new file mode 100644
index 00000000..0d0e0c48
Binary files /dev/null and b/translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ur.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ar.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ar.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ar.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.mo.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.mo.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.mo.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ru.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ru.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ru.png differ
diff --git a/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ur.png b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ur.png
new file mode 100644
index 00000000..6f79a498
Binary files /dev/null and b/translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ur.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ar.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ar.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ar.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.mo.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.mo.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.mo.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ru.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ru.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ru.png differ
diff --git a/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ur.png b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ur.png
new file mode 100644
index 00000000..8527d4cd
Binary files /dev/null and b/translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ur.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ar.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ar.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ar.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.mo.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.mo.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.mo.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ru.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ru.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ru.png differ
diff --git a/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ur.png b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ur.png
new file mode 100644
index 00000000..8597bf4d
Binary files /dev/null and b/translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ur.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ar.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ar.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ar.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.mo.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.mo.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.mo.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ru.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ru.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ru.png differ
diff --git a/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ur.png b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ur.png
new file mode 100644
index 00000000..3bf24358
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ur.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ar.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ar.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ar.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.mo.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.mo.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.mo.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ru.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ru.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ru.png differ
diff --git a/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ur.png b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ur.png
new file mode 100644
index 00000000..562f66d2
Binary files /dev/null and b/translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ur.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ar.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ar.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ar.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.mo.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.mo.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.mo.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ru.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ru.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ru.png differ
diff --git a/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ur.png b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ur.png
new file mode 100644
index 00000000..2f50d53a
Binary files /dev/null and b/translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ur.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ar.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ar.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ar.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.mo.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.mo.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.mo.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ru.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ru.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ru.png differ
diff --git a/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ur.png b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ur.png
new file mode 100644
index 00000000..de7f343e
Binary files /dev/null and b/translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ur.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ar.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ar.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ar.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.mo.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.mo.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.mo.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ru.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ru.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ru.png differ
diff --git a/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ur.png b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ur.png
new file mode 100644
index 00000000..c8b1a544
Binary files /dev/null and b/translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ur.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ar.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ar.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ar.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.mo.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.mo.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.mo.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ru.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ru.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ru.png differ
diff --git a/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ur.png b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ur.png
new file mode 100644
index 00000000..17d1151d
Binary files /dev/null and b/translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ur.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ar.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ar.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ar.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.mo.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.mo.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.mo.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ru.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ru.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ru.png differ
diff --git a/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ur.png b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ur.png
new file mode 100644
index 00000000..ffafc104
Binary files /dev/null and b/translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ur.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ar.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ar.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ar.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.mo.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.mo.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.mo.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ru.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ru.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ru.png differ
diff --git a/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ur.png b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ur.png
new file mode 100644
index 00000000..e3d86f8c
Binary files /dev/null and b/translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ur.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ar.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ar.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ar.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.mo.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.mo.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.mo.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ru.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ru.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ru.png differ
diff --git a/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ur.png b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ur.png
new file mode 100644
index 00000000..3a4445ee
Binary files /dev/null and b/translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ur.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ar.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ar.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ar.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.mo.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.mo.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.mo.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ru.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ru.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ru.png differ
diff --git a/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ur.png b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ur.png
new file mode 100644
index 00000000..b2bf4d3f
Binary files /dev/null and b/translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ur.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ar.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ar.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ar.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.mo.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.mo.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.mo.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ru.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ru.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ru.png differ
diff --git a/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ur.png b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ur.png
new file mode 100644
index 00000000..467cedcd
Binary files /dev/null and b/translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ur.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ar.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ar.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ar.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.mo.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.mo.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.mo.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ru.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ru.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ru.png differ
diff --git a/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ur.png b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ur.png
new file mode 100644
index 00000000..88efaa59
Binary files /dev/null and b/translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ur.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ar.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ar.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ar.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.mo.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.mo.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.mo.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ru.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ru.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ru.png differ
diff --git a/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ur.png b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ur.png
new file mode 100644
index 00000000..6197ed95
Binary files /dev/null and b/translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ur.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ar.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ar.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ar.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.mo.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.mo.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.mo.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ru.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ru.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ru.png differ
diff --git a/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ur.png b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ur.png
new file mode 100644
index 00000000..ec7768da
Binary files /dev/null and b/translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ur.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ar.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ar.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ar.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.mo.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.mo.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.mo.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ru.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ru.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ru.png differ
diff --git a/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ur.png b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ur.png
new file mode 100644
index 00000000..f68bf461
Binary files /dev/null and b/translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ur.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ar.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ar.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ar.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.mo.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.mo.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.mo.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ru.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ru.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ru.png differ
diff --git a/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ur.png b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ur.png
new file mode 100644
index 00000000..73e34cfe
Binary files /dev/null and b/translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ur.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ar.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ar.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ar.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.mo.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.mo.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.mo.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ru.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ru.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ru.png differ
diff --git a/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ur.png b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ur.png
new file mode 100644
index 00000000..21cc6bd0
Binary files /dev/null and b/translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ur.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ar.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ar.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ar.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.mo.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.mo.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.mo.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ru.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ru.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ru.png differ
diff --git a/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ur.png b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ur.png
new file mode 100644
index 00000000..9c7deb23
Binary files /dev/null and b/translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ur.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ar.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ar.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ar.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.mo.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.mo.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.mo.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ru.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ru.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ru.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ur.png b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ur.png
new file mode 100644
index 00000000..ddc9958b
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ur.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ar.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ar.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ar.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.mo.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.mo.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.mo.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ru.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ru.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ru.png differ
diff --git a/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ur.png b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ur.png
new file mode 100644
index 00000000..d181210a
Binary files /dev/null and b/translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ur.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ar.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ar.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ar.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.mo.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.mo.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.mo.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ru.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ru.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ru.png differ
diff --git a/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ur.png b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ur.png
new file mode 100644
index 00000000..a00ab427
Binary files /dev/null and b/translated_images/iot-for-beginners.95958e2ed1900917f0c2173dd725ae0a2c1af97b9a26e56c76d3c8c8925f32ee.ur.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ar.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ar.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ar.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.mo.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.mo.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.mo.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ru.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ru.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ru.png differ
diff --git a/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ur.png b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ur.png
new file mode 100644
index 00000000..dedb38a3
Binary files /dev/null and b/translated_images/iot-hub-cloud-to-device-message.f4f21fea772cc20ba15004d853b805f6c01b612d257df6295ed7618550308aaf.ur.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ar.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ar.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ar.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.mo.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.mo.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.mo.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ru.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ru.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ru.png differ
diff --git a/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ur.png b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ur.png
new file mode 100644
index 00000000..2b34487d
Binary files /dev/null and b/translated_images/iot-hub-device-to-cloud-message.e46e584d87f35fd952657f0b566dcac59473fe960d87c96fa54a4b5438ddc31f.ur.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ar.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ar.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ar.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.mo.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.mo.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.mo.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ru.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ru.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ru.png differ
diff --git a/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ur.png b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ur.png
new file mode 100644
index 00000000..1cae68ed
Binary files /dev/null and b/translated_images/iot-hub-device-twins.7055a60fc5e2331c44298ae157d72edec0022910b1a4bf4bc93f39c620878b68.ur.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ar.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ar.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ar.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.mo.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.mo.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.mo.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ru.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ru.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ru.png differ
diff --git a/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ur.png b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ur.png
new file mode 100644
index 00000000..df961cae
Binary files /dev/null and b/translated_images/iot-hub-direct-method-request.86a5026e91f4ca1864e2043fab4b8199e42c2c6efc1209973cb56f199646b171.ur.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ar.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ar.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ar.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.mo.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.mo.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.mo.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ru.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ru.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ru.png differ
diff --git a/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ur.png b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ur.png
new file mode 100644
index 00000000..aaeaeff8
Binary files /dev/null and b/translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ur.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ar.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ar.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ar.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.mo.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.mo.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.mo.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ru.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ru.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ru.png differ
diff --git a/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ur.png b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ur.png
new file mode 100644
index 00000000..7613fe86
Binary files /dev/null and b/translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ur.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ar.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ar.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ar.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.mo.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.mo.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.mo.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ru.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ru.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ru.png differ
diff --git a/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ur.png b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ur.png
new file mode 100644
index 00000000..335bdf32
Binary files /dev/null and b/translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ur.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ar.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ar.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ar.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.mo.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.mo.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.mo.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ru.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ru.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ru.png differ
diff --git a/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ur.png b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ur.png
new file mode 100644
index 00000000..32c8ba10
Binary files /dev/null and b/translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ur.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ar.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ar.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ar.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.mo.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.mo.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.mo.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ru.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ru.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ru.png differ
diff --git a/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ur.png b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ur.png
new file mode 100644
index 00000000..82802e17
Binary files /dev/null and b/translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ur.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ar.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ar.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ar.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.mo.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.mo.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.mo.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ru.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ru.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ru.png differ
diff --git a/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ur.png b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ur.png
new file mode 100644
index 00000000..8214fc2c
Binary files /dev/null and b/translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ur.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ar.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ar.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ar.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.mo.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.mo.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.mo.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ru.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ru.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ru.png differ
diff --git a/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ur.png b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ur.png
new file mode 100644
index 00000000..434baaad
Binary files /dev/null and b/translated_images/latitude-equator.feccc3214b7d9fb1e1b2e44f938081c85149f092152de1509783b344e5f2097a.ur.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ar.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ar.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ar.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.mo.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.mo.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.mo.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ru.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ru.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ru.png differ
diff --git a/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ur.png b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ur.png
new file mode 100644
index 00000000..d32271b5
Binary files /dev/null and b/translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ur.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ar.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ar.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ar.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.mo.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.mo.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.mo.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ru.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ru.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ru.png differ
diff --git a/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ur.png b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ur.png
new file mode 100644
index 00000000..04cd7dc8
Binary files /dev/null and b/translated_images/led-digital-control.13b9be14077ea49f883c2ec52e1ce1c587804f2ed653f4061661e6a8783dd8c7.ur.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ar.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ar.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ar.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.mo.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.mo.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.mo.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ru.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ru.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ru.png differ
diff --git a/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ur.png b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ur.png
new file mode 100644
index 00000000..a8a12bce
Binary files /dev/null and b/translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ur.png differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ar.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ar.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ar.jpg differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.mo.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.mo.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.mo.jpg differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ru.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ru.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ru.jpg differ
diff --git a/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ur.jpg b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ur.jpg
new file mode 100644
index 00000000..23ea98b2
Binary files /dev/null and b/translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ur.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ar.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ar.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ar.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.mo.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.mo.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.mo.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ru.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ru.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ru.jpg differ
diff --git a/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ur.jpg b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ur.jpg
new file mode 100644
index 00000000..1e3581d3
Binary files /dev/null and b/translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ur.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ar.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ar.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ar.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.mo.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.mo.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.mo.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ru.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ru.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ru.jpg differ
diff --git a/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ur.jpg b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ur.jpg
new file mode 100644
index 00000000..554ea37b
Binary files /dev/null and b/translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ur.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ar.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ar.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ar.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.mo.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.mo.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.mo.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ru.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ru.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ru.jpg differ
diff --git a/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ur.jpg b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ur.jpg
new file mode 100644
index 00000000..427ba4c3
Binary files /dev/null and b/translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ur.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ar.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ar.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ar.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.mo.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.mo.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.mo.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ru.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ru.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ru.jpg differ
diff --git a/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ur.jpg b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ur.jpg
new file mode 100644
index 00000000..b2357285
Binary files /dev/null and b/translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ur.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ar.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ar.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ar.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.mo.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.mo.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.mo.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ru.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ru.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ru.jpg differ
diff --git a/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ur.jpg b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ur.jpg
new file mode 100644
index 00000000..1736ebb4
Binary files /dev/null and b/translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ur.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ar.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ar.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ar.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.mo.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.mo.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.mo.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ru.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ru.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ru.jpg differ
diff --git a/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ur.jpg b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ur.jpg
new file mode 100644
index 00000000..bf1d724f
Binary files /dev/null and b/translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ur.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ar.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ar.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ar.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.mo.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.mo.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.mo.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ru.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ru.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ru.jpg differ
diff --git a/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ur.jpg b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ur.jpg
new file mode 100644
index 00000000..bb78259a
Binary files /dev/null and b/translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ur.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ar.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ar.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ar.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.mo.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.mo.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.mo.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ru.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ru.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ru.jpg differ
diff --git a/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ur.jpg b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ur.jpg
new file mode 100644
index 00000000..b311b568
Binary files /dev/null and b/translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ur.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ar.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ar.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ar.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.mo.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.mo.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.mo.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ru.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ru.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ru.jpg differ
diff --git a/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ur.jpg b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ur.jpg
new file mode 100644
index 00000000..5bd350fd
Binary files /dev/null and b/translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ur.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ar.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ar.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ar.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.mo.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.mo.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.mo.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ru.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ru.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ru.jpg differ
diff --git a/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ur.jpg b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ur.jpg
new file mode 100644
index 00000000..66fbe114
Binary files /dev/null and b/translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ur.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ar.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ar.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ar.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.mo.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.mo.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.mo.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ru.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ru.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ru.jpg differ
diff --git a/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ur.jpg b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ur.jpg
new file mode 100644
index 00000000..050e7206
Binary files /dev/null and b/translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ur.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ar.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ar.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ar.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.mo.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.mo.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.mo.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ru.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ru.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ru.jpg differ
diff --git a/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ur.jpg b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ur.jpg
new file mode 100644
index 00000000..91c64faa
Binary files /dev/null and b/translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ur.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ar.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ar.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ar.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.mo.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.mo.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.mo.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ru.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ru.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ru.jpg differ
diff --git a/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ur.jpg b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ur.jpg
new file mode 100644
index 00000000..36e1a4b3
Binary files /dev/null and b/translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ur.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ar.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ar.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ar.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.mo.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.mo.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.mo.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ru.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ru.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ru.jpg differ
diff --git a/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ur.jpg b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ur.jpg
new file mode 100644
index 00000000..1b87df4c
Binary files /dev/null and b/translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ur.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ar.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ar.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ar.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.mo.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.mo.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.mo.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ru.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ru.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ru.jpg differ
diff --git a/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ur.jpg b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ur.jpg
new file mode 100644
index 00000000..8df37a22
Binary files /dev/null and b/translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ur.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ar.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ar.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ar.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.mo.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.mo.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.mo.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ru.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ru.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ru.jpg differ
diff --git a/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ur.jpg b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ur.jpg
new file mode 100644
index 00000000..943af1b9
Binary files /dev/null and b/translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ur.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ar.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ar.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ar.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.mo.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.mo.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.mo.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ru.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ru.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ru.jpg differ
diff --git a/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ur.jpg b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ur.jpg
new file mode 100644
index 00000000..5a96f7fb
Binary files /dev/null and b/translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ur.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ar.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ar.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ar.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.mo.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.mo.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.mo.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ru.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ru.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ru.jpg differ
diff --git a/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ur.jpg b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ur.jpg
new file mode 100644
index 00000000..8f0bee50
Binary files /dev/null and b/translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ur.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ar.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ar.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ar.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.mo.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.mo.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.mo.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ru.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ru.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ru.jpg differ
diff --git a/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ur.jpg b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ur.jpg
new file mode 100644
index 00000000..4ba24109
Binary files /dev/null and b/translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ur.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ar.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ar.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ar.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.mo.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.mo.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.mo.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ru.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ru.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ru.jpg differ
diff --git a/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ur.jpg b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ur.jpg
new file mode 100644
index 00000000..cdf0f557
Binary files /dev/null and b/translated_images/lesson-6.3e493b60eee85adc8c74dfeaaec3a3a6cfba61fedbcb84aa0146e7e80603a5dd.ur.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ar.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ar.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ar.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.mo.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.mo.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.mo.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ru.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ru.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ru.jpg differ
diff --git a/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ur.jpg b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ur.jpg
new file mode 100644
index 00000000..f59ee98d
Binary files /dev/null and b/translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ur.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ar.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ar.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ar.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.mo.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.mo.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.mo.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ru.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ru.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ru.jpg differ
diff --git a/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ur.jpg b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ur.jpg
new file mode 100644
index 00000000..5bdbfd14
Binary files /dev/null and b/translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ur.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ar.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ar.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ar.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.mo.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.mo.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.mo.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ru.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ru.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ru.jpg differ
diff --git a/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ur.jpg b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ur.jpg
new file mode 100644
index 00000000..b78ab3ac
Binary files /dev/null and b/translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ur.jpg differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ar.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ar.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ar.png differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.mo.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.mo.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.mo.png differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ru.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ru.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ru.png differ
diff --git a/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ur.png b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ur.png
new file mode 100644
index 00000000..d071dffe
Binary files /dev/null and b/translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ur.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ar.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ar.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ar.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.mo.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.mo.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.mo.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ru.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ru.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ru.png differ
diff --git a/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ur.png b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ur.png
new file mode 100644
index 00000000..b8947f6d
Binary files /dev/null and b/translated_images/lines-of-longitude-and-latitude.032aca9d3e402c4e89da3f1c269b955f0dac443ae4ae3dd6e1dada5761c39a92.ur.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ar.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ar.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ar.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.mo.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.mo.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.mo.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ru.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ru.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ru.png differ
diff --git a/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ur.png b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ur.png
new file mode 100644
index 00000000..5c5dfb96
Binary files /dev/null and b/translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ur.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ar.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ar.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ar.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.mo.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.mo.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.mo.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ru.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ru.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ru.png differ
diff --git a/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ur.png b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ur.png
new file mode 100644
index 00000000..663ad7e9
Binary files /dev/null and b/translated_images/longitude-prime-meridian.33b01b41ce615f9ddf85d91b0f93bdc076cfa44bb10b17296de42e2d1ba1090e.ur.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ar.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ar.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ar.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.mo.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.mo.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.mo.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ru.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ru.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ru.png differ
diff --git a/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ur.png b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ur.png
new file mode 100644
index 00000000..b1e33d6b
Binary files /dev/null and b/translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ur.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ar.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ar.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ar.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.mo.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.mo.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.mo.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ru.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ru.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ru.png differ
diff --git a/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ur.png b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ur.png
new file mode 100644
index 00000000..2a03ab78
Binary files /dev/null and b/translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ur.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ar.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ar.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ar.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.mo.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.mo.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.mo.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ru.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ru.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ru.png differ
diff --git a/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ur.png b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ur.png
new file mode 100644
index 00000000..02ef1351
Binary files /dev/null and b/translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ur.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ar.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ar.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ar.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.mo.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.mo.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.mo.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ru.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ru.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ru.png differ
diff --git a/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ur.png b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ur.png
new file mode 100644
index 00000000..33faabd1
Binary files /dev/null and b/translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ur.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ar.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ar.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ar.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.mo.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.mo.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.mo.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ru.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ru.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ru.png differ
diff --git a/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ur.png b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ur.png
new file mode 100644
index 00000000..aa94da2c
Binary files /dev/null and b/translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ur.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ar.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ar.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ar.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.mo.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.mo.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.mo.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ru.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ru.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ru.png differ
diff --git a/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ur.png b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ur.png
new file mode 100644
index 00000000..ac000818
Binary files /dev/null and b/translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ur.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ar.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ar.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ar.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.mo.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.mo.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.mo.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ru.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ru.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ru.png differ
diff --git a/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ur.png b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ur.png
new file mode 100644
index 00000000..2fb519f5
Binary files /dev/null and b/translated_images/microsoft-gps-location.9eb77a13b22b7e70a0a80bd2b54c24eda141b4ee15a0373c93f8c73f4fcd81f5.ur.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ar.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ar.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ar.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.mo.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.mo.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.mo.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ru.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ru.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ru.png differ
diff --git a/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ur.png b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ur.png
new file mode 100644
index 00000000..48459b92
Binary files /dev/null and b/translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ur.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ar.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ar.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ar.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.mo.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.mo.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.mo.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ru.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ru.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ru.png differ
diff --git a/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ur.png b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ur.png
new file mode 100644
index 00000000..d502a579
Binary files /dev/null and b/translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ur.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ar.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ar.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ar.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.mo.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.mo.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.mo.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ru.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ru.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ru.png differ
diff --git a/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ur.png b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ur.png
new file mode 100644
index 00000000..fca45002
Binary files /dev/null and b/translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ur.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ar.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ar.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ar.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.mo.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.mo.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.mo.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ru.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ru.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ru.png differ
diff --git a/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ur.png b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ur.png
new file mode 100644
index 00000000..94aa28db
Binary files /dev/null and b/translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ur.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ar.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ar.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ar.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.mo.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.mo.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.mo.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ru.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ru.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ru.png differ
diff --git a/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ur.png b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ur.png
new file mode 100644
index 00000000..894df473
Binary files /dev/null and b/translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ur.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ar.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ar.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ar.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.mo.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.mo.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.mo.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ru.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ru.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ru.png differ
diff --git a/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ur.png b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ur.png
new file mode 100644
index 00000000..b75dfdd2
Binary files /dev/null and b/translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ur.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ar.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ar.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ar.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.mo.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.mo.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.mo.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ru.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ru.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ru.png differ
diff --git a/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ur.png b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ur.png
new file mode 100644
index 00000000..1e7934c3
Binary files /dev/null and b/translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ur.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ar.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ar.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ar.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.mo.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.mo.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.mo.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ru.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ru.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ru.png differ
diff --git a/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ur.png b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ur.png
new file mode 100644
index 00000000..5bb319ec
Binary files /dev/null and b/translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ur.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ar.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ar.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ar.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.mo.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.mo.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.mo.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ru.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ru.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ru.png differ
diff --git a/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ur.png b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ur.png
new file mode 100644
index 00000000..d66e224f
Binary files /dev/null and b/translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ur.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ar.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ar.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ar.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.mo.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.mo.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.mo.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ru.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ru.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ru.png differ
diff --git a/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ur.png b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ur.png
new file mode 100644
index 00000000..ed18e7b0
Binary files /dev/null and b/translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ur.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ar.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ar.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ar.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.mo.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.mo.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.mo.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ru.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ru.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ru.png differ
diff --git a/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ur.png b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ur.png
new file mode 100644
index 00000000..9acb21a7
Binary files /dev/null and b/translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ur.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ar.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ar.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ar.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.mo.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.mo.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.mo.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ru.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ru.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ru.png differ
diff --git a/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ur.png b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ur.png
new file mode 100644
index 00000000..1ced5fc1
Binary files /dev/null and b/translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ur.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ar.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ar.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ar.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.mo.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.mo.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.mo.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ru.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ru.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ru.png differ
diff --git a/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ur.png b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ur.png
new file mode 100644
index 00000000..7293ced1
Binary files /dev/null and b/translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ur.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ar.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ar.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ar.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.mo.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.mo.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.mo.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ru.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ru.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ru.png differ
diff --git a/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ur.png b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ur.png
new file mode 100644
index 00000000..be837c63
Binary files /dev/null and b/translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ur.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ar.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ar.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ar.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.mo.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.mo.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.mo.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ru.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ru.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ru.png differ
diff --git a/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ur.png b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ur.png
new file mode 100644
index 00000000..73861107
Binary files /dev/null and b/translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ur.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ar.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ar.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ar.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.mo.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.mo.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.mo.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ru.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ru.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ru.png differ
diff --git a/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ur.png b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ur.png
new file mode 100644
index 00000000..1b26d7ff
Binary files /dev/null and b/translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ur.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ar.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ar.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ar.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.mo.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.mo.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.mo.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ru.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ru.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ru.png differ
diff --git a/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ur.png b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ur.png
new file mode 100644
index 00000000..f1905ecc
Binary files /dev/null and b/translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ur.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ar.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ar.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ar.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.mo.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.mo.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.mo.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ru.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ru.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ru.png differ
diff --git a/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ur.png b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ur.png
new file mode 100644
index 00000000..edc44fa9
Binary files /dev/null and b/translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ur.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ar.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ar.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ar.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.mo.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.mo.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.mo.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ru.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ru.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ru.png differ
diff --git a/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ur.png b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ur.png
new file mode 100644
index 00000000..87854d3a
Binary files /dev/null and b/translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ur.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ar.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ar.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ar.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.mo.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.mo.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.mo.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ru.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ru.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ru.png differ
diff --git a/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ur.png b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ur.png
new file mode 100644
index 00000000..d1158e0d
Binary files /dev/null and b/translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ur.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ar.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ar.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ar.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.mo.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.mo.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.mo.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ru.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ru.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ru.png differ
diff --git a/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ur.png b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ur.png
new file mode 100644
index 00000000..122abea4
Binary files /dev/null and b/translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ur.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ar.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ar.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ar.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.mo.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.mo.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.mo.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ru.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ru.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ru.png differ
diff --git a/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ur.png b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ur.png
new file mode 100644
index 00000000..dc009aa5
Binary files /dev/null and b/translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ur.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ar.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ar.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ar.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.mo.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.mo.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.mo.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ru.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ru.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ru.png differ
diff --git a/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ur.png b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ur.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph copy.65baa28afd9b7f5fbc04bf7c9684b086c466a467631568c23549d54949fc71d2.ur.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ar.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ar.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ar.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.mo.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.mo.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.mo.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ru.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ru.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ru.png differ
diff --git a/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ur.png b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ur.png
new file mode 100644
index 00000000..ccb0d4e1
Binary files /dev/null and b/translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ur.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ar.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ar.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ar.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.mo.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.mo.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.mo.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ru.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ru.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ru.png differ
diff --git a/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ur.png b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ur.png
new file mode 100644
index 00000000..12274b8b
Binary files /dev/null and b/translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ur.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ar.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ar.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ar.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.mo.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.mo.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.mo.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ru.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ru.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ru.png differ
diff --git a/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ur.png b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ur.png
new file mode 100644
index 00000000..da226797
Binary files /dev/null and b/translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ur.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ar.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ar.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ar.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.mo.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.mo.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.mo.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ru.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ru.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ru.png differ
diff --git a/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ur.png b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ur.png
new file mode 100644
index 00000000..67bd8a82
Binary files /dev/null and b/translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ur.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ar.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ar.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ar.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.mo.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.mo.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.mo.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ru.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ru.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ru.png differ
diff --git a/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ur.png b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ur.png
new file mode 100644
index 00000000..18938f59
Binary files /dev/null and b/translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ur.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ar.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ar.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ar.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.mo.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.mo.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.mo.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ru.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ru.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ru.png differ
diff --git a/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ur.png b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ur.png
new file mode 100644
index 00000000..db480604
Binary files /dev/null and b/translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ur.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ar.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ar.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ar.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.mo.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.mo.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.mo.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ru.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ru.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ru.png differ
diff --git a/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ur.png b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ur.png
new file mode 100644
index 00000000..535e5798
Binary files /dev/null and b/translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ur.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ar.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ar.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ar.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.mo.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.mo.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.mo.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ru.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ru.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ru.png differ
diff --git a/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ur.png b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ur.png
new file mode 100644
index 00000000..b3d83ab7
Binary files /dev/null and b/translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ur.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ar.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ar.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ar.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.mo.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.mo.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.mo.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ru.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ru.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ru.png differ
diff --git a/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ur.png b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ur.png
new file mode 100644
index 00000000..4bb97d60
Binary files /dev/null and b/translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ur.png differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg differ
diff --git a/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg
new file mode 100644
index 00000000..4cf0d73d
Binary files /dev/null and b/translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ar.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ar.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ar.png differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.mo.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.mo.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.mo.png differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ru.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ru.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ru.png differ
diff --git a/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ur.png b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ur.png
new file mode 100644
index 00000000..0aace880
Binary files /dev/null and b/translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ur.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ar.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ar.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ar.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.mo.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.mo.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.mo.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ru.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ru.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ru.png differ
diff --git a/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ur.png b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ur.png
new file mode 100644
index 00000000..b19b1f6b
Binary files /dev/null and b/translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ur.png differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ar.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ar.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ar.jpg differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.mo.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.mo.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.mo.jpg differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ru.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ru.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ru.jpg differ
diff --git a/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ur.jpg b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ur.jpg
new file mode 100644
index 00000000..827670ed
Binary files /dev/null and b/translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ur.jpg differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ar.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ar.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ar.png differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.mo.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.mo.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.mo.png differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ru.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ru.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ru.png differ
diff --git a/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ur.png b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ur.png
new file mode 100644
index 00000000..435f901a
Binary files /dev/null and b/translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ur.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ar.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ar.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ar.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.mo.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.mo.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.mo.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ru.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ru.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ru.png differ
diff --git a/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ur.png b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ur.png
new file mode 100644
index 00000000..7308a1d1
Binary files /dev/null and b/translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ur.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ar.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ar.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ar.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.mo.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.mo.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.mo.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ru.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ru.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ru.png differ
diff --git a/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ur.png b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ur.png
new file mode 100644
index 00000000..8454c4d2
Binary files /dev/null and b/translated_images/resistive-soil-moisture-sensor.728a138a3d109e0653d8e4f6744140836c67461bbd0f4d887f47ed8228dc80b5.ur.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ar.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ar.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ar.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.mo.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.mo.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.mo.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ru.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ru.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ru.png differ
diff --git a/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ur.png b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ur.png
new file mode 100644
index 00000000..324b711d
Binary files /dev/null and b/translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ur.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ar.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ar.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ar.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.mo.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.mo.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.mo.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ru.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ru.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ru.png differ
diff --git a/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ur.png b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ur.png
new file mode 100644
index 00000000..ddfb42aa
Binary files /dev/null and b/translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ur.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ar.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ar.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ar.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.mo.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.mo.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.mo.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ru.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ru.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ru.png differ
diff --git a/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ur.png b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ur.png
new file mode 100644
index 00000000..280f2fe0
Binary files /dev/null and b/translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ur.png differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ar.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ar.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ar.jpg differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.mo.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.mo.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.mo.jpg differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ru.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ru.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ru.jpg differ
diff --git a/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ur.jpg b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ur.jpg
new file mode 100644
index 00000000..89b581ef
Binary files /dev/null and b/translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ur.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ar.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ar.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ar.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.mo.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.mo.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.mo.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ru.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ru.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ru.jpg differ
diff --git a/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ur.jpg b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ur.jpg
new file mode 100644
index 00000000..6efd2da1
Binary files /dev/null and b/translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ur.jpg differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ar.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ar.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ar.png differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.mo.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.mo.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.mo.png differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ru.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ru.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ru.png differ
diff --git a/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ur.png b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ur.png
new file mode 100644
index 00000000..348fe7a0
Binary files /dev/null and b/translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ur.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ar.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ar.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ar.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.mo.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.mo.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.mo.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ru.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ru.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ru.png differ
diff --git a/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ur.png b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ur.png
new file mode 100644
index 00000000..a69e73f4
Binary files /dev/null and b/translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ur.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ar.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ar.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ar.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.mo.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.mo.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.mo.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ru.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ru.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ru.png differ
diff --git a/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ur.png b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ur.png
new file mode 100644
index 00000000..49b0ca9b
Binary files /dev/null and b/translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ur.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ar.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ar.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ar.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.mo.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.mo.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.mo.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ru.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ru.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ru.png differ
diff --git a/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ur.png b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ur.png
new file mode 100644
index 00000000..458a3c95
Binary files /dev/null and b/translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ur.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ar.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ar.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ar.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.mo.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.mo.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.mo.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ru.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ru.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ru.png differ
diff --git a/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ur.png b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ur.png
new file mode 100644
index 00000000..90b687c2
Binary files /dev/null and b/translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ur.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ar.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ar.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ar.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.mo.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.mo.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.mo.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ru.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ru.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ru.png differ
diff --git a/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ur.png b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ur.png
new file mode 100644
index 00000000..cb4bc445
Binary files /dev/null and b/translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ur.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ar.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ar.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ar.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.mo.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.mo.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.mo.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ru.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ru.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ru.png differ
diff --git a/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ur.png b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ur.png
new file mode 100644
index 00000000..e7ea8ab6
Binary files /dev/null and b/translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ur.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ar.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ar.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ar.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.mo.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.mo.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.mo.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ru.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ru.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ru.png differ
diff --git a/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ur.png b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ur.png
new file mode 100644
index 00000000..6f138cf9
Binary files /dev/null and b/translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ur.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ar.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ar.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ar.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.mo.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.mo.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.mo.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ru.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ru.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ru.png differ
diff --git a/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ur.png b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ur.png
new file mode 100644
index 00000000..2f5f2861
Binary files /dev/null and b/translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ur.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ar.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ar.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ar.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.mo.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.mo.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.mo.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ru.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ru.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ru.png differ
diff --git a/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ur.png b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ur.png
new file mode 100644
index 00000000..f2f1b63e
Binary files /dev/null and b/translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ur.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ar.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ar.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ar.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.mo.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.mo.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.mo.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ru.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ru.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ru.png differ
diff --git a/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ur.png b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ur.png
new file mode 100644
index 00000000..5643c164
Binary files /dev/null and b/translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ur.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ar.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ar.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ar.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.mo.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.mo.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.mo.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ru.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ru.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ru.png differ
diff --git a/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ur.png b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ur.png
new file mode 100644
index 00000000..73fa30d1
Binary files /dev/null and b/translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ur.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ar.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ar.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ar.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.mo.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.mo.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.mo.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ru.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ru.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ru.png differ
diff --git a/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ur.png b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ur.png
new file mode 100644
index 00000000..eee39f7d
Binary files /dev/null and b/translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ur.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ar.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ar.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ar.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.mo.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.mo.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.mo.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ru.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ru.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ru.png differ
diff --git a/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ur.png b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ur.png
new file mode 100644
index 00000000..5a0fb117
Binary files /dev/null and b/translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ur.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ar.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ar.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ar.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.mo.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.mo.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.mo.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ru.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ru.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ru.png differ
diff --git a/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ur.png b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ur.png
new file mode 100644
index 00000000..27ddbfee
Binary files /dev/null and b/translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ur.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ar.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ar.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ar.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.mo.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.mo.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.mo.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ru.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ru.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ru.png differ
diff --git a/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ur.png b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ur.png
new file mode 100644
index 00000000..ee07bd10
Binary files /dev/null and b/translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ur.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ar.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ar.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ar.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.mo.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.mo.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.mo.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ru.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ru.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ru.png differ
diff --git a/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ur.png b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ur.png
new file mode 100644
index 00000000..37a2464a
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ur.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ar.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ar.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ar.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.mo.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.mo.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.mo.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ru.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ru.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ru.png differ
diff --git a/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ur.png b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ur.png
new file mode 100644
index 00000000..d852153c
Binary files /dev/null and b/translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ur.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ar.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ar.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ar.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.mo.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.mo.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.mo.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ru.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ru.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ru.png differ
diff --git a/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ur.png b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ur.png
new file mode 100644
index 00000000..a457ac8d
Binary files /dev/null and b/translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ur.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ar.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ar.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ar.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.mo.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.mo.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.mo.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ru.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ru.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ru.png differ
diff --git a/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ur.png b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ur.png
new file mode 100644
index 00000000..3eccd326
Binary files /dev/null and b/translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ur.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ar.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ar.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ar.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.mo.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.mo.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.mo.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ru.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ru.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ru.png differ
diff --git a/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ur.png b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ur.png
new file mode 100644
index 00000000..49083372
Binary files /dev/null and b/translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ur.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ar.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ar.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ar.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.mo.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.mo.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.mo.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ru.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ru.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ru.png differ
diff --git a/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ur.png b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ur.png
new file mode 100644
index 00000000..1b4a94e5
Binary files /dev/null and b/translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ur.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ar.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ar.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ar.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.mo.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.mo.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.mo.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ru.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ru.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ru.png differ
diff --git a/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ur.png b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ur.png
new file mode 100644
index 00000000..8589e88f
Binary files /dev/null and b/translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ur.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ar.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ar.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ar.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.mo.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.mo.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.mo.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ru.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ru.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ru.png differ
diff --git a/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ur.png b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ur.png
new file mode 100644
index 00000000..e1246f56
Binary files /dev/null and b/translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ur.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ar.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ar.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ar.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.mo.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.mo.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.mo.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ru.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ru.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ru.png differ
diff --git a/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ur.png b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ur.png
new file mode 100644
index 00000000..db66a52b
Binary files /dev/null and b/translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ur.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ar.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ar.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ar.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.mo.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.mo.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.mo.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ru.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ru.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ru.png differ
diff --git a/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ur.png b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ur.png
new file mode 100644
index 00000000..66c76c2f
Binary files /dev/null and b/translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ur.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ar.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ar.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ar.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.mo.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.mo.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.mo.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ru.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ru.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ru.png differ
diff --git a/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ur.png b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ur.png
new file mode 100644
index 00000000..450b824c
Binary files /dev/null and b/translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ur.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ar.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ar.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ar.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.mo.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.mo.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.mo.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ru.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ru.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ru.png differ
diff --git a/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ur.png b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ur.png
new file mode 100644
index 00000000..615bc7a9
Binary files /dev/null and b/translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ur.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ar.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ar.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ar.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.mo.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.mo.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.mo.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ru.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ru.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ru.png differ
diff --git a/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ur.png b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ur.png
new file mode 100644
index 00000000..3c9e2930
Binary files /dev/null and b/translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ur.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ar.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ar.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ar.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.mo.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.mo.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.mo.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ru.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ru.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ru.png differ
diff --git a/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ur.png b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ur.png
new file mode 100644
index 00000000..e4bb0186
Binary files /dev/null and b/translated_images/transpiration.b735aa34e4372e659f76d82527e9ce683f076d56065d0d8fddf13321666f4d80.ur.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ar.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ar.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ar.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.mo.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.mo.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.mo.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ru.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ru.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ru.png differ
diff --git a/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ur.png b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ur.png
new file mode 100644
index 00000000..91e4cba6
Binary files /dev/null and b/translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ur.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ar.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ar.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ar.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.mo.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.mo.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.mo.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ru.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ru.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ru.png differ
diff --git a/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ur.png b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ur.png
new file mode 100644
index 00000000..91230d0c
Binary files /dev/null and b/translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ur.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ar.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ar.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ar.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.mo.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.mo.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.mo.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ru.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ru.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ru.png differ
diff --git a/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ur.png b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ur.png
new file mode 100644
index 00000000..128cd4a9
Binary files /dev/null and b/translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ur.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ar.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ar.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ar.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.mo.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.mo.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.mo.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ru.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ru.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ru.png differ
diff --git a/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ur.png b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ur.png
new file mode 100644
index 00000000..8d62d827
Binary files /dev/null and b/translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ur.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ar.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ar.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ar.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.mo.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.mo.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.mo.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ru.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ru.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ru.png differ
diff --git a/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ur.png b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ur.png
new file mode 100644
index 00000000..a84ab661
Binary files /dev/null and b/translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ur.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ar.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ar.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ar.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.mo.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.mo.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.mo.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ru.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ru.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ru.png differ
diff --git a/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ur.png b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ur.png
new file mode 100644
index 00000000..4c88d3d3
Binary files /dev/null and b/translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ur.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ar.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ar.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ar.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.mo.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.mo.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.mo.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ru.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ru.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ru.png differ
diff --git a/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ur.png b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ur.png
new file mode 100644
index 00000000..bc1895b8
Binary files /dev/null and b/translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ur.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ar.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ar.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ar.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.mo.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.mo.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.mo.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ru.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ru.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ru.png differ
diff --git a/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ur.png b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ur.png
new file mode 100644
index 00000000..d8ff3180
Binary files /dev/null and b/translated_images/vscode-platformio-build-command-palette.7708e7ec7d75d7ee1a0551f42229a321c7e2e4bccac7f1a64df2ed55999f723d.ur.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ar.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ar.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ar.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.mo.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.mo.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.mo.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ru.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ru.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ru.png differ
diff --git a/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ur.png b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ur.png
new file mode 100644
index 00000000..06b86a65
Binary files /dev/null and b/translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ur.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ar.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ar.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ar.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.mo.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.mo.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.mo.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ru.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ru.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ru.png differ
diff --git a/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ur.png b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ur.png
new file mode 100644
index 00000000..ac7aa47a
Binary files /dev/null and b/translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ur.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ar.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ar.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ar.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.mo.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.mo.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.mo.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ru.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ru.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ru.png differ
diff --git a/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ur.png b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ur.png
new file mode 100644
index 00000000..20480a22
Binary files /dev/null and b/translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ur.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ar.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ar.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ar.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.mo.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.mo.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.mo.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ru.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ru.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ru.png differ
diff --git a/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ur.png b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ur.png
new file mode 100644
index 00000000..9d90f435
Binary files /dev/null and b/translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ur.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ar.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ar.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ar.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.mo.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.mo.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.mo.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ru.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ru.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ru.png differ
diff --git a/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ur.png b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ur.png
new file mode 100644
index 00000000..27b0ea2c
Binary files /dev/null and b/translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ur.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ar.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ar.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ar.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.mo.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.mo.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.mo.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ru.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ru.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ru.png differ
diff --git a/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ur.png b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ur.png
new file mode 100644
index 00000000..3526a6d0
Binary files /dev/null and b/translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ur.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ar.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ar.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ar.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.mo.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.mo.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.mo.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ru.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ru.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ru.png differ
diff --git a/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ur.png b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ur.png
new file mode 100644
index 00000000..855d442e
Binary files /dev/null and b/translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ur.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ar.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ar.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ar.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.mo.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.mo.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.mo.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ru.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ru.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ru.png differ
diff --git a/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ur.png b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ur.png
new file mode 100644
index 00000000..aed3d813
Binary files /dev/null and b/translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ur.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ar.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ar.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ar.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.mo.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.mo.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.mo.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ru.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ru.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ru.png differ
diff --git a/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ur.png b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ur.png
new file mode 100644
index 00000000..9bfca6c2
Binary files /dev/null and b/translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ur.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ar.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ar.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ar.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.mo.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.mo.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.mo.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ru.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ru.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ru.png differ
diff --git a/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ur.png b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ur.png
new file mode 100644
index 00000000..0490e302
Binary files /dev/null and b/translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ur.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ar.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ar.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ar.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.mo.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.mo.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.mo.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ru.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ru.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ru.png differ
diff --git a/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ur.png b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ur.png
new file mode 100644
index 00000000..676e2378
Binary files /dev/null and b/translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ur.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ar.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ar.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ar.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.mo.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.mo.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.mo.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ru.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ru.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ru.png differ
diff --git a/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ur.png b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ur.png
new file mode 100644
index 00000000..280e18c3
Binary files /dev/null and b/translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ur.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ar.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ar.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ar.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.mo.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.mo.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.mo.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ru.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ru.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ru.png differ
diff --git a/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ur.png b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ur.png
new file mode 100644
index 00000000..bb70a905
Binary files /dev/null and b/translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ur.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ar.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ar.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ar.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.mo.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.mo.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.mo.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ru.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ru.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ru.png differ
diff --git a/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ur.png b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ur.png
new file mode 100644
index 00000000..c0860d6e
Binary files /dev/null and b/translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ur.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ar.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ar.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ar.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.mo.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.mo.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.mo.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ru.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ru.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ru.png differ
diff --git a/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ur.png b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ur.png
new file mode 100644
index 00000000..9a34d708
Binary files /dev/null and b/translated_images/wio-respeaker-hat.bd54917d446e6f6f142f9371ea52c12fd708873986bf46191208a151cd929bad.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ar.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ar.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.mo.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.mo.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ru.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ru.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ur.png b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ur.png
new file mode 100644
index 00000000..2c683d8b
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ar.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ar.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.mo.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.mo.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ru.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ru.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ur.png b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ur.png
new file mode 100644
index 00000000..1ba4c5b0
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ar.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ar.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.mo.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.mo.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ru.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ru.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ur.png b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ur.png
new file mode 100644
index 00000000..93aa3743
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ar.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ar.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.mo.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.mo.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ru.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ru.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ur.png b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ur.png
new file mode 100644
index 00000000..3089e5e1
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ar.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ar.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.mo.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.mo.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ru.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ru.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ur.png b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ur.png
new file mode 100644
index 00000000..53468420
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ur.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ar.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ar.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ar.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.mo.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.mo.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.mo.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ru.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ru.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ru.png differ
diff --git a/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ur.png b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ur.png
new file mode 100644
index 00000000..003dc174
Binary files /dev/null and b/translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ur.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ar.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ar.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ar.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.mo.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.mo.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.mo.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ru.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ru.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ru.png differ
diff --git a/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ur.png b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ur.png
new file mode 100644
index 00000000..3c0d2f87
Binary files /dev/null and b/translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ur.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ar.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ar.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ar.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.mo.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.mo.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.mo.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ru.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ru.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ru.png differ
diff --git a/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ur.png b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ur.png
new file mode 100644
index 00000000..56f285f2
Binary files /dev/null and b/translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ur.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ar.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ar.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ar.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.mo.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.mo.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.mo.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ru.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ru.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ru.png differ
diff --git a/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ur.png b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ur.png
new file mode 100644
index 00000000..ec8bbe2f
Binary files /dev/null and b/translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ur.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ar.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ar.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ar.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.mo.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.mo.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.mo.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ru.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ru.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ru.png differ
diff --git a/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ur.png b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ur.png
new file mode 100644
index 00000000..bbaae894
Binary files /dev/null and b/translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ur.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ar.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ar.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ar.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.mo.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.mo.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.mo.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ru.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ru.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ru.png differ
diff --git a/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ur.png b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ur.png
new file mode 100644
index 00000000..ef71f6da
Binary files /dev/null and b/translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ur.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ar.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ar.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ar.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.mo.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.mo.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.mo.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ru.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ru.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ru.png differ
diff --git a/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ur.png b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ur.png
new file mode 100644
index 00000000..4e9390eb
Binary files /dev/null and b/translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ur.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ar.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ar.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ar.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.mo.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.mo.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.mo.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ru.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ru.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ru.png differ
diff --git a/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ur.png b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ur.png
new file mode 100644
index 00000000..16d7af80
Binary files /dev/null and b/translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ur.png differ
diff --git a/translations/ar/1-getting-started/README.md b/translations/ar/1-getting-started/README.md
new file mode 100644
index 00000000..505b0433
--- /dev/null
+++ b/translations/ar/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T23:08:58+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "ar"
+}
+-->
+# البدء مع إنترنت الأشياء
+
+في هذا القسم من المنهج، ستتعرف على إنترنت الأشياء، وستتعلم المفاهيم الأساسية بما في ذلك بناء أول مشروع "Hello World" لإنترنت الأشياء الخاص بك والاتصال بالسحابة. هذا المشروع عبارة عن ضوء ليلي يضيء عندما تنخفض مستويات الضوء التي يقيسها المستشعر.
+
+![الـ LED المتصل بـ WIO يضيء وينطفئ مع تغير مستوى الضوء](../../../images/wio-running-assignment-1-1.gif)
+
+## المواضيع
+
+1. [مقدمة إلى إنترنت الأشياء](lessons/1-introduction-to-iot/README.md)  
+1. [نظرة أعمق على إنترنت الأشياء](lessons/2-deeper-dive/README.md)  
+1. [التفاعل مع العالم المادي باستخدام المستشعرات والمحركات](lessons/3-sensors-and-actuators/README.md)  
+1. [ربط جهازك بالإنترنت](lessons/4-connect-internet/README.md)  
+
+## الشكر والتقدير
+
+تم كتابة جميع الدروس بكل ♥️ من قبل [Jim Bennett](https://GitHub.com/JimBobBennett)  
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..94019230
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T23:32:53+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "ar"
+}
+-->
+# مقدمة إلى إنترنت الأشياء
+
+![رسم تخطيطي للدرس](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ar.jpg)
+
+> رسم تخطيطي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+تم تقديم هذا الدرس كجزء من سلسلة [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). تم تقديم الدرس في شكل فيديوهين - درس مدته ساعة واحدة، وساعة أخرى للإجابة على الأسئلة والتعمق في أجزاء من الدرس.
+
+[![الدرس الأول: مقدمة إلى إنترنت الأشياء](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![الدرس الأول: مقدمة إلى إنترنت الأشياء - ساعات المكتب](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 اضغط على الصور أعلاه لمشاهدة الفيديوهات
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## المقدمة
+
+يغطي هذا الدرس بعض المواضيع التمهيدية حول إنترنت الأشياء، ويبدأ معك في إعداد الأجهزة الخاصة بك.
+
+في هذا الدرس سنتناول:
+
+* [ما هو "إنترنت الأشياء"؟](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [أجهزة إنترنت الأشياء](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [إعداد جهازك](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [تطبيقات إنترنت الأشياء](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [أمثلة على أجهزة إنترنت الأشياء من حولك](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## ما هو "إنترنت الأشياء"؟
+
+تم صياغة مصطلح "إنترنت الأشياء" بواسطة [كيفن أشتون](https://wikipedia.org/wiki/Kevin_Ashton) في عام 1999 للإشارة إلى ربط الإنترنت بالعالم المادي عبر أجهزة الاستشعار. منذ ذلك الحين، أصبح المصطلح يُستخدم لوصف أي جهاز يتفاعل مع العالم المادي من حوله، سواء بجمع البيانات من أجهزة الاستشعار أو توفير تفاعلات في العالم الحقيقي عبر المشغلات (أجهزة تقوم بشيء مثل تشغيل مفتاح أو إضاءة LED)، وعادةً ما تكون متصلة بأجهزة أخرى أو بالإنترنت.
+
+> **أجهزة الاستشعار** تجمع المعلومات من العالم، مثل قياس السرعة أو درجة الحرارة أو الموقع.
+>
+> **المشغلات** تحول الإشارات الكهربائية إلى تفاعلات في العالم الحقيقي مثل تشغيل مفتاح، إضاءة الأضواء، إصدار الأصوات، أو إرسال إشارات التحكم إلى أجهزة أخرى، على سبيل المثال، لتشغيل مقبس كهربائي.
+
+إنترنت الأشياء كمنطقة تقنية يتجاوز مجرد الأجهزة - فهو يشمل خدمات سحابية يمكنها معالجة بيانات الاستشعار أو إرسال طلبات إلى المشغلات المتصلة بأجهزة إنترنت الأشياء. كما يشمل الأجهزة التي لا تحتوي على اتصال بالإنترنت أو لا تحتاج إليه، والتي تُعرف غالبًا باسم الأجهزة الطرفية. هذه الأجهزة يمكنها معالجة بيانات الاستشعار والرد عليها بنفسها، عادةً باستخدام نماذج الذكاء الاصطناعي التي تم تدريبها في السحابة.
+
+إنترنت الأشياء هو مجال تقني سريع النمو. يُقدر أنه بحلول نهاية عام 2020، تم نشر 30 مليار جهاز إنترنت الأشياء متصل بالإنترنت. بالنظر إلى المستقبل، يُقدر أنه بحلول عام 2025، ستجمع أجهزة إنترنت الأشياء حوالي 80 زيتابايت من البيانات أو 80 تريليون جيجابايت. هذا كمية هائلة من البيانات!
+
+![رسم بياني يظهر عدد أجهزة إنترنت الأشياء النشطة بمرور الوقت، مع اتجاه تصاعدي من أقل من 5 مليارات في 2015 إلى أكثر من 30 مليار في 2025](../../../../../images/connected-iot-devices.svg)
+
+✅ قم ببعض البحث: كم من البيانات التي يتم إنشاؤها بواسطة أجهزة إنترنت الأشياء يتم استخدامها بالفعل، وكم منها يُهدر؟ لماذا يتم تجاهل الكثير من البيانات؟
+
+هذه البيانات هي المفتاح لنجاح إنترنت الأشياء. لكي تكون مطورًا ناجحًا لإنترنت الأشياء، تحتاج إلى فهم البيانات التي تحتاج إلى جمعها، كيفية جمعها، كيفية اتخاذ القرارات بناءً عليها، وكيفية استخدام هذه القرارات للتفاعل مع العالم المادي إذا لزم الأمر.
+
+## أجهزة إنترنت الأشياء
+
+الحرف **T** في إنترنت الأشياء يشير إلى **الأشياء** - الأجهزة التي تتفاعل مع العالم المادي من حولها إما بجمع البيانات من أجهزة الاستشعار أو توفير تفاعلات في العالم الحقيقي عبر المشغلات.
+
+الأجهزة المستخدمة للإنتاج أو الاستخدام التجاري، مثل أجهزة تتبع اللياقة البدنية للمستهلكين أو وحدات التحكم في الآلات الصناعية، عادةً ما تكون مصممة خصيصًا. تستخدم لوحات دوائر مخصصة، وربما حتى معالجات مخصصة، مصممة لتلبية احتياجات مهمة معينة، سواء كان ذلك أن تكون صغيرة بما يكفي لتناسب المعصم، أو قوية بما يكفي للعمل في بيئة مصنع ذات درجات حرارة عالية أو إجهاد أو اهتزازات عالية.
+
+كمطور يتعلم عن إنترنت الأشياء أو ينشئ نموذجًا أوليًا لجهاز، ستحتاج إلى البدء بمجموعة أدوات للمطورين. هذه هي أجهزة إنترنت الأشياء متعددة الأغراض المصممة للاستخدام من قبل المطورين، غالبًا مع ميزات لن تجدها في جهاز الإنتاج، مثل مجموعة من الدبابيس الخارجية لتوصيل أجهزة الاستشعار أو المشغلات، أو أجهزة لدعم التصحيح، أو موارد إضافية قد تضيف تكلفة غير ضرورية عند القيام بتصنيع كبير.
+
+عادةً ما تقع هذه المجموعات في فئتين - المتحكمات الدقيقة وأجهزة الكمبيوتر ذات اللوحة الواحدة. سيتم تقديمها هنا، وسنخوض في تفاصيل أكثر في الدرس التالي.
+
+> 💁 يمكن اعتبار هاتفك أيضًا جهاز إنترنت الأشياء متعدد الأغراض، مع أجهزة استشعار ومشغلات مدمجة، حيث تستخدم التطبيقات المختلفة أجهزة الاستشعار والمشغلات بطرق مختلفة مع خدمات سحابية مختلفة. يمكنك حتى العثور على بعض دروس إنترنت الأشياء التي تستخدم تطبيق الهاتف كجهاز إنترنت الأشياء.
+
+### المتحكمات الدقيقة
+
+المتحكم الدقيق (ويُشار إليه أيضًا بـ MCU، اختصارًا لوحدة التحكم الدقيقة) هو جهاز كمبيوتر صغير يتكون من:
+
+🧠 وحدة أو أكثر من وحدات المعالجة المركزية (CPU) - "العقل" للمتحكم الدقيق الذي يشغل برنامجك
+
+💾 ذاكرة (RAM وذاكرة البرنامج) - حيث يتم تخزين برنامجك، البيانات والمتغيرات
+
+🔌 وصلات إدخال/إخراج قابلة للبرمجة (I/O) - للتواصل مع الأجهزة الخارجية (الأجهزة المتصلة) مثل أجهزة الاستشعار والمشغلات
+
+المتحكمات الدقيقة عادةً ما تكون أجهزة حوسبة منخفضة التكلفة، حيث تنخفض الأسعار المتوسطة لتلك المستخدمة في الأجهزة المخصصة إلى حوالي 0.50 دولار أمريكي، وبعض الأجهزة تصل إلى 0.03 دولار أمريكي فقط. يمكن أن تبدأ مجموعات المطورين من 4 دولارات أمريكية، مع ارتفاع التكاليف عند إضافة المزيد من الميزات. [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)، وهي مجموعة أدوات للمتحكمات الدقيقة من [Seeed studios](https://www.seeedstudio.com) تحتوي على أجهزة استشعار، مشغلات، WiFi وشاشة، تكلف حوالي 30 دولارًا أمريكيًا.
+
+![Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ar.png)
+
+> 💁 عند البحث على الإنترنت عن المتحكمات الدقيقة، كن حذرًا من البحث عن المصطلح **MCU** حيث سيعيد الكثير من النتائج المتعلقة بعالم مارفل السينمائي، وليس المتحكمات الدقيقة.
+
+المتحكمات الدقيقة مصممة ليتم برمجتها للقيام بعدد محدود من المهام المحددة جدًا، بدلاً من أن تكون أجهزة كمبيوتر متعددة الأغراض مثل أجهزة الكمبيوتر الشخصية أو أجهزة Mac. باستثناء سيناريوهات محددة جدًا، لا يمكنك توصيل شاشة، لوحة مفاتيح وفأرة واستخدامها للمهام العامة.
+
+عادةً ما تأتي مجموعات أدوات المطورين للمتحكمات الدقيقة مع أجهزة استشعار ومشغلات إضافية على اللوحة. معظم اللوحات تحتوي على واحد أو أكثر من مصابيح LED يمكنك برمجتها، إلى جانب أجهزة أخرى مثل مقابس قياسية لإضافة المزيد من أجهزة الاستشعار أو المشغلات باستخدام أنظمة الشركات المصنعة المختلفة أو أجهزة استشعار مدمجة (عادةً الأكثر شيوعًا مثل أجهزة استشعار درجة الحرارة). بعض المتحكمات الدقيقة تحتوي على اتصال لاسلكي مدمج مثل Bluetooth أو WiFi أو تحتوي على متحكمات دقيقة إضافية على اللوحة لإضافة هذا الاتصال.
+
+> 💁 عادةً ما يتم برمجة المتحكمات الدقيقة باستخدام لغة C/C++.
+
+### أجهزة الكمبيوتر ذات اللوحة الواحدة
+
+جهاز الكمبيوتر ذو اللوحة الواحدة هو جهاز حوسبة صغير يحتوي على جميع عناصر الكمبيوتر الكامل على لوحة صغيرة واحدة. هذه الأجهزة لها مواصفات قريبة من أجهزة الكمبيوتر المكتبية أو المحمولة، تعمل بنظام تشغيل كامل، لكنها صغيرة، تستهلك طاقة أقل، وأرخص بكثير.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg)
+
+Raspberry Pi هو واحد من أكثر أجهزة الكمبيوتر ذات اللوحة الواحدة شهرة.
+
+مثل المتحكم الدقيق، تحتوي أجهزة الكمبيوتر ذات اللوحة الواحدة على وحدة معالجة مركزية، ذاكرة ودبابيس إدخال/إخراج، لكنها تحتوي على ميزات إضافية مثل شريحة رسومات للسماح بتوصيل الشاشات، مخرجات صوتية، ومنافذ USB لتوصيل لوحات المفاتيح، الفأرات والأجهزة القياسية الأخرى مثل كاميرات الويب أو التخزين الخارجي. يتم تخزين البرامج على بطاقات SD أو محركات الأقراص الصلبة إلى جانب نظام التشغيل، بدلاً من شريحة ذاكرة مدمجة في اللوحة.
+
+> 🎓 يمكنك التفكير في جهاز الكمبيوتر ذو اللوحة الواحدة كنسخة أصغر وأرخص من الكمبيوتر الشخصي أو Mac الذي تقرأ عليه هذا النص، مع إضافة دبابيس GPIO (إدخال/إخراج عام) للتفاعل مع أجهزة الاستشعار والمشغلات.
+
+أجهزة الكمبيوتر ذات اللوحة الواحدة هي أجهزة كمبيوتر كاملة الميزات، لذا يمكن برمجتها بأي لغة. عادةً ما يتم برمجة أجهزة إنترنت الأشياء باستخدام لغة Python.
+
+### خيارات الأجهزة لبقية الدروس
+
+تشمل جميع الدروس اللاحقة مهامًا باستخدام جهاز إنترنت الأشياء للتفاعل مع العالم المادي والتواصل مع السحابة. يدعم كل درس 3 خيارات للأجهزة - Arduino (باستخدام Seeed Studios Wio Terminal)، أو جهاز كمبيوتر ذو لوحة واحدة، سواء كان جهازًا فعليًا (Raspberry Pi 4) أو جهازًا افتراضيًا يعمل على جهاز الكمبيوتر الشخصي أو Mac الخاص بك.
+
+يمكنك قراءة المزيد عن الأجهزة المطلوبة لإكمال جميع المهام في [دليل الأجهزة](../../../hardware.md).
+
+> 💁 لا تحتاج إلى شراء أي أجهزة إنترنت الأشياء لإكمال المهام، يمكنك القيام بكل شيء باستخدام جهاز كمبيوتر ذو لوحة واحدة افتراضي.
+
+يعتمد اختيارك للأجهزة على ما هو متوفر لديك سواء في المنزل أو في مدرستك، وعلى لغة البرمجة التي تعرفها أو تخطط لتعلمها. كلا الخيارين للأجهزة سيستخدمان نفس نظام أجهزة الاستشعار، لذا إذا بدأت في مسار واحد، يمكنك التبديل إلى الآخر دون الحاجة إلى استبدال معظم المجموعة. سيكون الكمبيوتر ذو اللوحة الواحدة الافتراضي مكافئًا للتعلم على Raspberry Pi، مع إمكانية نقل معظم الكود إلى Pi إذا حصلت في النهاية على جهاز وأجهزة استشعار.
+
+### مجموعة أدوات المطورين Arduino
+
+إذا كنت مهتمًا بتعلم تطوير المتحكمات الدقيقة، يمكنك إكمال المهام باستخدام جهاز Arduino. ستحتاج إلى فهم أساسي لبرمجة C/C++، حيث ستعلم الدروس فقط الكود الذي يتعلق بإطار عمل Arduino، أجهزة الاستشعار والمشغلات المستخدمة، والمكتبات التي تتفاعل مع السحابة.
+
+ستستخدم المهام [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) مع [إضافة PlatformIO لتطوير المتحكمات الدقيقة](https://platformio.org). يمكنك أيضًا استخدام Arduino IDE إذا كنت متمرسًا في استخدام هذه الأداة، حيث لن يتم توفير التعليمات.
+
+### مجموعة أدوات المطورين لجهاز الكمبيوتر ذو اللوحة الواحدة
+
+إذا كنت مهتمًا بتعلم تطوير إنترنت الأشياء باستخدام أجهزة الكمبيوتر ذات اللوحة الواحدة، يمكنك إكمال المهام باستخدام Raspberry Pi، أو جهاز افتراضي يعمل على جهاز الكمبيوتر الشخصي أو Mac الخاص بك.
+
+ستحتاج إلى فهم أساسي لبرمجة Python، حيث ستعلم الدروس فقط الكود الذي يتعلق بأجهزة الاستشعار والمشغلات المستخدمة، والمكتبات التي تتفاعل مع السحابة.
+
+> 💁 إذا كنت تريد تعلم البرمجة بلغة Python، تحقق من سلسلتي الفيديو التاليتين:
+>
+> * [Python للمبتدئين](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [المزيد من Python للمبتدئين](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+ستستخدم المهام [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn).
+
+إذا كنت تستخدم Raspberry Pi، يمكنك تشغيل Pi باستخدام النسخة الكاملة من نظام تشغيل Raspberry Pi OS، والقيام بكل البرمجة مباشرة على Pi باستخدام [نسخة VS Code الخاصة بنظام تشغيل Raspberry Pi](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn)، أو تشغيل Pi كجهاز بدون شاشة والبرمجة من جهاز الكمبيوتر الشخصي أو Mac باستخدام VS Code مع [إضافة Remote SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) التي تتيح لك الاتصال بـ Pi وتحرير، تصحيح وتشغيل الكود كما لو كنت تبرمج عليه مباشرة.
+
+إذا كنت تستخدم الخيار الافتراضي للجهاز، ستقوم بالبرمجة مباشرة على جهاز الكمبيوتر الخاص بك. بدلاً من الوصول إلى أجهزة الاستشعار والمشغلات، ستستخدم أداة لمحاكاة هذه الأجهزة، حيث توفر قيم أجهزة الاستشعار التي يمكنك تحديدها، وتعرض نتائج المشغلات على الشاشة.
+
+## إعداد جهازك
+
+قبل أن تتمكن من البدء في برمجة جهاز إنترنت الأشياء الخاص بك، ستحتاج إلى القيام ببعض الإعدادات البسيطة. اتبع التعليمات ذات الصلة أدناه بناءً على الجهاز الذي ستستخدمه.
+💁 إذا لم يكن لديك جهاز بعد، يمكنك الرجوع إلى [دليل الأجهزة](../../../hardware.md) للمساعدة في اتخاذ قرار بشأن الجهاز الذي ستستخدمه، وما هي الأجهزة الإضافية التي تحتاج إلى شرائها. لا تحتاج إلى شراء أجهزة، حيث يمكن تشغيل جميع المشاريع على أجهزة افتراضية.
+تتضمن هذه التعليمات روابط لمواقع ويب تابعة لجهات خارجية من مصنعي الأجهزة أو الأدوات التي ستستخدمها. الهدف هو ضمان حصولك دائمًا على أحدث التعليمات للأدوات والأجهزة المختلفة.
+
+اعمل من خلال الدليل المناسب لإعداد جهازك وإكمال مشروع "Hello World". سيكون هذا هو الخطوة الأولى في إنشاء مصباح ليلي IoT على مدار 4 دروس في هذا الجزء التمهيدي.
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Single-board computer - Raspberry Pi](pi.md)
+* [Single-board computer - Virtual device](virtual-device.md)
+
+✅ ستستخدم VS Code لكل من Arduino وأجهزة الكمبيوتر أحادية اللوحة. إذا لم تستخدمه من قبل، اقرأ المزيد عنه على [موقع VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)
+
+## تطبيقات إنترنت الأشياء
+
+يغطي إنترنت الأشياء مجموعة واسعة من الاستخدامات عبر عدة مجموعات رئيسية:
+
+* إنترنت الأشياء للمستهلكين
+* إنترنت الأشياء التجاري
+* إنترنت الأشياء الصناعي
+* إنترنت الأشياء للبنية التحتية
+
+✅ قم ببعض البحث: لكل مجال من المجالات الموضحة أدناه، ابحث عن مثال ملموس لم يتم ذكره في النص.
+
+### إنترنت الأشياء للمستهلكين
+
+يشير إنترنت الأشياء للمستهلكين إلى أجهزة إنترنت الأشياء التي يشتريها المستهلكون ويستخدمونها في المنزل. بعض هذه الأجهزة مفيدة للغاية، مثل مكبرات الصوت الذكية، أنظمة التدفئة الذكية، ومكانس الروبوت. بينما البعض الآخر قد يكون مشكوكًا في فائدته، مثل الصنابير التي يتم التحكم فيها بالصوت والتي قد تعني أنك لا تستطيع إيقافها لأن التحكم الصوتي لا يمكنه سماعك بسبب صوت الماء الجاري.
+
+تمكّن أجهزة إنترنت الأشياء للمستهلكين الناس من تحقيق المزيد في بيئتهم، خاصةً المليار شخص الذين يعانون من إعاقة. يمكن للمكانس الروبوتية توفير أرضيات نظيفة للأشخاص الذين يعانون من مشاكل في الحركة ولا يستطيعون التنظيف بأنفسهم، الأفران التي يتم التحكم فيها بالصوت تسمح للأشخاص الذين يعانون من ضعف الرؤية أو التحكم الحركي بتسخين أفرانهم باستخدام صوتهم فقط، وأجهزة مراقبة الصحة تمكن المرضى من مراقبة الحالات المزمنة بأنفسهم مع تحديثات أكثر انتظامًا وتفصيلًا عن حالتهم. أصبحت هذه الأجهزة منتشرة جدًا لدرجة أن حتى الأطفال الصغار يستخدمونها كجزء من حياتهم اليومية، على سبيل المثال، الطلاب الذين يتعلمون عن بُعد أثناء جائحة COVID يستخدمون أجهزة المنزل الذكية لتعيين مؤقتات لتتبع واجباتهم المدرسية أو تنبيهات لتذكيرهم بالاجتماعات الصفية القادمة.
+
+✅ ما هي أجهزة إنترنت الأشياء التي لديك في منزلك أو معك؟
+
+### إنترنت الأشياء التجاري
+
+يغطي إنترنت الأشياء التجاري استخدام إنترنت الأشياء في مكان العمل. في بيئة المكتب، قد تكون هناك أجهزة استشعار للإشغال وكاشفات الحركة لإدارة الإضاءة والتدفئة بحيث يتم تشغيلها فقط عند الحاجة، مما يقلل من التكلفة وانبعاثات الكربون. في المصنع، يمكن لأجهزة إنترنت الأشياء مراقبة المخاطر مثل العمال الذين لا يرتدون خوذات الأمان أو الضوضاء التي وصلت إلى مستويات خطرة. في البيع بالتجزئة، يمكن لأجهزة إنترنت الأشياء قياس درجة حرارة التخزين البارد، وتنبيه صاحب المتجر إذا كانت الثلاجة أو المجمد خارج نطاق درجة الحرارة المطلوبة، أو يمكنها مراقبة العناصر على الرفوف لتوجيه الموظفين لإعادة تعبئة المنتجات التي تم بيعها. تعتمد صناعة النقل بشكل متزايد على إنترنت الأشياء لمراقبة مواقع المركبات، تتبع الأميال على الطرق لفرض رسوم استخدام الطرق، تتبع ساعات السائقين والامتثال لفترات الراحة، أو إخطار الموظفين عندما تقترب مركبة من مستودع للتحضير للتحميل أو التفريغ.
+
+✅ ما هي أجهزة إنترنت الأشياء التجارية الموجودة في مدرستك أو مكان عملك؟
+
+### إنترنت الأشياء الصناعي (IIoT)
+
+إنترنت الأشياء الصناعي، أو IIoT، هو استخدام أجهزة إنترنت الأشياء للتحكم في الآلات وإدارتها على نطاق واسع. يغطي هذا مجموعة واسعة من الاستخدامات، من المصانع إلى الزراعة الرقمية.
+
+تستخدم المصانع أجهزة إنترنت الأشياء بطرق عديدة. يمكن مراقبة الآلات باستخدام أجهزة استشعار متعددة لتتبع أشياء مثل درجة الحرارة، الاهتزاز وسرعة الدوران. يمكن مراقبة هذه البيانات للسماح بإيقاف الآلة إذا خرجت عن حدود معينة - مثل ارتفاع درجة الحرارة وإيقافها على سبيل المثال. يمكن أيضًا جمع هذه البيانات وتحليلها بمرور الوقت لإجراء الصيانة التنبؤية، حيث تقوم نماذج الذكاء الاصطناعي بالنظر في البيانات التي تسبق الفشل، واستخدامها للتنبؤ بفشل آخر قبل حدوثه.
+
+الزراعة الرقمية مهمة إذا كان الكوكب سيطعم السكان المتزايدين، خاصةً بالنسبة لـ 2 مليار شخص في 500 مليون أسرة يعتمدون على [الزراعة المعيشية](https://wikipedia.org/wiki/Subsistence_agriculture). يمكن أن تتراوح الزراعة الرقمية من أجهزة استشعار منخفضة التكلفة إلى إعدادات تجارية ضخمة. يمكن للمزارع البدء بمراقبة درجات الحرارة واستخدام [أيام درجة النمو](https://wikipedia.org/wiki/Growing_degree-day) للتنبؤ بموعد جاهزية المحصول للحصاد. يمكنهم ربط مراقبة رطوبة التربة بأنظمة الري الآلية لتزويد نباتاتهم بالماء بقدر ما يحتاجون إليه، ولكن ليس أكثر لضمان عدم جفاف محاصيلهم دون إهدار الماء. يأخذ المزارعون الأمر إلى أبعد من ذلك باستخدام الطائرات بدون طيار، بيانات الأقمار الصناعية والذكاء الاصطناعي لمراقبة نمو المحاصيل، الأمراض وجودة التربة على مساحات شاسعة من الأراضي الزراعية.
+
+✅ ما هي أجهزة إنترنت الأشياء الأخرى التي يمكن أن تساعد المزارعين؟
+
+### إنترنت الأشياء للبنية التحتية
+
+إنترنت الأشياء للبنية التحتية هو مراقبة وإدارة البنية التحتية المحلية والعالمية التي يستخدمها الناس يوميًا.
+
+[المدن الذكية](https://wikipedia.org/wiki/Smart_city) هي مناطق حضرية تستخدم أجهزة إنترنت الأشياء لجمع البيانات عن المدينة واستخدامها لتحسين كيفية تشغيل المدينة. عادةً ما تُدار هذه المدن من خلال تعاون بين الحكومات المحلية، الأكاديميين والشركات المحلية، حيث يتم تتبع وإدارة أشياء متنوعة مثل النقل، مواقف السيارات والتلوث. على سبيل المثال، في كوبنهاغن، الدنمارك، يعتبر تلوث الهواء مهمًا للسكان المحليين، لذا يتم قياسه واستخدام البيانات لتوفير معلومات عن أنظف مسارات ركوب الدراجات والجري.
+
+[شبكات الطاقة الذكية](https://wikipedia.org/wiki/Smart_grid) تسمح بتحليلات أفضل للطلب على الطاقة من خلال جمع بيانات الاستخدام على مستوى المنازل الفردية. يمكن أن توجه هذه البيانات القرارات على مستوى الدولة بما في ذلك مكان بناء محطات طاقة جديدة، وعلى المستوى الشخصي من خلال إعطاء المستخدمين رؤى حول مقدار الطاقة التي يستخدمونها، متى يستخدمونها، وحتى اقتراحات حول كيفية تقليل التكاليف، مثل شحن السيارات الكهربائية ليلاً.
+
+✅ إذا كان بإمكانك إضافة أجهزة إنترنت الأشياء لقياس أي شيء في المكان الذي تعيش فيه، فما الذي سيكون؟
+
+## أمثلة على أجهزة إنترنت الأشياء التي قد تكون حولك
+
+ستندهش من عدد أجهزة إنترنت الأشياء التي لديك حولك. أكتب هذا من المنزل ولدي الأجهزة التالية متصلة بالإنترنت مع ميزات ذكية مثل التحكم عبر التطبيقات، التحكم الصوتي، أو القدرة على إرسال البيانات لي عبر هاتفي:
+
+* مكبرات صوت ذكية متعددة
+* ثلاجة، غسالة صحون، فرن وميكروويف
+* جهاز مراقبة الكهرباء للألواح الشمسية
+* مقابس ذكية
+* جرس باب بالفيديو وكاميرات أمنية
+* منظم حرارة ذكي مع أجهزة استشعار ذكية متعددة للغرف
+* فتاحة باب المرآب
+* أنظمة الترفيه المنزلية وتلفزيونات يتم التحكم فيها بالصوت
+* أضواء
+* أجهزة تتبع اللياقة والصحة
+
+كل هذه الأنواع من الأجهزة تحتوي على أجهزة استشعار و/أو مشغلات وتتصل بالإنترنت. يمكنني معرفة ما إذا كان باب المرآب مفتوحًا من هاتفي، وطلب من مكبر الصوت الذكي إغلاقه لي. يمكنني حتى ضبطه على مؤقت بحيث إذا كان لا يزال مفتوحًا في الليل، سيتم إغلاقه تلقائيًا. عندما يرن جرس الباب، يمكنني رؤية من هناك عبر هاتفي أينما كنت في العالم، والتحدث معهم عبر مكبر صوت وميكروفون مدمجين في جرس الباب. يمكنني مراقبة نسبة السكر في الدم، معدل ضربات القلب وأنماط النوم، والبحث عن أنماط في البيانات لتحسين صحتي. يمكنني التحكم في الأضواء عبر السحابة، والجلوس في الظلام عندما ينقطع الاتصال بالإنترنت.
+
+---
+
+## 🚀 التحدي
+
+قم بتعداد أكبر عدد ممكن من أجهزة إنترنت الأشياء الموجودة في منزلك، مدرستك أو مكان عملك - قد يكون هناك أكثر مما تعتقد!
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## المراجعة والدراسة الذاتية
+
+اقرأ عن فوائد وإخفاقات مشاريع إنترنت الأشياء للمستهلكين. تحقق من مواقع الأخبار للحصول على مقالات حول متى حدثت مشاكل، مثل قضايا الخصوصية، مشاكل الأجهزة أو المشاكل الناتجة عن انقطاع الاتصال.
+
+بعض الأمثلة:
+
+* تحقق من حساب تويتر **[Internet of Sh*t](https://twitter.com/internetofshit)** *(تحذير: يحتوي على ألفاظ نابية)* للحصول على أمثلة جيدة عن إخفاقات مشاريع إنترنت الأشياء للمستهلكين.
+* [c|net - ساعتي Apple أنقذت حياتي: 5 أشخاص يشاركون قصصهم](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
+* [c|net - فني ADT يعترف بالتجسس على كاميرات العملاء لسنوات](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(تحذير: يتضمن محتوى غير مرغوب فيه)*
+
+## الواجب
+
+[تحقيق في مشروع إنترنت الأشياء](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..a785f7db
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T23:36:15+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "ar"
+}
+-->
+# التحقيق في مشروع إنترنت الأشياء
+
+## التعليمات
+
+هناك العديد من مشاريع إنترنت الأشياء الكبيرة والصغيرة التي يتم تنفيذها عالميًا، بدءًا من المزارع الذكية إلى المدن الذكية، في مراقبة الرعاية الصحية، والنقل، واستخدام الأماكن العامة.
+
+ابحث على الإنترنت عن تفاصيل مشروع يثير اهتمامك، ويفضل أن يكون قريبًا من مكان إقامتك. اشرح الإيجابيات والسلبيات للمشروع، مثل الفوائد التي يقدمها، أي مشاكل يسببها، وكيف يتم أخذ الخصوصية بعين الاعتبار.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| شرح الإيجابيات والسلبيات | قدم شرحًا واضحًا للإيجابيات والسلبيات للمشروع | قدم شرحًا موجزًا للإيجابيات والسلبيات | لم يشرح الإيجابيات أو السلبيات |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..081a69b5
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T23:39:36+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "ar"
+}
+-->
+# راسبيري باي
+
+[راسبيري باي](https://raspberrypi.org) هو كمبيوتر صغير على لوحة واحدة. يمكنك إضافة أجهزة استشعار ومحركات باستخدام مجموعة واسعة من الأجهزة والنظم البيئية، وفي هذه الدروس ستستخدم نظامًا بيئيًا للأجهزة يسمى [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html). ستقوم ببرمجة راسبيري باي والوصول إلى أجهزة استشعار Grove باستخدام لغة بايثون.
+
+![راسبيري باي 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg)
+
+## الإعداد
+
+إذا كنت تستخدم راسبيري باي كجهاز إنترنت الأشياء الخاص بك، لديك خياران - يمكنك العمل من خلال جميع هذه الدروس والبرمجة مباشرة على راسبيري باي، أو يمكنك الاتصال به عن بُعد كجهاز "بدون شاشة" والبرمجة من جهاز الكمبيوتر الخاص بك.
+
+قبل أن تبدأ، تحتاج أيضًا إلى توصيل قبعة قاعدة Grove إلى راسبيري باي.
+
+### المهمة - الإعداد
+
+قم بتثبيت قبعة قاعدة Grove على راسبيري باي وقم بتكوين الجهاز.
+
+1. قم بتوصيل قبعة قاعدة Grove إلى راسبيري باي. المقبس الموجود على القبعة يتناسب مع جميع دبابيس GPIO على راسبيري باي، وينزلق بالكامل على الدبابيس ليجلس بثبات على القاعدة. يتم تثبيته فوق راسبيري باي، ويغطيه.
+
+    ![تركيب قبعة Grove](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. قرر كيف تريد برمجة راسبيري باي، وانتقل إلى القسم المناسب أدناه:
+
+    * [العمل مباشرة على راسبيري باي](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [الوصول عن بُعد لبرمجة راسبيري باي](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### العمل مباشرة على راسبيري باي
+
+إذا كنت ترغب في العمل مباشرة على راسبيري باي، يمكنك استخدام النسخة المكتبية من نظام تشغيل راسبيري باي وتثبيت جميع الأدوات التي تحتاجها.
+
+#### المهمة - العمل مباشرة على راسبيري باي
+
+قم بإعداد راسبيري باي للتطوير.
+
+1. اتبع التعليمات في [دليل إعداد راسبيري باي](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) لإعداد راسبيري باي، وتوصيله بلوحة مفاتيح/فأرة/شاشة، وربطه بشبكة WiFi أو شبكة إيثرنت، وتحديث البرامج.
+
+لبرمجة راسبيري باي باستخدام أجهزة استشعار ومحركات Grove، ستحتاج إلى تثبيت محرر يسمح لك بكتابة كود الجهاز، بالإضافة إلى مكتبات وأدوات مختلفة تتفاعل مع أجهزة Grove.
+
+1. بمجرد إعادة تشغيل راسبيري باي، قم بتشغيل الطرفية بالنقر على أيقونة **Terminal** في شريط القائمة العلوي، أو اختر *Menu -> Accessories -> Terminal*
+
+1. قم بتشغيل الأمر التالي لضمان تحديث نظام التشغيل والبرامج المثبتة:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. قم بتشغيل الأوامر التالية لتثبيت جميع المكتبات اللازمة لأجهزة Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    يبدأ ذلك بتثبيت Git، إلى جانب Pip لتثبيت حزم بايثون.
+
+    واحدة من الميزات القوية لبايثون هي القدرة على تثبيت [حزم Pip](https://pypi.org) - وهي حزم من الكود مكتوبة من قبل أشخاص آخرين ومنشورة على الإنترنت. يمكنك تثبيت حزمة Pip على جهاز الكمبيوتر الخاص بك بأمر واحد، ثم استخدام تلك الحزمة في الكود الخاص بك.
+
+    تحتاج حزم بايثون الخاصة بـ Seeed Grove إلى التثبيت من المصدر. هذه الأوامر ستقوم باستنساخ المستودع الذي يحتوي على الكود المصدري لهذه الحزمة، ثم تثبيته محليًا.
+
+    > 💁 بشكل افتراضي، عندما تقوم بتثبيت حزمة، تكون متاحة في كل مكان على جهاز الكمبيوتر الخاص بك، وهذا يمكن أن يؤدي إلى مشاكل في إصدارات الحزم - مثل اعتماد تطبيق واحد على إصدار معين من الحزمة الذي يتعطل عند تثبيت إصدار جديد لتطبيق مختلف. لتجنب هذه المشكلة، يمكنك استخدام [بيئة افتراضية لبايثون](https://docs.python.org/3/library/venv.html)، وهي نسخة من بايثون في مجلد مخصص، وعندما تقوم بتثبيت حزم Pip يتم تثبيتها فقط في ذلك المجلد. لن تستخدم البيئات الافتراضية عند استخدام راسبيري باي. يقوم سكربت تثبيت Grove بتثبيت حزم بايثون الخاصة بـ Grove عالميًا، لذا إذا كنت ترغب في استخدام بيئة افتراضية، ستحتاج إلى إعداد البيئة الافتراضية ثم إعادة تثبيت حزم Grove يدويًا داخل تلك البيئة. من الأسهل استخدام الحزم العالمية، خاصةً لأن العديد من مطوري راسبيري باي يقومون بإعادة تهيئة بطاقة SD نظيفة لكل مشروع.
+
+    أخيرًا، يتم تمكين واجهة I<sup>2</sup>C.
+
+1. أعد تشغيل راسبيري باي إما باستخدام القائمة أو تشغيل الأمر التالي في الطرفية:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. بمجرد إعادة تشغيل راسبيري باي، أعد تشغيل الطرفية وقم بتشغيل الأمر التالي لتثبيت [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) - وهو المحرر الذي ستستخدمه لكتابة كود الجهاز الخاص بك بلغة بايثون.
+
+    ```sh
+    sudo apt install code
+    ```
+
+    بمجرد تثبيته، سيكون VS Code متاحًا من شريط القائمة العلوي.
+
+    > 💁 يمكنك استخدام أي محرر أو بيئة تطوير متكاملة (IDE) لبايثون لهذه الدروس إذا كان لديك أداة مفضلة، ولكن الدروس ستقدم تعليمات بناءً على استخدام VS Code.
+
+1. قم بتثبيت Pylance. هذا هو امتداد لـ VS Code يوفر دعمًا للغة بايثون. راجع [وثائق امتداد Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) للحصول على تعليمات حول تثبيت هذا الامتداد في VS Code.
+
+### الوصول عن بُعد لبرمجة راسبيري باي
+
+بدلاً من البرمجة مباشرة على راسبيري باي، يمكن تشغيله كجهاز "بدون شاشة"، أي غير متصل بلوحة مفاتيح/فأرة/شاشة، وتكوينه وبرمجته من جهاز الكمبيوتر الخاص بك باستخدام Visual Studio Code.
+
+#### إعداد نظام تشغيل راسبيري باي
+
+لبرمجة الجهاز عن بُعد، يجب تثبيت نظام تشغيل راسبيري باي على بطاقة SD.
+
+##### المهمة - إعداد نظام تشغيل راسبيري باي
+
+قم بإعداد نظام تشغيل راسبيري باي "بدون شاشة".
+
+1. قم بتنزيل **Raspberry Pi Imager** من [صفحة برامج نظام تشغيل راسبيري باي](https://www.raspberrypi.org/software/) وقم بتثبيته.
+
+1. أدخل بطاقة SD في جهاز الكمبيوتر الخاص بك، باستخدام محول إذا لزم الأمر.
+
+1. قم بتشغيل Raspberry Pi Imager.
+
+1. من Raspberry Pi Imager، اختر زر **CHOOSE OS**، ثم اختر *Raspberry Pi OS (Other)*، متبوعًا بـ *Raspberry Pi OS Lite (32-bit)*.
+
+    ![Raspberry Pi Imager مع اختيار Raspberry Pi OS Lite](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ar.png)
+
+    > 💁 Raspberry Pi OS Lite هو إصدار من نظام تشغيل راسبيري باي لا يحتوي على واجهة المستخدم الرسومية أو الأدوات القائمة على واجهة المستخدم. هذه الأدوات ليست ضرورية لجهاز "بدون شاشة" وتجعل التثبيت أصغر ووقت التشغيل أسرع.
+
+1. اختر زر **CHOOSE STORAGE**، ثم اختر بطاقة SD الخاصة بك.
+
+1. قم بتشغيل **خيارات متقدمة** بالضغط على `Ctrl+Shift+X`. تتيح هذه الخيارات بعض التكوين المسبق لنظام تشغيل راسبيري باي قبل نسخه إلى بطاقة SD.
+
+    1. قم بتحديد مربع **Enable SSH**، وقم بتعيين كلمة مرور لمستخدم `pi`. هذه هي كلمة المرور التي ستستخدمها لتسجيل الدخول إلى راسبيري باي لاحقًا.
+
+    1. إذا كنت تخطط للاتصال براسبيري باي عبر WiFi، قم بتحديد مربع **Configure WiFi**، وأدخل SSID وكلمة مرور WiFi الخاصة بك، بالإضافة إلى اختيار بلد WiFi الخاص بك. لا تحتاج إلى القيام بذلك إذا كنت ستستخدم كابل إيثرنت. تأكد من أن الشبكة التي تتصل بها هي نفس الشبكة التي يتصل بها جهاز الكمبيوتر الخاص بك.
+
+    1. قم بتحديد مربع **Set locale settings**، وقم بتعيين بلدك ومنطقتك الزمنية.
+
+    1. اختر زر **SAVE**.
+
+1. اختر زر **WRITE** لكتابة نظام التشغيل إلى بطاقة SD. إذا كنت تستخدم macOS، سيُطلب منك إدخال كلمة المرور الخاصة بك لأن الأداة الأساسية التي تكتب صور الأقراص تحتاج إلى وصول مميز.
+
+سيتم كتابة نظام التشغيل إلى بطاقة SD، وبمجرد الانتهاء سيتم إخراج البطاقة بواسطة نظام التشغيل، وستتلقى إشعارًا. قم بإزالة بطاقة SD من جهاز الكمبيوتر الخاص بك، وأدخلها في راسبيري باي، وقم بتشغيل الجهاز وانتظر حوالي دقيقتين حتى يتم تشغيله بشكل صحيح.
+
+#### الاتصال براسبيري باي
+
+الخطوة التالية هي الوصول إلى راسبيري باي عن بُعد. يمكنك القيام بذلك باستخدام `ssh`، وهو متاح على macOS، Linux والإصدارات الحديثة من Windows.
+
+##### المهمة - الاتصال براسبيري باي
+
+الوصول إلى راسبيري باي عن بُعد.
+
+1. قم بتشغيل الطرفية أو موجه الأوامر، وأدخل الأمر التالي للاتصال براسبيري باي:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    إذا كنت تستخدم Windows بإصدار أقدم لا يحتوي على `ssh` مثبت، يمكنك استخدام OpenSSH. يمكنك العثور على تعليمات التثبيت في [وثائق تثبيت OpenSSH](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn).
+
+1. يجب أن يتصل هذا براسبيري باي ويطلب كلمة المرور.
+
+    القدرة على العثور على أجهزة الكمبيوتر على شبكتك باستخدام `<hostname>.local` هي إضافة حديثة نسبيًا إلى Linux وWindows. إذا كنت تستخدم Linux أو Windows وواجهت أي أخطاء حول عدم العثور على اسم المضيف، ستحتاج إلى تثبيت برامج إضافية لتمكين الشبكات ZeroConf (المعروفة أيضًا باسم Bonjour من Apple):
+
+    1. إذا كنت تستخدم Linux، قم بتثبيت Avahi باستخدام الأمر التالي:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. إذا كنت تستخدم Windows، فإن أسهل طريقة لتمكين ZeroConf هي تثبيت [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999). يمكنك أيضًا تثبيت [iTunes for Windows](https://www.apple.com/itunes/download/) للحصول على نسخة أحدث من الأداة (التي ليست متاحة بشكل مستقل).
+
+    > 💁 إذا لم تتمكن من الاتصال باستخدام `raspberrypi.local`، يمكنك استخدام عنوان IP الخاص براسبيري باي. راجع [وثائق عنوان IP الخاص براسبيري باي](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) للحصول على تعليمات حول عدد من الطرق للحصول على عنوان IP.
+
+1. أدخل كلمة المرور التي قمت بتعيينها في خيارات Raspberry Pi Imager المتقدمة.
+
+#### تكوين البرامج على راسبيري باي
+
+بمجرد الاتصال براسبيري باي، تحتاج إلى التأكد من تحديث نظام التشغيل، وتثبيت مكتبات وأدوات مختلفة تتفاعل مع أجهزة Grove.
+
+##### المهمة - تكوين البرامج على راسبيري باي
+
+قم بتكوين البرامج المثبتة على راسبيري باي وتثبيت مكتبات Grove.
+
+1. من جلسة `ssh` الخاصة بك، قم بتشغيل الأمر التالي لتحديث ثم إعادة تشغيل راسبيري باي:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    سيتم تحديث راسبيري باي وإعادة تشغيله. ستنتهي جلسة `ssh` عند إعادة تشغيل راسبيري باي، لذا اتركه لمدة حوالي 30 ثانية ثم أعد الاتصال.
+
+1. من جلسة `ssh` المعاد الاتصال بها، قم بتشغيل الأوامر التالية لتثبيت جميع المكتبات اللازمة لأجهزة Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    يبدأ ذلك بتثبيت Git، إلى جانب Pip لتثبيت حزم بايثون.
+
+    واحدة من الميزات القوية لبايثون هي القدرة على تثبيت [حزم Pip](https://pypi.org) - وهي حزم من الكود مكتوبة من قبل أشخاص آخرين ومنشورة على الإنترنت. يمكنك تثبيت حزمة Pip على جهاز الكمبيوتر الخاص بك بأمر واحد، ثم استخدام تلك الحزمة في الكود الخاص بك.
+
+    تحتاج حزم بايثون الخاصة بـ Seeed Grove إلى التثبيت من المصدر. هذه الأوامر ستقوم باستنساخ المستودع الذي يحتوي على الكود المصدري لهذه الحزمة، ثم تثبيته محليًا.
+
+    > 💁 بشكل افتراضي، عندما تقوم بتثبيت حزمة، تكون متاحة في كل مكان على جهاز الكمبيوتر الخاص بك، وهذا يمكن أن يؤدي إلى مشاكل في إصدارات الحزم - مثل اعتماد تطبيق واحد على إصدار معين من الحزمة الذي يتعطل عند تثبيت إصدار جديد لتطبيق مختلف. لتجنب هذه المشكلة، يمكنك استخدام [بيئة افتراضية لبايثون](https://docs.python.org/3/library/venv.html)، وهي نسخة من بايثون في مجلد مخصص، وعندما تقوم بتثبيت حزم Pip يتم تثبيتها فقط في ذلك المجلد. لن تستخدم البيئات الافتراضية عند استخدام راسبيري باي. يقوم سكربت تثبيت Grove بتثبيت حزم بايثون الخاصة بـ Grove عالميًا، لذا إذا كنت ترغب في استخدام بيئة افتراضية، ستحتاج إلى إعداد البيئة الافتراضية ثم إعادة تثبيت حزم Grove يدويًا داخل تلك البيئة. من الأسهل استخدام الحزم العالمية، خاصةً لأن العديد من مطوري راسبيري باي يقومون بإعادة تهيئة بطاقة SD نظيفة لكل مشروع.
+
+    أخيرًا، يتم تمكين واجهة I<sup>2</sup>C.
+
+1. أعد تشغيل راسبيري باي عن طريق تشغيل الأمر التالي:
+
+    ```sh
+    sudo reboot
+    ```
+
+    ستنتهي جلسة `ssh` عند إعادة تشغيل راسبيري باي. لا حاجة لإعادة الاتصال.
+
+#### تكوين VS Code للوصول عن بُعد
+
+بمجرد تكوين راسبيري باي، يمكنك الاتصال به باستخدام Visual Studio Code (VS Code) من جهاز الكمبيوتر الخاص بك - وهو محرر نصوص مجاني للمطورين ستستخدمه لكتابة كود الجهاز الخاص بك بلغة بايثون.
+
+##### المهمة - تكوين VS Code للوصول عن بُعد
+
+قم بتثبيت البرامج المطلوبة واتصل براسبيري باي عن بُعد.
+
+1. قم بتثبيت VS Code على جهاز الكمبيوتر الخاص بك باتباع [وثائق VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)
+
+1. اتبع التعليمات في [وثائق تطوير VS Code عن بُعد باستخدام SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) لتثبيت المكونات المطلوبة.
+
+1. باتباع نفس التعليمات، قم بتوصيل VS Code براسبيري باي.
+
+1. بمجرد الاتصال، اتبع [إرشادات إدارة الامتدادات](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) لتثبيت امتداد [Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) عن بُعد على راسبيري باي.
+
+## مرحبًا بالعالم
+من التقليدي عند البدء بلغة برمجة جديدة أو تقنية جديدة إنشاء تطبيق "Hello World" - وهو تطبيق صغير يعرض نصًا مثل `"Hello World"` للتأكد من أن جميع الأدوات تم إعدادها بشكل صحيح.
+
+تطبيق Hello World الخاص بـ Pi سيضمن أن لديك Python و Visual Studio Code مثبتين بشكل صحيح.
+
+سيكون هذا التطبيق في مجلد يسمى `nightlight`، وسيتم إعادة استخدامه مع كود مختلف في أجزاء لاحقة من هذا التمرين لبناء تطبيق nightlight.
+
+### المهمة - hello world
+
+قم بإنشاء تطبيق Hello World.
+
+1. قم بتشغيل VS Code، إما مباشرة على Pi، أو على جهاز الكمبيوتر الخاص بك متصلًا بـ Pi باستخدام امتداد Remote SSH.
+
+1. قم بتشغيل Terminal الخاص بـ VS Code عن طريق اختيار *Terminal -> New Terminal* أو الضغط على `` CTRL+` ``. سيتم فتحه في دليل المستخدم `pi`.
+
+1. قم بتشغيل الأوامر التالية لإنشاء دليل للكود الخاص بك، وإنشاء ملف Python يسمى `app.py` داخل هذا الدليل:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. افتح هذا المجلد في VS Code عن طريق اختيار *File -> Open...* واختيار مجلد *nightlight*، ثم اختر **OK**.
+
+    ![نافذة فتح VS Code تعرض مجلد nightlight](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ar.png)
+
+1. افتح ملف `app.py` من مستكشف VS Code وأضف الكود التالي:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    وظيفة `print` تقوم بطباعة أي شيء يتم تمريره إليها في وحدة التحكم.
+
+1. من Terminal الخاص بـ VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 قد تحتاج إلى استدعاء `python3` بشكل صريح لتشغيل هذا الكود إذا كان لديك Python 2 مثبتًا بالإضافة إلى Python 3 (الإصدار الأحدث). إذا كان Python 2 مثبتًا، فإن استدعاء `python` سيستخدم Python 2 بدلًا من Python 3. بشكل افتراضي، الإصدارات الأحدث من نظام تشغيل Raspberry Pi تحتوي فقط على Python 3 مثبتًا.
+
+    سيظهر الإخراج التالي في وحدة التحكم:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi).
+
+😀 لقد نجح برنامج "Hello World" الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..117ecff7
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T23:37:05+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "ar"
+}
+-->
+# الكمبيوتر أحادي اللوحة الافتراضي
+
+بدلاً من شراء جهاز إنترنت الأشياء (IoT) مع المستشعرات والمحركات، يمكنك استخدام جهاز الكمبيوتر الخاص بك لمحاكاة أجهزة إنترنت الأشياء. يتيح لك مشروع [CounterFit](https://github.com/CounterFit-IoT/CounterFit) تشغيل تطبيق محلي يحاكي أجهزة إنترنت الأشياء مثل المستشعرات والمحركات، والوصول إلى هذه المستشعرات والمحركات من خلال كود Python محلي مكتوب بنفس الطريقة التي تكتب بها الكود على Raspberry Pi باستخدام الأجهزة الفعلية.
+
+## الإعداد
+
+لاستخدام CounterFit، ستحتاج إلى تثبيت بعض البرامج المجانية على جهاز الكمبيوتر الخاص بك.
+
+### المهمة
+
+قم بتثبيت البرامج المطلوبة.
+
+1. قم بتثبيت Python. راجع [صفحة تنزيلات Python](https://www.python.org/downloads/) للحصول على تعليمات حول تثبيت أحدث إصدار من Python.
+
+1. قم بتثبيت Visual Studio Code (VS Code). هذا هو المحرر الذي ستستخدمه لكتابة كود الجهاز الافتراضي بلغة Python. راجع [وثائق VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) للحصول على تعليمات حول تثبيت VS Code.
+
+    > 💁 يمكنك استخدام أي محرر أو بيئة تطوير متكاملة (IDE) لكتابة كود Python إذا كنت تفضل أداة معينة، ولكن الدروس ستعتمد على استخدام VS Code.
+
+1. قم بتثبيت إضافة Pylance لـ VS Code. هذه إضافة لـ VS Code توفر دعمًا للغة Python. راجع [وثائق إضافة Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) للحصول على تعليمات حول تثبيت هذه الإضافة في VS Code.
+
+سيتم تقديم تعليمات تثبيت وتكوين تطبيق CounterFit في الوقت المناسب ضمن تعليمات المهمة، حيث يتم تثبيته على أساس كل مشروع.
+
+## مرحبًا بالعالم
+
+من التقليدي عند البدء بلغة برمجة أو تقنية جديدة إنشاء تطبيق "مرحبًا بالعالم" - وهو تطبيق صغير يعرض نصًا مثل `"Hello World"` للتأكد من أن جميع الأدوات تم تكوينها بشكل صحيح.
+
+تطبيق "مرحبًا بالعالم" لأجهزة إنترنت الأشياء الافتراضية سيضمن أن لديك Python وVisual Studio Code مثبتين بشكل صحيح. كما سيتصل بـ CounterFit لأجهزة إنترنت الأشياء الافتراضية. لن يستخدم أي أجهزة، فقط سيتصل للتأكد من أن كل شيء يعمل.
+
+سيكون هذا التطبيق في مجلد يسمى `nightlight`، وسيتم إعادة استخدامه مع كود مختلف في أجزاء لاحقة من هذه المهمة لبناء تطبيق الضوء الليلي.
+
+### تكوين بيئة افتراضية لـ Python
+
+واحدة من الميزات القوية لـ Python هي القدرة على تثبيت [حزم Pip](https://pypi.org) - وهي حزم من الكود مكتوبة بواسطة أشخاص آخرين ومنشورة على الإنترنت. يمكنك تثبيت حزمة Pip على جهاز الكمبيوتر الخاص بك باستخدام أمر واحد، ثم استخدام تلك الحزمة في الكود الخاص بك. ستستخدم Pip لتثبيت حزمة للتواصل مع CounterFit.
+
+بشكل افتراضي، عندما تقوم بتثبيت حزمة، تكون متاحة في كل مكان على جهاز الكمبيوتر الخاص بك، وهذا يمكن أن يؤدي إلى مشاكل في إصدارات الحزم - مثل اعتماد تطبيق واحد على إصدار معين من الحزمة الذي يتعطل عند تثبيت إصدار جديد لتطبيق مختلف. للتغلب على هذه المشكلة، يمكنك استخدام [بيئة افتراضية لـ Python](https://docs.python.org/3/library/venv.html)، وهي نسخة من Python في مجلد مخصص، وعندما تقوم بتثبيت حزم Pip، يتم تثبيتها فقط في ذلك المجلد.
+
+> 💁 إذا كنت تستخدم Raspberry Pi، فلن تقوم بتكوين بيئة افتراضية على هذا الجهاز لإدارة حزم Pip، بل ستستخدم الحزم العالمية، حيث يتم تثبيت حزم Grove عالميًا بواسطة سكربت التثبيت.
+
+#### المهمة - تكوين بيئة افتراضية لـ Python
+
+قم بتكوين بيئة افتراضية لـ Python وقم بتثبيت حزم Pip لـ CounterFit.
+
+1. من الطرفية أو سطر الأوامر، قم بتشغيل الأمر التالي في موقع من اختيارك لإنشاء مجلد جديد والتنقل إليه:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. الآن قم بتشغيل الأمر التالي لإنشاء بيئة افتراضية في مجلد `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 تحتاج إلى استدعاء `python3` بشكل صريح لإنشاء البيئة الافتراضية في حالة وجود Python 2 مثبتًا بالإضافة إلى Python 3 (الإصدار الأحدث). إذا كان لديك Python 2 مثبتًا، فإن استدعاء `python` سيستخدم Python 2 بدلاً من Python 3.
+
+1. قم بتفعيل البيئة الافتراضية:
+
+    * على Windows:
+        * إذا كنت تستخدم Command Prompt أو Command Prompt من خلال Windows Terminal، قم بتشغيل:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * إذا كنت تستخدم PowerShell، قم بتشغيل:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > إذا حصلت على خطأ حول تعطيل تشغيل السكربتات على هذا النظام، ستحتاج إلى تمكين تشغيل السكربتات عن طريق تعيين سياسة تنفيذ مناسبة. يمكنك القيام بذلك عن طريق تشغيل PowerShell كمسؤول، ثم تشغيل الأمر التالي:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            أدخل `Y` عند طلب التأكيد. ثم أعد تشغيل PowerShell وحاول مرة أخرى.
+
+            يمكنك إعادة تعيين سياسة التنفيذ هذه في وقت لاحق إذا لزم الأمر. يمكنك قراءة المزيد عن هذا في [صفحة سياسات التنفيذ على Microsoft Docs](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn).
+
+    * على macOS أو Linux، قم بتشغيل:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 يجب تشغيل هذه الأوامر من نفس الموقع الذي قمت بتشغيل الأمر لإنشاء البيئة الافتراضية فيه. لن تحتاج أبدًا إلى التنقل داخل مجلد `.venv`، يجب دائمًا تشغيل أمر التفعيل وأي أوامر لتثبيت الحزم أو تشغيل الكود من المجلد الذي كنت فيه عند إنشاء البيئة الافتراضية.
+
+1. بمجرد تفعيل البيئة الافتراضية، سيقوم الأمر الافتراضي `python` بتشغيل إصدار Python الذي تم استخدامه لإنشاء البيئة الافتراضية. قم بتشغيل الأمر التالي للحصول على الإصدار:
+
+    ```sh
+    python --version
+    ```
+
+    يجب أن يحتوي الإخراج على ما يلي:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 قد يكون إصدار Python الخاص بك مختلفًا - طالما أنه الإصدار 3.6 أو أعلى، فأنت بخير. إذا لم يكن كذلك، قم بحذف هذا المجلد، وقم بتثبيت إصدار أحدث من Python وحاول مرة أخرى.
+
+1. قم بتشغيل الأوامر التالية لتثبيت حزم Pip لـ CounterFit. تتضمن هذه الحزم تطبيق CounterFit الرئيسي بالإضافة إلى أدوات محاكاة لأجهزة Grove. تتيح لك هذه الأدوات كتابة الكود كما لو كنت تبرمج باستخدام مستشعرات ومحركات فعلية من نظام Grove ولكنها متصلة بأجهزة إنترنت الأشياء الافتراضية.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    سيتم تثبيت هذه الحزم فقط في البيئة الافتراضية، ولن تكون متاحة خارجها.
+
+### كتابة الكود
+
+بمجرد أن تكون البيئة الافتراضية لـ Python جاهزة، يمكنك كتابة الكود لتطبيق "مرحبًا بالعالم".
+
+#### المهمة - كتابة الكود
+
+قم بإنشاء تطبيق Python لطباعة `"Hello World"` إلى وحدة التحكم.
+
+1. من الطرفية أو سطر الأوامر، قم بتشغيل الأمر التالي داخل البيئة الافتراضية لإنشاء ملف Python يسمى `app.py`:
+
+    * على Windows، قم بتشغيل:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * على macOS أو Linux، قم بتشغيل:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. افتح المجلد الحالي في VS Code:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 إذا أعادت الطرفية `command not found` على macOS، فهذا يعني أن VS Code لم تتم إضافته إلى PATH. يمكنك إضافة VS Code إلى PATH باتباع التعليمات في [قسم التشغيل من سطر الأوامر في وثائق VS Code](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) وتشغيل الأمر بعد ذلك. يتم تثبيت VS Code إلى PATH افتراضيًا على Windows وLinux.
+
+1. عند تشغيل VS Code، سيتم تفعيل البيئة الافتراضية لـ Python. ستظهر البيئة الافتراضية المحددة في شريط الحالة السفلي:
+
+    ![VS Code showing the selected virtual environment](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ar.png)
+
+1. إذا كانت طرفية VS Code تعمل بالفعل عند بدء تشغيل VS Code، فلن يتم تفعيل البيئة الافتراضية فيها. أسهل شيء يمكنك القيام به هو إنهاء الطرفية باستخدام زر **Kill the active terminal instance**:
+
+    ![VS Code Kill the active terminal instance button](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ar.png)
+
+    يمكنك معرفة ما إذا كانت الطرفية تحتوي على البيئة الافتراضية مفعلة حيث سيكون اسم البيئة الافتراضية عبارة عن بادئة على موجه الطرفية. على سبيل المثال، قد يكون:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    إذا لم يكن لديك `.venv` كبادئة على الموجه، فإن البيئة الافتراضية ليست مفعلة في الطرفية.
+
+1. قم بتشغيل طرفية جديدة في VS Code عن طريق تحديد *Terminal -> New Terminal* أو الضغط على `` CTRL+` ``. ستقوم الطرفية الجديدة بتحميل البيئة الافتراضية، وسيظهر استدعاء التفعيل في الطرفية. سيكون الموجه أيضًا يحتوي على اسم البيئة الافتراضية (`.venv`):
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. افتح ملف `app.py` من مستكشف VS Code وأضف الكود التالي:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    تقوم وظيفة `print` بطباعة ما يتم تمريره إليها إلى وحدة التحكم.
+
+1. من طرفية VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python app.py
+    ```
+
+    سيكون الإخراج كما يلي:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 لقد نجح تطبيق "مرحبًا بالعالم" الخاص بك!
+
+### توصيل "الأجهزة"
+
+كخطوة ثانية لتطبيق "مرحبًا بالعالم"، ستقوم بتشغيل تطبيق CounterFit وتوصيل الكود الخاص بك به. هذا هو المكافئ الافتراضي لتوصيل بعض أجهزة إنترنت الأشياء بلوحة تطوير.
+
+#### المهمة - توصيل "الأجهزة"
+
+1. من طرفية VS Code، قم بتشغيل تطبيق CounterFit باستخدام الأمر التالي:
+
+    ```sh
+    counterfit
+    ```
+
+    سيبدأ التطبيق في التشغيل ويفتح في متصفح الويب الخاص بك:
+
+    ![The Counter Fit app running in a browser](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ar.png)
+
+    سيتم تصنيفه كـ *Disconnected*، مع إطفاء LED في الزاوية العلوية اليمنى.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py`:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    يقوم هذا الكود باستيراد فئة `CounterFitConnection` من وحدة `counterfit_connection`، والتي تأتي من حزمة `counterfit-connection` التي قمت بتثبيتها سابقًا. ثم يقوم بتهيئة اتصال بتطبيق CounterFit الذي يعمل على `127.0.0.1`، وهو عنوان IP يمكنك دائمًا استخدامه للوصول إلى جهاز الكمبيوتر المحلي الخاص بك (غالبًا ما يُشار إليه بـ *localhost*)، على المنفذ 5000.
+
+    > 💁 إذا كانت لديك تطبيقات أخرى تعمل على المنفذ 5000، يمكنك تغيير ذلك عن طريق تحديث المنفذ في الكود، وتشغيل CounterFit باستخدام `CounterFit --port <port_number>`، مع استبدال `<port_number>` بالمنفذ الذي تريد استخدامه.
+
+1. ستحتاج إلى تشغيل طرفية جديدة في VS Code عن طريق تحديد زر **Create a new integrated terminal**. هذا لأن تطبيق CounterFit يعمل في الطرفية الحالية.
+
+    ![VS Code Create a new integrated terminal button](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ar.png)
+
+1. في هذه الطرفية الجديدة، قم بتشغيل ملف `app.py` كما كان من قبل. ستتغير حالة CounterFit إلى **Connected** وسيضيء LED.
+
+    ![Counter Fit showing as connected](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device).
+
+😀 لقد نجح الاتصال بالأجهزة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..2ef946ec
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T23:42:39+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "ar"
+}
+-->
+# Wio Terminal
+
+[Wio Terminal من Seeed Studios](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) هو متحكم دقيق متوافق مع Arduino، يحتوي على WiFi وبعض المستشعرات والمحركات المدمجة، بالإضافة إلى منافذ لإضافة المزيد من المستشعرات والمحركات باستخدام نظام بيئي للأجهزة يسمى [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html).
+
+![صورة لجهاز Wio Terminal من Seeed Studios](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ar.png)
+
+## الإعداد
+
+لاستخدام Wio Terminal، ستحتاج إلى تثبيت بعض البرامج المجانية على جهاز الكمبيوتر الخاص بك. كما ستحتاج إلى تحديث البرنامج الثابت (firmware) الخاص بـ Wio Terminal قبل أن تتمكن من توصيله بشبكة WiFi.
+
+### المهمة - الإعداد
+
+قم بتثبيت البرامج المطلوبة وتحديث البرنامج الثابت.
+
+1. قم بتثبيت Visual Studio Code (VS Code). هذا هو المحرر الذي ستستخدمه لكتابة كود الجهاز بلغة C/C++. راجع [وثائق VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) للحصول على تعليمات التثبيت.
+
+    > 💁 IDE آخر شائع لتطوير Arduino هو [Arduino IDE](https://www.arduino.cc/en/software). إذا كنت بالفعل على دراية بهذه الأداة، يمكنك استخدامها بدلاً من VS Code وPlatformIO، ولكن الدروس ستعتمد على استخدام VS Code.
+
+1. قم بتثبيت إضافة PlatformIO لـ VS Code. هذه الإضافة تدعم برمجة المتحكمات الدقيقة بلغة C/C++. راجع [وثائق إضافة PlatformIO](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) للحصول على تعليمات التثبيت. تعتمد هذه الإضافة على إضافة Microsoft C/C++ التي يتم تثبيتها تلقائيًا عند تثبيت PlatformIO.
+
+1. قم بتوصيل Wio Terminal بجهاز الكمبيوتر الخاص بك. يحتوي Wio Terminal على منفذ USB-C في الأسفل، ويجب توصيله بمنفذ USB على جهاز الكمبيوتر الخاص بك. يأتي Wio Terminal مع كابل USB-C إلى USB-A، ولكن إذا كان جهاز الكمبيوتر الخاص بك يحتوي فقط على منافذ USB-C، فستحتاج إلى كابل USB-C أو محول USB-A إلى USB-C.
+
+1. اتبع التعليمات في [وثائق Wio Terminal Wiki WiFi Overview](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) لإعداد Wio Terminal وتحديث البرنامج الثابت.
+
+## Hello World
+
+من التقليدي عند البدء باستخدام لغة برمجة أو تقنية جديدة إنشاء تطبيق "Hello World" - وهو تطبيق صغير يعرض نصًا مثل `"Hello World"` للتأكد من أن جميع الأدوات تم إعدادها بشكل صحيح.
+
+تطبيق Hello World الخاص بـ Wio Terminal سيتأكد من أن Visual Studio Code تم تثبيته بشكل صحيح مع PlatformIO وتم إعداده لتطوير المتحكمات الدقيقة.
+
+### إنشاء مشروع PlatformIO
+
+الخطوة الأولى هي إنشاء مشروع جديد باستخدام PlatformIO مهيأ لـ Wio Terminal.
+
+#### المهمة - إنشاء مشروع PlatformIO
+
+قم بإنشاء مشروع PlatformIO.
+
+1. قم بتوصيل Wio Terminal بجهاز الكمبيوتر الخاص بك.
+
+1. افتح VS Code.
+
+1. ستجد أيقونة PlatformIO في شريط القائمة الجانبي:
+
+    ![خيار قائمة PlatformIO](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ar.png)
+
+    اختر هذا العنصر من القائمة، ثم اختر *PIO Home -> Open*.
+
+    ![خيار فتح PlatformIO](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ar.png)
+
+1. من شاشة الترحيب، اختر زر **+ New Project**.
+
+    ![زر مشروع جديد](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ar.png)
+
+1. قم بتكوين المشروع في *معالج المشروع*:
+
+    1. قم بتسمية مشروعك `nightlight`.
+
+    1. من قائمة *Board* المنسدلة، اكتب `WIO` لتصفية اللوحات، واختر *Seeeduino Wio Terminal*.
+
+    1. اترك خيار *Framework* كما هو على *Arduino*.
+
+    1. إما أن تترك خيار *Use default location* محددًا، أو قم بإلغاء تحديده واختر موقعًا لمشروعك.
+
+    1. اختر زر **Finish**.
+
+    ![معالج المشروع المكتمل](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ar.png)
+
+    سيقوم PlatformIO بتنزيل المكونات التي يحتاجها لتجميع الكود الخاص بـ Wio Terminal وإنشاء مشروعك. قد يستغرق هذا بضع دقائق.
+
+### استكشاف مشروع PlatformIO
+
+سيعرض مستكشف VS Code عددًا من الملفات والمجلدات التي أنشأها معالج PlatformIO.
+
+#### المجلدات
+
+* `.pio` - يحتوي هذا المجلد على بيانات مؤقتة يحتاجها PlatformIO مثل المكتبات أو الكود المترجم. يتم إعادة إنشائه تلقائيًا إذا تم حذفه، ولا تحتاج إلى إضافته إلى التحكم في الكود المصدري إذا كنت تشارك مشروعك على مواقع مثل GitHub.
+* `.vscode` - يحتوي هذا المجلد على التكوين المستخدم بواسطة PlatformIO وVS Code. يتم إعادة إنشائه تلقائيًا إذا تم حذفه، ولا تحتاج إلى إضافته إلى التحكم في الكود المصدري إذا كنت تشارك مشروعك على مواقع مثل GitHub.
+* `include` - هذا المجلد مخصص لملفات الرأس الخارجية المطلوبة عند إضافة مكتبات إضافية إلى الكود الخاص بك. لن تستخدم هذا المجلد في أي من هذه الدروس.
+* `lib` - هذا المجلد مخصص للمكتبات الخارجية التي تريد استدعاءها من الكود الخاص بك. لن تستخدم هذا المجلد في أي من هذه الدروس.
+* `src` - يحتوي هذا المجلد على الكود المصدري الرئيسي لتطبيقك. في البداية، سيحتوي على ملف واحد - `main.cpp`.
+* `test` - هذا المجلد هو المكان الذي ستضع فيه أي اختبارات وحدة للكود الخاص بك.
+
+#### الملفات
+
+* `main.cpp` - يحتوي هذا الملف في مجلد `src` على نقطة الدخول لتطبيقك. افتح هذا الملف، وسيحتوي على الكود التالي:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    عند بدء تشغيل الجهاز، سيقوم إطار عمل Arduino بتشغيل وظيفة `setup` مرة واحدة، ثم تشغيل وظيفة `loop` بشكل متكرر حتى يتم إيقاف تشغيل الجهاز.
+
+* `.gitignore` - يسرد هذا الملف الملفات والمجلدات التي يجب تجاهلها عند إضافة الكود إلى التحكم في الكود المصدري، مثل التحميل إلى مستودع على GitHub.
+
+* `platformio.ini` - يحتوي هذا الملف على التكوين الخاص بجهازك وتطبيقك. افتح هذا الملف، وسيحتوي على الكود التالي:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    يحتوي القسم `[env:seeed_wio_terminal]` على التكوين الخاص بـ Wio Terminal. يمكنك أن تحتوي على أقسام `env` متعددة بحيث يمكن تجميع الكود الخاص بك لألواح متعددة.
+
+    القيم الأخرى تتطابق مع التكوين من معالج المشروع:
+
+  * `platform = atmelsam` يحدد الأجهزة التي يستخدمها Wio Terminal (وحدة تحكم دقيقة تعتمد على ATSAMD51).
+  * `board = seeed_wio_terminal` يحدد نوع لوحة المتحكم الدقيقة (Wio Terminal).
+  * `framework = arduino` يحدد أن هذا المشروع يستخدم إطار عمل Arduino.
+
+### كتابة تطبيق Hello World
+
+أنت الآن جاهز لكتابة تطبيق Hello World.
+
+#### المهمة - كتابة تطبيق Hello World
+
+اكتب تطبيق Hello World.
+
+1. افتح ملف `main.cpp` في VS Code.
+
+1. قم بتغيير الكود ليطابق الكود التالي:
+
+    ```cpp
+    #include <Arduino.h>
+
+    void setup()
+    {
+        Serial.begin(9600);
+
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    
+    void loop()
+    {
+        Serial.println("Hello World");
+        delay(5000);
+    }
+    ```
+
+    تقوم وظيفة `setup` بتهيئة الاتصال بالمنفذ التسلسلي - في هذه الحالة، منفذ USB المستخدم لتوصيل Wio Terminal بجهاز الكمبيوتر الخاص بك. المعامل `9600` هو [معدل البود](https://wikipedia.org/wiki/Symbol_rate) (المعروف أيضًا بمعدل الرموز)، أو السرعة التي يتم بها إرسال البيانات عبر المنفذ التسلسلي بوحدات البت في الثانية. هذا الإعداد يعني إرسال 9,600 بت (0 و1) من البيانات كل ثانية. ثم ينتظر حتى يكون المنفذ التسلسلي جاهزًا.
+
+    تقوم وظيفة `loop` بإرسال السطر `Hello World!` إلى المنفذ التسلسلي، بحيث يتم إرسال أحرف `Hello World!` مع حرف سطر جديد. ثم ينتظر لمدة 5,000 مللي ثانية أو 5 ثوانٍ. بعد انتهاء وظيفة `loop`، يتم تشغيلها مرة أخرى، وهكذا طوال الوقت الذي يكون فيه المتحكم الدقيق قيد التشغيل.
+
+1. ضع Wio Terminal في وضع التحميل. ستحتاج إلى القيام بذلك في كل مرة تقوم فيها بتحميل كود جديد إلى الجهاز:
+
+    1. اسحب المفتاح مرتين بسرعة - سيعود تلقائيًا إلى وضع التشغيل في كل مرة.
+
+    1. تحقق من مؤشر LED الأزرق على الجانب الأيمن من منفذ USB. يجب أن يكون يومض ببطء.
+    
+    [![فيديو يوضح كيفية وضع Wio Terminal في وضع التحميل](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    انقر على الصورة أعلاه لمشاهدة فيديو يوضح كيفية القيام بذلك.
+
+1. قم ببناء وتحميل الكود إلى Wio Terminal.
+
+    1. افتح لوحة الأوامر في VS Code.
+
+    1. اكتب `PlatformIO Upload` للبحث عن خيار التحميل، واختر *PlatformIO: Upload*.
+
+        ![خيار تحميل PlatformIO في لوحة الأوامر](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ar.png)
+
+        سيقوم PlatformIO تلقائيًا ببناء الكود إذا لزم الأمر قبل التحميل.
+
+    1. سيتم تجميع الكود وتحميله إلى Wio Terminal.
+
+        > 💁 إذا كنت تستخدم macOS، ستظهر إشعار حول *DISK NOT EJECTED PROPERLY*. يحدث هذا لأن Wio Terminal يتم تركيبه كقرص كجزء من عملية الفلاش، ويتم فصله عند كتابة الكود المترجم إلى الجهاز. يمكنك تجاهل هذا الإشعار.
+
+    ⚠️ إذا واجهت أخطاء حول عدم توفر منفذ التحميل، تأكد أولاً من أن Wio Terminal متصل بجهاز الكمبيوتر الخاص بك، ومشغل باستخدام المفتاح الموجود على الجانب الأيسر من الشاشة، ومضبوط على وضع التحميل. يجب أن يكون الضوء الأخضر في الأسفل مضاءً، والضوء الأزرق يومض ببطء. إذا استمرت المشكلة، اسحب مفتاح التشغيل/الإيقاف مرتين بسرعة مرة أخرى لإجبار Wio Terminal على وضع التحميل وحاول التحميل مرة أخرى.
+
+يحتوي PlatformIO على مراقب تسلسلي يمكنه مراقبة البيانات المرسلة عبر كابل USB من Wio Terminal. يتيح لك ذلك مراقبة البيانات المرسلة بواسطة الأمر `Serial.println("Hello World");`.
+
+1. افتح لوحة الأوامر في VS Code.
+
+1. اكتب `PlatformIO Serial` للبحث عن خيار المراقب التسلسلي، واختر *PlatformIO: Serial Monitor*.
+
+    ![خيار مراقب PlatformIO التسلسلي في لوحة الأوامر](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ar.png)
+
+    سيتم فتح نافذة طرفية جديدة، وسيتم بث البيانات المرسلة عبر المنفذ التسلسلي إلى هذه النافذة:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Hello World
+    Hello World
+    ```
+
+    سيتم طباعة `Hello World` إلى المراقب التسلسلي كل 5 ثوانٍ.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal).
+
+😀 لقد نجحت في تشغيل برنامج "Hello World"!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/2-deeper-dive/README.md b/translations/ar/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..96ae24bc
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T23:45:53+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "ar"
+}
+-->
+# نظرة أعمق على إنترنت الأشياء
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ar.jpg)
+
+> رسم توضيحي من [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+تم تقديم هذا الدرس كجزء من سلسلة [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). تم تقديم الدرس في شكل فيديوهين - درس مدته ساعة واحدة، وساعة أخرى للإجابة على الأسئلة والتعمق في أجزاء من الدرس.
+
+[![الدرس 2: نظرة أعمق على إنترنت الأشياء](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![الدرس 2: نظرة أعمق على إنترنت الأشياء - ساعة الأسئلة](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 انقر على الصور أعلاه لمشاهدة الفيديوهات
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## المقدمة
+
+يتعمق هذا الدرس في بعض المفاهيم التي تم تناولها في الدرس السابق.
+
+في هذا الدرس سنتناول:
+
+* [مكونات تطبيق إنترنت الأشياء](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [نظرة أعمق على المتحكمات الدقيقة](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [نظرة أعمق على الحواسيب أحادية اللوحة](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## مكونات تطبيق إنترنت الأشياء
+
+يتكون تطبيق إنترنت الأشياء من مكونين رئيسيين: *الإنترنت* و *الجهاز*. دعونا نلقي نظرة على هذين المكونين بمزيد من التفصيل.
+
+### الجهاز
+
+![راسبيري باي 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg)
+
+يشير الجزء الخاص بـ **الجهاز** في إنترنت الأشياء إلى جهاز يمكنه التفاعل مع العالم المادي. عادةً ما تكون هذه الأجهزة صغيرة الحجم ومنخفضة التكلفة، تعمل بسرعات منخفضة وتستهلك طاقة قليلة - على سبيل المثال، متحكمات دقيقة بسيطة تحتوي على كيلوبايتات من ذاكرة الوصول العشوائي (RAM) (مقارنةً بالجيجابايتات في أجهزة الكمبيوتر) وتعمل بسرعة بضع مئات من الميجاهرتز (مقارنةً بالجيجاهرتز في أجهزة الكمبيوتر)، لكنها تستهلك أحيانًا طاقة قليلة جدًا بحيث يمكنها العمل لأسابيع أو شهور أو حتى سنوات باستخدام البطاريات.
+
+تتفاعل هذه الأجهزة مع العالم المادي إما باستخدام مستشعرات لجمع البيانات من البيئة المحيطة أو عن طريق التحكم في المخرجات أو المشغلات لإحداث تغييرات مادية. المثال النموذجي على ذلك هو منظم الحرارة الذكي - جهاز يحتوي على مستشعر درجة حرارة، ووسيلة لتحديد درجة الحرارة المطلوبة مثل قرص أو شاشة تعمل باللمس، واتصال بنظام تدفئة أو تبريد يمكن تشغيله عندما تكون درجة الحرارة المكتشفة خارج النطاق المطلوب. يكتشف مستشعر درجة الحرارة أن الغرفة باردة جدًا، ويقوم المشغل بتشغيل التدفئة.
+
+![رسم بياني يظهر درجة الحرارة وقرصًا كمدخلات لجهاز إنترنت الأشياء، والتحكم في المدفأة كمخرج](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ar.png)
+
+هناك مجموعة كبيرة من الأجهزة التي يمكن أن تعمل كأجهزة إنترنت الأشياء، بدءًا من الأجهزة المخصصة التي تستشعر شيئًا واحدًا، إلى الأجهزة متعددة الأغراض، وحتى هاتفك الذكي! يمكن للهاتف الذكي استخدام المستشعرات لاكتشاف العالم من حوله، والمشغلات للتفاعل مع العالم - على سبيل المثال باستخدام مستشعر GPS لاكتشاف موقعك ومكبر صوت لإعطائك تعليمات التنقل إلى وجهة.
+
+✅ فكر في أنظمة أخرى حولك تقرأ البيانات من مستشعر وتستخدمها لاتخاذ قرارات. مثال على ذلك هو منظم الحرارة في الفرن. هل يمكنك العثور على المزيد؟
+
+### الإنترنت
+
+يتكون جانب **الإنترنت** في تطبيق إنترنت الأشياء من تطبيقات يمكن للجهاز الاتصال بها لإرسال واستقبال البيانات، بالإضافة إلى تطبيقات أخرى يمكنها معالجة البيانات من جهاز إنترنت الأشياء والمساعدة في اتخاذ قرارات بشأن الطلبات التي يتم إرسالها إلى مشغلات الجهاز.
+
+إحدى التكوينات النموذجية هي وجود نوع من الخدمات السحابية التي يتصل بها جهاز إنترنت الأشياء، حيث تتولى هذه الخدمة السحابية أمورًا مثل الأمان، بالإضافة إلى استقبال الرسائل من جهاز إنترنت الأشياء وإرسال الرسائل مرة أخرى إلى الجهاز. تتصل هذه الخدمة السحابية بعد ذلك بتطبيقات أخرى يمكنها معالجة أو تخزين بيانات المستشعر، أو استخدام بيانات المستشعر مع بيانات من أنظمة أخرى لاتخاذ قرارات.
+
+لا تتصل الأجهزة دائمًا بالإنترنت مباشرةً عبر WiFi أو الاتصالات السلكية. تستخدم بعض الأجهزة شبكات متشابكة للتواصل مع بعضها البعض عبر تقنيات مثل البلوتوث، متصلة عبر جهاز محور يحتوي على اتصال بالإنترنت.
+
+في مثال منظم الحرارة الذكي، يتصل المنظم باستخدام WiFi المنزلي بخدمة سحابية تعمل في السحابة. يرسل بيانات درجة الحرارة إلى هذه الخدمة السحابية، ومن هناك يتم كتابتها إلى قاعدة بيانات من نوع ما مما يسمح لصاحب المنزل بالتحقق من درجات الحرارة الحالية والسابقة باستخدام تطبيق الهاتف. ستعرف خدمة أخرى في السحابة درجة الحرارة التي يريدها صاحب المنزل، وترسل رسائل مرة أخرى إلى جهاز إنترنت الأشياء عبر الخدمة السحابية لإخبار نظام التدفئة بالتشغيل أو الإيقاف.
+
+![رسم بياني يظهر درجة الحرارة وقرصًا كمدخلات لجهاز إنترنت الأشياء، الجهاز مع اتصال ثنائي الاتجاه بالسحابة، والتي بدورها لديها اتصال ثنائي الاتجاه مع الهاتف، والتحكم في المدفأة كمخرج من جهاز إنترنت الأشياء](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ar.png)
+
+يمكن أن يكون الإصدار الأكثر ذكاءً يستخدم الذكاء الاصطناعي في السحابة مع بيانات من مستشعرات أخرى متصلة بأجهزة إنترنت الأشياء الأخرى مثل مستشعرات الإشغال التي تكتشف الغرف المستخدمة، بالإضافة إلى بيانات مثل الطقس وحتى تقويمك، لاتخاذ قرارات حول كيفية ضبط درجة الحرارة بطريقة ذكية. على سبيل المثال، يمكنه إيقاف التدفئة إذا قرأ من تقويمك أنك في إجازة، أو إيقاف التدفئة على أساس كل غرفة على حدة بناءً على الغرف التي تستخدمها، متعلمًا من البيانات ليصبح أكثر دقة بمرور الوقت.
+
+![رسم بياني يظهر مستشعرات درجة حرارة متعددة وقرصًا كمدخلات لجهاز إنترنت الأشياء، الجهاز مع اتصال ثنائي الاتجاه بالسحابة، والتي بدورها لديها اتصال ثنائي الاتجاه مع الهاتف، والتقويم وخدمة الطقس، والتحكم في المدفأة كمخرج من جهاز إنترنت الأشياء](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ar.png)
+
+✅ ما هي البيانات الأخرى التي يمكن أن تساعد في جعل منظم الحرارة المتصل بالإنترنت أكثر ذكاءً؟
+
+### إنترنت الأشياء على الحافة
+
+على الرغم من أن الحرف I في IoT يشير إلى الإنترنت، إلا أن هذه الأجهزة لا تحتاج دائمًا إلى الاتصال بالإنترنت. في بعض الحالات، يمكن للأجهزة الاتصال بأجهزة "الحافة" - وهي أجهزة بوابة تعمل على شبكتك المحلية مما يعني أنه يمكنك معالجة البيانات دون إجراء اتصال عبر الإنترنت. يمكن أن يكون هذا أسرع عندما يكون لديك الكثير من البيانات أو اتصال إنترنت بطيء، كما يسمح لك بالعمل دون اتصال حيث لا يكون الاتصال بالإنترنت ممكنًا مثل السفن أو في مناطق الكوارث عند الاستجابة لأزمة إنسانية، ويسمح لك بالحفاظ على خصوصية البيانات. تحتوي بعض الأجهزة على كود معالجة تم إنشاؤه باستخدام أدوات السحابة ويتم تشغيله محليًا لجمع البيانات والاستجابة لها دون استخدام اتصال بالإنترنت لاتخاذ قرار.
+
+أحد الأمثلة على ذلك هو جهاز المنزل الذكي مثل Apple HomePod أو Amazon Alexa أو Google Home، والذي يستمع إلى صوتك باستخدام نماذج الذكاء الاصطناعي المدربة في السحابة، ولكنها تعمل محليًا على الجهاز. تستيقظ هذه الأجهزة عند سماع كلمة أو عبارة معينة، وترسل صوتك فقط عبر الإنترنت للمعالجة بعد ذلك. يتوقف الجهاز عن إرسال الصوت عند نقطة مناسبة مثل اكتشاف وقفة في حديثك. كل ما تقوله قبل إيقاظ الجهاز بالكلمة المفتاحية، وكل ما تقوله بعد أن يتوقف الجهاز عن الاستماع لن يتم إرساله عبر الإنترنت إلى مزود الجهاز، وبالتالي سيظل خاصًا.
+
+✅ فكر في سيناريوهات أخرى تكون فيها الخصوصية مهمة بحيث يكون من الأفضل معالجة البيانات على الحافة بدلاً من السحابة. كتلميح - فكر في أجهزة إنترنت الأشياء التي تحتوي على كاميرات أو أجهزة تصوير أخرى.
+
+### أمان إنترنت الأشياء
+
+مع أي اتصال بالإنترنت، يعتبر الأمان أمرًا بالغ الأهمية. هناك نكتة قديمة تقول إن "الحرف S في IoT يشير إلى الأمان" - لا يوجد حرف "S" في IoT، مما يعني أنه غير آمن.
+
+تتصل أجهزة إنترنت الأشياء بخدمة سحابية، وبالتالي فهي آمنة فقط بقدر أمان تلك الخدمة السحابية - إذا سمحت خدمتك السحابية لأي جهاز بالاتصال، يمكن إرسال بيانات ضارة أو حدوث هجمات فيروسية. يمكن أن يكون لهذا عواقب واقعية جدًا حيث تتفاعل أجهزة إنترنت الأشياء وتتحكم في أجهزة أخرى. على سبيل المثال، قام دودة [Stuxnet](https://wikipedia.org/wiki/Stuxnet) بالتلاعب بالصمامات في أجهزة الطرد المركزي لإتلافها. كما استغل القراصنة [ضعف الأمان للوصول إلى أجهزة مراقبة الأطفال](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable) وأجهزة المراقبة المنزلية الأخرى.
+
+> 💁 أحيانًا تعمل أجهزة إنترنت الأشياء وأجهزة الحافة على شبكة معزولة تمامًا عن الإنترنت للحفاظ على البيانات خاصة وآمنة. يُعرف هذا بـ [الفصل الهوائي](https://wikipedia.org/wiki/Air_gap_(networking)).
+
+## نظرة أعمق على المتحكمات الدقيقة
+
+في الدرس السابق، قدمنا المتحكمات الدقيقة. دعونا الآن نلقي نظرة أعمق عليها.
+
+### وحدة المعالجة المركزية (CPU)
+
+وحدة المعالجة المركزية هي "العقل" الخاص بالمتحكم الدقيق. إنها المعالج الذي يشغل الكود الخاص بك ويمكنه إرسال البيانات إلى الأجهزة المتصلة واستقبالها منها. تحتوي وحدات المعالجة المركزية على نواة واحدة أو أكثر - وهي في الأساس وحدات معالجة مركزية متعددة يمكنها العمل معًا لتشغيل الكود الخاص بك.
+
+تعتمد وحدات المعالجة المركزية على ساعة تعمل بملايين أو مليارات النبضات في الثانية. كل نبضة، أو دورة، تنظم الإجراءات التي يمكن لوحدة المعالجة المركزية اتخاذها. مع كل نبضة، يمكن لوحدة المعالجة المركزية تنفيذ تعليمات من برنامج، مثل استرداد البيانات من جهاز خارجي أو إجراء عملية حسابية. تسمح هذه الدورة المنتظمة بإكمال جميع الإجراءات قبل معالجة التعليمات التالية.
+
+كلما زادت سرعة دورة الساعة، زادت التعليمات التي يمكن معالجتها في الثانية، وبالتالي زادت سرعة وحدة المعالجة المركزية. تقاس سرعة وحدة المعالجة المركزية بـ [الهرتز (Hz)](https://wikipedia.org/wiki/Hertz)، وهي وحدة قياسية حيث يعني 1 هرتز دورة واحدة أو نبضة واحدة في الثانية.
+
+> 🎓 غالبًا ما تُعطى سرعات وحدة المعالجة المركزية بالميجاهرتز أو الجيجاهرتز. 1 ميجاهرتز تعني مليون هرتز، و1 جيجاهرتز تعني مليار هرتز.
+
+> 💁 تنفذ وحدات المعالجة المركزية البرامج باستخدام [دورة الجلب-الترجمة-التنفيذ](https://wikipedia.org/wiki/Instruction_cycle). لكل نبضة ساعة، تقوم وحدة المعالجة المركزية بجلب التعليمات التالية من الذاكرة، وترجمتها، ثم تنفيذها مثل استخدام وحدة الحساب والمنطق (ALU) لإضافة رقمين. تستغرق بعض التعليمات عدة نبضات للتنفيذ، لذا ستعمل الدورة التالية عند النبضة التالية بعد اكتمال التعليمات.
+
+![دورة الجلب-الترجمة-التنفيذ تظهر الجلب كتعليمات من البرنامج المخزن في ذاكرة الوصول العشوائي، ثم الترجمة والتنفيذ على وحدة المعالجة المركزية](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ar.png)
+
+تعمل المتحكمات الدقيقة بسرعات أقل بكثير من أجهزة الكمبيوتر المكتبية أو المحمولة، أو حتى معظم الهواتف الذكية. على سبيل المثال، يحتوي Wio Terminal على وحدة معالجة مركزية تعمل بسرعة 120 ميجاهرتز أو 120,000,000 دورة في الثانية.
+
+✅ يحتوي جهاز كمبيوتر أو ماك متوسط على وحدة معالجة مركزية متعددة النوى تعمل بسرعات متعددة الجيجاهرتز، مما يعني أن الساعة تنبض مليارات المرات في الثانية. ابحث عن سرعة الساعة لجهاز الكمبيوتر الخاص بك وقارن عدد المرات التي تكون أسرع من Wio Terminal.
+
+كل دورة ساعة تستهلك طاقة وتولد حرارة. كلما زادت سرعة النبضات، زاد استهلاك الطاقة وزادت الحرارة الناتجة. تحتوي أجهزة الكمبيوتر على مبردات ومراوح لإزالة الحرارة، وبدونها ستسخن وتغلق في غضون ثوانٍ. غالبًا ما لا تحتوي المتحكمات الدقيقة على أي منهما لأنها تعمل بدرجة حرارة أقل وبالتالي أبطأ بكثير. تعمل أجهزة الكمبيوتر بالطاقة الرئيسية أو البطاريات الكبيرة لبضع ساعات، بينما يمكن للمتحكمات الدقيقة العمل لأيام أو شهور أو حتى سنوات باستخدام بطاريات صغيرة. يمكن للمتحكمات الدقيقة أيضًا أن تحتوي على نوى تعمل بسرعات مختلفة، حيث تتحول إلى نوى أبطأ منخفضة الطاقة عندما يكون الطلب على وحدة المعالجة المركزية منخفضًا لتقليل استهلاك الطاقة.
+
+> 💁 بعض أجهزة الكمبيوتر وأجهزة ماك تتبنى نفس المزيج من النوى السريعة عالية الطاقة والنوى الأبطأ منخفضة الطاقة، حيث تتحول لتوفير البطارية. على سبيل المثال، يمكن لشريحة M1 في أحدث أجهزة الكمبيوتر المحمولة من Apple التبديل بين 4 نوى أداء و4 نوى كفاءة لتحسين عمر البطارية أو السرعة حسب المهمة التي يتم تشغيلها.
+
+✅ قم ببعض البحث: اقرأ عن وحدات المعالجة المركزية في [مقالة ويكيبيديا عن وحدة المعالجة المركزية](https://wikipedia.org/wiki/Central_processing_unit)
+
+#### المهمة
+
+قم بالتحقيق في Wio Terminal.
+
+إذا كنت تستخدم Wio Terminal لهذه الدروس، حاول العثور على وحدة المعالجة المركزية. ابحث عن قسم *نظرة عامة على الأجهزة* في [صفحة منتج Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) للحصول على صورة للأجزاء الداخلية، وحاول العثور على وحدة المعالجة المركزية من خلال النافذة البلاستيكية الشفافة في الخلف.
+
+### الذاكرة
+
+عادةً ما تحتوي المتحكمات الدقيقة على نوعين من الذاكرة - ذاكرة البرنامج وذاكرة الوصول العشوائي (RAM).
+
+ذاكرة البرنامج غير متطايرة، مما يعني أن ما يتم كتابته عليها يبقى حتى عند انقطاع الطاقة عن الجهاز. هذه هي الذاكرة التي تخزن كود البرنامج الخاص بك.
+
+ذاكرة الوصول العشوائي (RAM) هي الذاكرة التي يستخدمها البرنامج أثناء التشغيل، وتحتوي على المتغيرات التي يخصصها البرنامج والبيانات التي يتم جمعها من الأجهزة الطرفية. ذاكرة الوصول العشوائي متطا
+🎓 ذاكرة البرنامج تخزن الكود الخاص بك وتبقى حتى عند انقطاع الطاقة.
+🎓 يتم استخدام ذاكرة الوصول العشوائي (RAM) لتشغيل برنامجك ويتم إعادة ضبطها عند انقطاع التيار الكهربائي
+
+مثل وحدة المعالجة المركزية (CPU)، فإن الذاكرة في المتحكمات الدقيقة أصغر بكثير مقارنة بجهاز كمبيوتر شخصي أو جهاز Mac. قد يحتوي جهاز كمبيوتر عادي على 8 جيجابايت (GB) من ذاكرة الوصول العشوائي، أي 8,000,000,000 بايت، حيث يكفي كل بايت لتخزين حرف واحد أو رقم من 0 إلى 255. بينما يحتوي المتحكم الدقيق عادةً على كيلوبايتات (KB) فقط من ذاكرة الوصول العشوائي، حيث أن الكيلوبايت يساوي 1,000 بايت. يحتوي جهاز Wio Terminal المذكور أعلاه على 192 كيلوبايت من ذاكرة الوصول العشوائي، أي 192,000 بايت - أقل بأكثر من 40,000 مرة من جهاز كمبيوتر عادي!
+
+يوضح الرسم البياني أدناه الفرق النسبي في الحجم بين 192 كيلوبايت و8 جيجابايت - النقطة الصغيرة في المركز تمثل 192 كيلوبايت.
+
+![مقارنة بين 192 كيلوبايت و8 جيجابايت - أكثر من 40,000 مرة أكبر](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ar.png)
+
+تخزين البرامج أيضًا أصغر مقارنة بجهاز كمبيوتر. قد يحتوي جهاز كمبيوتر عادي على قرص صلب بسعة 500 جيجابايت لتخزين البرامج، بينما قد يحتوي المتحكم الدقيق على كيلوبايتات فقط أو ربما بضع ميغابايت (MB) من التخزين (1 ميغابايت = 1,000 كيلوبايت، أو 1,000,000 بايت). يحتوي جهاز Wio Terminal على 4 ميغابايت من تخزين البرامج.
+
+✅ قم بإجراء بحث صغير: ما هي سعة ذاكرة الوصول العشوائي والتخزين في الكمبيوتر الذي تستخدمه الآن؟ كيف تقارن هذه السعة مع المتحكم الدقيق؟
+
+### الإدخال/الإخراج
+
+تحتاج المتحكمات الدقيقة إلى وصلات إدخال وإخراج (I/O) لقراءة البيانات من المستشعرات وإرسال إشارات التحكم إلى المشغلات. تحتوي عادةً على عدد من دبابيس الإدخال/الإخراج العامة (GPIO). يمكن تكوين هذه الدبابيس برمجيًا لتكون إدخالًا (أي تستقبل إشارة) أو إخراجًا (ترسل إشارة).
+
+🧠⬅️ تُستخدم دبابيس الإدخال لقراءة القيم من المستشعرات
+
+🧠➡️ ترسل دبابيس الإخراج تعليمات إلى المشغلات
+
+✅ ستتعلم المزيد عن هذا في درس لاحق.
+
+#### المهمة
+
+قم بالتحقيق في جهاز Wio Terminal.
+
+إذا كنت تستخدم جهاز Wio Terminal لهذه الدروس، ابحث عن دبابيس GPIO. ابحث عن قسم *مخطط الدبابيس* في [صفحة منتج Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) لتتعرف على وظيفة كل دبوس. يأتي جهاز Wio Terminal مع ملصق يمكنك تثبيته على الجزء الخلفي يحتوي على أرقام الدبابيس، لذا قم بإضافته الآن إذا لم تكن قد فعلت ذلك بالفعل.
+
+### الحجم الفيزيائي
+
+عادةً ما تكون المتحكمات الدقيقة صغيرة الحجم، حيث أن أصغرها، مثل [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) صغير بما يكفي ليتسع في تجويف كرة الجولف. فقط وحدة المعالجة المركزية في جهاز كمبيوتر يمكن أن تكون بحجم 40 ملم × 40 ملم، وهذا لا يشمل المشتتات الحرارية والمراوح اللازمة لضمان تشغيل وحدة المعالجة المركزية لأكثر من بضع ثوانٍ دون ارتفاع درجة الحرارة، مما يجعلها أكبر بكثير من متحكم دقيق كامل. مجموعة تطوير Wio Terminal التي تحتوي على متحكم دقيق، غلاف، شاشة، ومجموعة من الوصلات والمكونات ليست أكبر بكثير من وحدة المعالجة المركزية Intel i9 العارية، وأصغر بكثير من وحدة المعالجة المركزية مع المشتت الحراري والمروحة!
+
+| الجهاز                          | الحجم                  |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1.6 ملم × 2 ملم × 1 ملم |
+| Wio Terminal                    | 72 ملم × 57 ملم × 12 ملم |
+| Intel i9 CPU، مشتت حراري ومروحة | 136 ملم × 145 ملم × 103 ملم |
+
+### الأطر وأنظمة التشغيل
+
+نظرًا لسرعتها المنخفضة وحجم ذاكرتها، لا تقوم المتحكمات الدقيقة بتشغيل نظام تشغيل (OS) بالمعنى التقليدي كما في أجهزة الكمبيوتر المكتبية. يحتاج نظام التشغيل الذي يجعل جهاز الكمبيوتر يعمل (مثل Windows أو Linux أو macOS) إلى الكثير من الذاكرة وقوة المعالجة لتشغيل مهام غير ضرورية تمامًا للمتكاملات الدقيقة. تذكر أن المتحكمات الدقيقة عادةً ما تتم برمجتها لأداء مهمة أو أكثر محددة جدًا، على عكس أجهزة الكمبيوتر العامة مثل أجهزة الكمبيوتر الشخصية أو أجهزة Mac التي تحتاج إلى دعم واجهة مستخدم، تشغيل الموسيقى أو الأفلام، توفير أدوات لكتابة المستندات أو البرمجة، تشغيل الألعاب، أو تصفح الإنترنت.
+
+لبرمجة متحكم دقيق بدون نظام تشغيل، تحتاج إلى بعض الأدوات التي تتيح لك بناء الكود الخاص بك بطريقة يمكن للمتكامل تشغيلها، باستخدام واجهات برمجة التطبيقات (APIs) التي يمكنها التحدث إلى أي أجهزة طرفية. كل متحكم دقيق مختلف، لذلك عادةً ما تدعم الشركات المصنعة أطر عمل قياسية تتيح لك اتباع "وصفة" قياسية لبناء الكود الخاص بك وتشغيله على أي متحكم دقيق يدعم هذا الإطار.
+
+يمكنك برمجة المتحكمات الدقيقة باستخدام نظام تشغيل - يُشار إليه غالبًا باسم نظام تشغيل الوقت الحقيقي (RTOS)، حيث تم تصميمه للتعامل مع إرسال البيانات إلى الأجهزة الطرفية واستلامها في الوقت الفعلي. هذه الأنظمة خفيفة جدًا وتوفر ميزات مثل:
+
+* تعدد المهام، مما يسمح لك بتشغيل أكثر من كتلة كود في نفس الوقت، إما على عدة أنوية أو بالتناوب على نواة واحدة
+* الشبكات للسماح بالتواصل عبر الإنترنت بشكل آمن
+* مكونات واجهة المستخدم الرسومية (GUI) لبناء واجهات المستخدم (UI) على الأجهزة التي تحتوي على شاشات.
+
+✅ اقرأ عن بعض أنظمة RTOS المختلفة: [Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)، [FreeRTOS](https://www.freertos.org)، [Zephyr](https://www.zephyrproject.org)
+
+#### أردوينو
+
+![شعار أردوينو](../../../../../images/arduino-logo.svg)
+
+[أردوينو](https://www.arduino.cc) هو على الأرجح الإطار الأكثر شهرة للمتكاملات الدقيقة، خاصة بين الطلاب والهواة وصناع المشاريع. أردوينو هو منصة إلكترونية مفتوحة المصدر تجمع بين البرمجيات والأجهزة. يمكنك شراء لوحات متوافقة مع أردوينو من الشركة نفسها أو من شركات تصنيع أخرى، ثم البرمجة باستخدام إطار عمل أردوينو.
+
+تُبرمج لوحات أردوينو باستخدام لغة C أو C++. استخدام C/C++ يسمح بكتابة كود صغير الحجم وسريع التنفيذ، وهو أمر ضروري على جهاز محدود مثل المتحكم الدقيق. يُشار إلى جوهر تطبيق أردوينو باسم "سكيتش" وهو كود C/C++ يحتوي على وظيفتين - `setup` و`loop`. عند تشغيل اللوحة، يقوم كود إطار عمل أردوينو بتشغيل وظيفة `setup` مرة واحدة، ثم يقوم بتشغيل وظيفة `loop` مرارًا وتكرارًا بشكل مستمر حتى يتم إيقاف تشغيل الطاقة.
+
+تكتب كود الإعداد الخاص بك في وظيفة `setup`، مثل الاتصال بشبكة WiFi وخدمات السحابة أو تهيئة الدبابيس للإدخال والإخراج. يحتوي كود الحلقة الخاص بك على كود المعالجة، مثل قراءة البيانات من مستشعر وإرسال القيمة إلى السحابة. عادةً ما تضيف تأخيرًا في كل حلقة، على سبيل المثال، إذا كنت تريد إرسال بيانات المستشعر كل 10 ثوانٍ فقط، تضيف تأخيرًا لمدة 10 ثوانٍ في نهاية الحلقة حتى يتمكن المتحكم الدقيق من النوم، مما يوفر الطاقة، ثم تشغيل الحلقة مرة أخرى عند الحاجة بعد 10 ثوانٍ.
+
+![سكيتش أردوينو يقوم بتشغيل الإعداد أولاً، ثم تشغيل الحلقة بشكل متكرر](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ar.png)
+
+✅ تُعرف هذه البنية البرمجية باسم *حلقة الأحداث* أو *حلقة الرسائل*. تستخدم العديد من التطبيقات هذا النمط في الخلفية وهو المعيار لمعظم تطبيقات سطح المكتب التي تعمل على أنظمة تشغيل مثل Windows أو macOS أو Linux. تستمع وظيفة `loop` للرسائل من مكونات واجهة المستخدم مثل الأزرار، أو الأجهزة مثل لوحة المفاتيح، وتستجيب لها. يمكنك قراءة المزيد في [مقالة عن حلقة الأحداث](https://wikipedia.org/wiki/Event_loop).
+
+يوفر أردوينو مكتبات قياسية للتفاعل مع المتحكمات الدقيقة ودبابيس الإدخال/الإخراج، مع تطبيقات مختلفة تحت الغطاء لتشغيلها على متحكمات دقيقة مختلفة. على سبيل المثال، وظيفة [`delay`](https://www.arduino.cc/reference/en/language/functions/time/delay/) ستوقف البرنامج لفترة زمنية معينة، ووظيفة [`digitalRead`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) ستقرأ قيمة `HIGH` أو `LOW` من الدبوس المعطى، بغض النظر عن اللوحة التي يتم تشغيل الكود عليها. تعني هذه المكتبات القياسية أن كود أردوينو المكتوب للوحة واحدة يمكن إعادة تجميعه لأي لوحة أردوينو أخرى وسيعمل، بشرط أن تكون الدبابيس متشابهة وتدعم اللوحات نفس الميزات.
+
+هناك نظام بيئي واسع من مكتبات أردوينو التابعة لجهات خارجية يتيح لك إضافة ميزات إضافية إلى مشاريع أردوينو الخاصة بك، مثل استخدام المستشعرات والمشغلات أو الاتصال بخدمات إنترنت الأشياء السحابية.
+
+##### المهمة
+
+قم بالتحقيق في جهاز Wio Terminal.
+
+إذا كنت تستخدم جهاز Wio Terminal لهذه الدروس، أعد قراءة الكود الذي كتبته في الدرس السابق. ابحث عن وظيفتي `setup` و`loop`. راقب الإخراج التسلسلي لوظيفة `loop` التي يتم استدعاؤها بشكل متكرر. حاول إضافة كود إلى وظيفة `setup` لكتابة شيء إلى المنفذ التسلسلي ولاحظ أن هذا الكود يتم استدعاؤه مرة واحدة فقط في كل مرة يتم فيها إعادة تشغيل الجهاز. حاول إعادة تشغيل جهازك باستخدام مفتاح الطاقة الجانبي لتظهر أن هذا الكود يتم استدعاؤه في كل مرة يتم فيها إعادة تشغيل الجهاز.
+
+## نظرة أعمق على الحواسيب أحادية اللوحة
+
+في الدرس السابق، قدمنا الحواسيب أحادية اللوحة. دعونا الآن نلقي نظرة أعمق عليها.
+
+### راسبيري باي
+
+![شعار راسبيري باي](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ar.png)
+
+[مؤسسة راسبيري باي](https://www.raspberrypi.org) هي مؤسسة خيرية من المملكة المتحدة تأسست في عام 2009 لتعزيز دراسة علوم الكمبيوتر، خاصة على مستوى المدارس. كجزء من هذه المهمة، طوروا حاسوبًا أحادي اللوحة يسمى راسبيري باي. تتوفر أجهزة راسبيري باي حاليًا في 3 أنواع - إصدار كامل الحجم، وإصدار أصغر يسمى Pi Zero، ووحدة حوسبة يمكن تضمينها في جهاز إنترنت الأشياء النهائي الخاص بك.
+
+![راسبيري باي 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ar.jpg)
+
+أحدث إصدار من راسبيري باي بالحجم الكامل هو راسبيري باي 4B. يحتوي هذا الجهاز على وحدة معالجة مركزية رباعية النواة (4 أنوية) تعمل بسرعة 1.5 جيجاهرتز، وذاكرة وصول عشوائي بسعة 2 أو 4 أو 8 جيجابايت، وإيثرنت جيجابت، وWiFi، ومنفذين HDMI يدعمان شاشات 4K، ومنفذ إخراج صوت وفيديو مركب، ومنافذ USB (2 USB 2.0، و2 USB 3.0)، و40 دبوس GPIO، وموصل كاميرا لوحدة كاميرا راسبيري باي، وفتحة بطاقة SD. كل هذا على لوحة بحجم 88 ملم × 58 ملم × 19.5 ملم ويتم تشغيلها بواسطة مصدر طاقة USB-C بقوة 3 أمبير. تبدأ أسعارها من 35 دولارًا أمريكيًا، وهي أرخص بكثير من جهاز كمبيوتر شخصي أو جهاز Mac.
+
+> 💁 يوجد أيضًا Pi400، وهو جهاز كمبيوتر مدمج بالكامل مع Pi4 داخل لوحة مفاتيح.
+
+![راسبيري باي زيرو](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ar.jpg)
+
+يعتبر Pi Zero أصغر حجمًا وأقل استهلاكًا للطاقة. يحتوي على وحدة معالجة مركزية أحادية النواة بسرعة 1 جيجاهرتز، وذاكرة وصول عشوائي بسعة 512 ميجابايت، وWiFi (في طراز Zero W)، ومنفذ HDMI واحد، ومنفذ micro-USB، و40 دبوس GPIO، وموصل كاميرا لوحدة كاميرا راسبيري باي، وفتحة بطاقة SD. يبلغ حجمه 65 ملم × 30 ملم × 5 ملم، ويستهلك طاقة قليلة جدًا. سعر Zero هو 5 دولارات أمريكية، بينما سعر إصدار W مع WiFi هو 10 دولارات أمريكية.
+
+> 🎓 وحدات المعالجة المركزية في كلا الجهازين هي معالجات ARM، على عكس معالجات Intel/AMD x86 أو x64 التي تجدها في معظم أجهزة الكمبيوتر الشخصية وأجهزة Mac. هذه المعالجات مشابهة لتلك الموجودة في بعض المتحكمات الدقيقة، وكذلك في معظم الهواتف المحمولة، وجهاز Microsoft Surface X، وأجهزة Mac الجديدة التي تعتمد على Apple Silicon.
+
+تعمل جميع إصدارات راسبيري باي بنسخة من نظام Debian Linux تسمى Raspberry Pi OS. يتوفر هذا النظام كنسخة خفيفة بدون واجهة رسومية، وهو مثالي للمشاريع "بدون شاشة"، أو كنسخة كاملة مع بيئة سطح مكتب كاملة، بما في ذلك متصفح ويب، وتطبيقات مكتبية، وأدوات برمجة، وألعاب. نظرًا لأن النظام هو نسخة من Debian Linux، يمكنك تثبيت أي تطبيق أو أداة تعمل على Debian وتم بناؤها لمعالج ARM داخل Pi.
+
+#### المهمة
+
+قم بالتحقيق في جهاز راسبيري باي.
+
+إذا كنت تستخدم جهاز راسبيري باي لهذه الدروس، اقرأ عن المكونات المختلفة للأجهزة الموجودة على اللوحة.
+
+* يمكنك العثور على تفاصيل حول المعالجات المستخدمة على [صفحة توثيق أجهزة راسبيري باي](https://www.raspberrypi.org/documentation/hardware/raspberrypi/). اقرأ عن المعالج المستخدم في الجهاز الذي تستخدمه.
+* حدد موقع دبابيس GPIO. اقرأ المزيد عنها في [توثيق GPIO الخاص براسبيري باي](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md). استخدم [دليل استخدام دبابيس GPIO](https://www.raspberrypi.org/documentation/usage/gpio/README.md) لتحديد الدبابيس المختلفة على جهازك.
+
+### برمجة الحواسيب أحادية اللوحة
+
+الحواسيب أحادية اللوحة هي حواسيب كاملة تعمل بنظام تشغيل كامل. هذا يعني أن هناك مجموعة واسعة من لغات البرمجة، والأطر، والأدوات التي يمكنك استخدامها لبرمجتها، على عكس المتحكمات الدقيقة التي تعتمد على دعم اللوحة في أطر مثل أردوينو. تحتوي معظم لغات البرمجة على مكتبات يمكنها الوصول إلى دبابيس GPIO لإرسال واستقبال البيانات من المستشعرات والمشغلات.
+
+✅ ما هي لغات البرمجة التي تعرفها؟ هل تدعمها أنظمة Linux؟
+
+اللغة الأكثر شيوعًا لبناء تطبيقات إنترنت الأشياء على راسبيري باي هي Python. هناك نظام بيئي ضخم من الأجهزة المصممة خصيصًا لـ Pi، ومعظمها يتضمن الكود اللازم لاستخدامها كمكتبات Python. بعض هذه الأنظمة تعتمد على "القبعات" - سميت بذلك لأنها توضع فوق Pi مثل القبعة وتتصل بمقبس كبير مع 40 دبوس GPIO. توفر هذه القبعات قدرات إضافية، مثل الشاشات، والمستشعرات، والسيارات التي يتم التحكم فيها عن بُعد، أو المحولات التي تتيح لك توصيل المستشعرات باستخدام كابلات موحدة.
+### استخدام الحواسيب أحادية اللوحة في نشرات إنترنت الأشياء الاحترافية
+
+تُستخدم الحواسيب أحادية اللوحة في نشرات إنترنت الأشياء الاحترافية، وليس فقط كأدوات تطوير. فهي توفر طريقة قوية للتحكم في الأجهزة وتشغيل المهام المعقدة مثل تشغيل نماذج التعلم الآلي. على سبيل المثال، هناك [وحدة Raspberry Pi 4 compute](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) التي توفر كل قوة Raspberry Pi 4 ولكن في شكل مضغوط وأرخص بدون معظم المنافذ، ومصممة لتُدمج في الأجهزة المخصصة.
+
+---
+
+## 🚀 التحدي
+
+كان التحدي في الدرس الأخير هو سرد أكبر عدد ممكن من أجهزة إنترنت الأشياء الموجودة في منزلك أو مدرستك أو مكان عملك. بالنسبة لكل جهاز في هذه القائمة، هل تعتقد أنه يعتمد على المتحكمات الدقيقة أم الحواسيب أحادية اللوحة، أم ربما مزيج من الاثنين؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ [دليل البدء مع Arduino](https://www.arduino.cc/en/Guide/Introduction) لفهم المزيد عن منصة Arduino.
+* اقرأ [مقدمة عن Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) لتتعرف أكثر على Raspberry Pi.
+* تعرف على المزيد حول بعض المفاهيم والاختصارات في [مقال "ما هي وحدة المعالجة المركزية، وحدة المعالجة الدقيقة، وحدة التحكم الدقيقة، ووحدة معالجة الرسومات؟" في مجلة الهندسة الكهربائية](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/).
+
+✅ استخدم هذه الأدلة، إلى جانب التكاليف الموضحة من خلال الروابط في [دليل الأجهزة](../../../hardware.md) لتقرر أي منصة أجهزة تريد استخدامها، أو إذا كنت تفضل استخدام جهاز افتراضي.
+
+## الواجب
+
+[قارن بين المتحكمات الدقيقة والحواسيب أحادية اللوحة](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/ar/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..a6468427
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T23:50:36+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "ar"
+}
+-->
+# مقارنة ومقارنة بين المتحكمات الدقيقة وأجهزة الكمبيوتر أحادية اللوحة
+
+## التعليمات
+
+تناولت هذه الدرس المتحكمات الدقيقة وأجهزة الكمبيوتر أحادية اللوحة. قم بإنشاء جدول يقارن بينهما ويبرز الفروقات، واذكر على الأقل سببين لاستخدام المتحكمات الدقيقة بدلاً من أجهزة الكمبيوتر أحادية اللوحة، وسببين على الأقل لاستخدام أجهزة الكمبيوتر أحادية اللوحة بدلاً من المتحكمات الدقيقة.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| إنشاء جدول يقارن بين المتحكمات الدقيقة وأجهزة الكمبيوتر أحادية اللوحة | تم إنشاء قائمة تحتوي على عناصر متعددة تقارن وتبرز الفروقات بشكل صحيح | تم إنشاء قائمة تحتوي على عدد قليل من العناصر | تم إنشاء عنصر واحد فقط أو لم يتم إنشاء أي عناصر للمقارنة وإبراز الفروقات |
+| أسباب لاستخدام أحدهما بدلاً من الآخر | تم تقديم سببين أو أكثر لاستخدام المتحكمات الدقيقة، وسببين أو أكثر لاستخدام أجهزة الكمبيوتر أحادية اللوحة | تم تقديم 1-2 سبب لاستخدام المتحكمات الدقيقة، و1-2 سبب لاستخدام أجهزة الكمبيوتر أحادية اللوحة | لم يتم تقديم سبب واحد أو أكثر لاستخدام المتحكمات الدقيقة أو أجهزة الكمبيوتر أحادية اللوحة |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..b38867ac
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T23:23:11+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "ar"
+}
+-->
+# التفاعل مع العالم المادي باستخدام المستشعرات والمحركات
+
+![نظرة عامة على الدرس في شكل رسم تخطيطي](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ar.jpg)
+
+> رسم تخطيطي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+تم تدريس هذا الدرس كجزء من سلسلة [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). تم تقديم الدرس في شكل فيديوهين - درس مدته ساعة واحدة، وساعة أخرى للإجابة على الأسئلة والتعمق في أجزاء من الدرس.
+
+[![الدرس 3: التفاعل مع العالم المادي باستخدام المستشعرات والمحركات](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![الدرس 3: التفاعل مع العالم المادي باستخدام المستشعرات والمحركات - ساعات المكتب](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 انقر على الصور أعلاه لمشاهدة الفيديوهات
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## المقدمة
+
+يقدم هذا الدرس اثنين من المفاهيم المهمة لجهاز إنترنت الأشياء الخاص بك - المستشعرات والمحركات. ستتعامل معهما عمليًا، حيث ستضيف مستشعر ضوء إلى مشروع إنترنت الأشياء الخاص بك، ثم تضيف LED يتم التحكم فيه بمستويات الضوء، مما يؤدي إلى بناء ضوء ليلي.
+
+في هذا الدرس سنتناول:
+
+* [ما هي المستشعرات؟](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [استخدام مستشعر](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [أنواع المستشعرات](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [ما هي المحركات؟](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [استخدام محرك](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [أنواع المحركات](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## ما هي المستشعرات؟
+
+المستشعرات هي أجهزة مادية تستشعر العالم المادي - أي أنها تقيس خاصية أو أكثر من حولها وترسل المعلومات إلى جهاز إنترنت الأشياء. تغطي المستشعرات مجموعة واسعة من الأجهزة نظرًا لوجود العديد من الأشياء التي يمكن قياسها، بدءًا من الخصائص الطبيعية مثل درجة حرارة الهواء إلى التفاعلات الفيزيائية مثل الحركة.
+
+بعض المستشعرات الشائعة تشمل:
+
+* مستشعرات الحرارة - تقيس درجة حرارة الهواء أو درجة حرارة ما يتم غمرها فيه. بالنسبة للهواة والمطورين، غالبًا ما يتم دمجها مع ضغط الهواء والرطوبة في مستشعر واحد.
+* الأزرار - تستشعر عندما يتم الضغط عليها.
+* مستشعرات الضوء - تكتشف مستويات الضوء ويمكن أن تكون لألوان محددة، أو الضوء فوق البنفسجي، أو الضوء تحت الأحمر، أو الضوء المرئي العام.
+* الكاميرات - تستشعر تمثيلًا بصريًا للعالم من خلال التقاط صورة أو بث فيديو.
+* مقياس التسارع - يستشعر الحركة في اتجاهات متعددة.
+* الميكروفونات - تستشعر الصوت، سواء مستويات الصوت العامة أو الصوت الاتجاهي.
+
+✅ قم ببعض البحث. ما هي المستشعرات الموجودة في هاتفك؟
+
+جميع المستشعرات لديها شيء مشترك - فهي تحول ما تستشعره إلى إشارة كهربائية يمكن لجهاز إنترنت الأشياء تفسيرها. يعتمد تفسير هذه الإشارة الكهربائية على المستشعر، وكذلك على بروتوكول الاتصال المستخدم للتواصل مع جهاز إنترنت الأشياء.
+
+## استخدام مستشعر
+
+اتبع الدليل المناسب أدناه لإضافة مستشعر إلى جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-sensor.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-sensor.md)
+
+## أنواع المستشعرات
+
+المستشعرات إما تناظرية أو رقمية.
+
+### المستشعرات التناظرية
+
+بعض المستشعرات الأساسية هي مستشعرات تناظرية. هذه المستشعرات تستقبل جهدًا كهربائيًا من جهاز إنترنت الأشياء، وتقوم مكونات المستشعر بتعديل هذا الجهد، ويتم قياس الجهد الذي يعود من المستشعر للحصول على قيمة المستشعر.
+
+> 🎓 الجهد هو مقياس لمدى قوة الدفع لنقل الكهرباء من مكان إلى آخر، مثل من الطرف الموجب للبطارية إلى الطرف السالب. على سبيل المثال، البطارية القياسية AA هي 1.5V (V هو رمز الفولت) ويمكنها دفع الكهرباء بقوة 1.5V من طرفها الموجب إلى طرفها السالب. تتطلب الأجهزة الكهربائية المختلفة جهودًا مختلفة للعمل، على سبيل المثال، يمكن أن يضيء LED بجهد بين 2-3V، ولكن المصباح الكهربائي 100W يحتاج إلى 240V. يمكنك قراءة المزيد عن الجهد على [صفحة الجهد في ويكيبيديا](https://wikipedia.org/wiki/Voltage).
+
+أحد الأمثلة على ذلك هو المقياس المتغير (potentiometer). هذا عبارة عن قرص يمكن تدويره بين موضعين ويتم قياس الدوران بواسطة المستشعر.
+
+![مقياس متغير مضبوط على نقطة وسطية يتم إرسال 5 فولت إليه ويعيد 3.8 فولت](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ar.png)
+
+جهاز إنترنت الأشياء سيرسل إشارة كهربائية إلى المقياس المتغير بجهد معين، مثل 5 فولت (5V). عندما يتم ضبط المقياس المتغير، فإنه يغير الجهد الذي يخرج من الجانب الآخر. تخيل أن لديك مقياس متغير مُصنف كقرص يتراوح من 0 إلى [11](https://wikipedia.org/wiki/Up_to_eleven)، مثل مقبض الصوت في مكبر الصوت. عندما يكون المقياس المتغير في وضع الإيقاف الكامل (0)، فإن 0V (0 فولت) ستخرج. عندما يكون في وضع التشغيل الكامل (11)، فإن 5V (5 فولت) ستخرج.
+
+> 🎓 هذا تبسيط مفرط، ويمكنك قراءة المزيد عن المقياس المتغير والمقاومات المتغيرة على [صفحة المقياس المتغير في ويكيبيديا](https://wikipedia.org/wiki/Potentiometer).
+
+الجهد الذي يخرج من المستشعر يتم قراءته بواسطة جهاز إنترنت الأشياء، ويمكن للجهاز الاستجابة له. بناءً على المستشعر، يمكن أن يكون هذا الجهد قيمة عشوائية أو يمكن أن يتوافق مع وحدة قياسية. على سبيل المثال، مستشعر درجة الحرارة التناظري القائم على [المقاوم الحراري](https://wikipedia.org/wiki/Thermistor) يغير مقاومته بناءً على درجة الحرارة. يمكن بعد ذلك تحويل الجهد الناتج إلى درجة حرارة بالكلفن، وبالمثل إلى °C أو °F، من خلال حسابات في الكود.
+
+✅ ماذا تعتقد سيحدث إذا أعاد المستشعر جهدًا أعلى مما تم إرساله (على سبيل المثال قادم من مصدر طاقة خارجي)؟ ⛔️ لا تختبر ذلك.
+
+#### التحويل من التناظري إلى الرقمي
+
+أجهزة إنترنت الأشياء رقمية - لا يمكنها العمل مع القيم التناظرية، فهي تعمل فقط مع 0 و 1. هذا يعني أن قيم المستشعر التناظرية تحتاج إلى تحويل إلى إشارة رقمية قبل أن تتم معالجتها. تحتوي العديد من أجهزة إنترنت الأشياء على محولات من التناظري إلى الرقمي (ADCs) لتحويل المدخلات التناظرية إلى تمثيلات رقمية لقيمها. يمكن للمستشعرات أيضًا العمل مع ADCs عبر لوحة موصل. على سبيل المثال، في نظام Seeed Grove مع Raspberry Pi، تتصل المستشعرات التناظرية بمنافذ محددة على "قبعة" مثبتة على Pi متصلة بدبابيس GPIO الخاصة بـ Pi، وهذه القبعة تحتوي على ADC لتحويل الجهد إلى إشارة رقمية يمكن إرسالها عبر دبابيس GPIO الخاصة بـ Pi.
+
+تخيل أن لديك مستشعر ضوء تناظري متصل بجهاز إنترنت الأشياء الذي يعمل بجهد 3.3V ويعيد قيمة 1V. هذا 1V لا يعني شيئًا في العالم الرقمي، لذا يحتاج إلى تحويل. سيتم تحويل الجهد إلى قيمة تناظرية باستخدام مقياس يعتمد على الجهاز والمستشعر. أحد الأمثلة هو مستشعر الضوء Seeed Grove الذي يخرج قيمًا من 0 إلى 1,023. بالنسبة لهذا المستشعر الذي يعمل بجهد 3.3V، فإن خرج 1V سيكون قيمة 300. جهاز إنترنت الأشياء لا يمكنه التعامل مع 300 كقيمة تناظرية، لذا سيتم تحويل القيمة إلى `0000000100101100`، التمثيل الثنائي لـ 300 بواسطة قبعة Grove. سيتم بعد ذلك معالجتها بواسطة جهاز إنترنت الأشياء.
+
+✅ إذا كنت لا تعرف الثنائي، فقم ببعض البحث لتتعلم كيف يتم تمثيل الأرقام بواسطة 0 و 1. [درس مقدمة إلى الثنائي من BBC Bitesize](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) هو مكان رائع للبدء.
+
+من منظور البرمجة، يتم التعامل مع كل هذا عادةً بواسطة المكتبات التي تأتي مع المستشعرات، لذا لا تحتاج إلى القلق بشأن هذا التحويل بنفسك. بالنسبة لمستشعر الضوء Grove، يمكنك استخدام مكتبة Python واستدعاء الخاصية `light`، أو استخدام مكتبة Arduino واستدعاء `analogRead` للحصول على قيمة 300.
+
+### المستشعرات الرقمية
+
+المستشعرات الرقمية، مثل المستشعرات التناظرية، تكتشف العالم من حولها باستخدام تغييرات في الجهد الكهربائي. الفرق هو أنها تخرج إشارة رقمية، إما عن طريق قياس حالتين فقط أو باستخدام ADC مدمج. المستشعرات الرقمية أصبحت أكثر شيوعًا لتجنب الحاجة إلى استخدام ADC سواء في لوحة الموصل أو على جهاز إنترنت الأشياء نفسه.
+
+أبسط مستشعر رقمي هو زر أو مفتاح. هذا مستشعر بحالتين، تشغيل أو إيقاف.
+
+![زر يتم إرسال 5 فولت إليه. عندما لا يتم الضغط عليه يعيد 0 فولت، وعندما يتم الضغط عليه يعيد 5 فولت](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ar.png)
+
+يمكن لدبابيس أجهزة إنترنت الأشياء مثل دبابيس GPIO قياس هذه الإشارة مباشرة كـ 0 أو 1. إذا كان الجهد المرسل هو نفسه الجهد المعاد، فإن القيمة المقروءة هي 1، وإلا فإن القيمة المقروءة هي 0. لا حاجة لتحويل الإشارة، يمكن أن تكون فقط 1 أو 0.
+
+> 💁 الجهود ليست دقيقة أبدًا خاصةً لأن المكونات في المستشعر سيكون لديها بعض المقاومة، لذا هناك عادةً تسامح. على سبيل المثال، دبابيس GPIO على Raspberry Pi تعمل بجهد 3.3V، وتقرأ إشارة العودة فوق 1.8V كـ 1، وتحت 1.8V كـ 0.
+
+* يتم إرسال 3.3V إلى الزر. الزر مغلق لذا يخرج 0V، مما يعطي قيمة 0
+* يتم إرسال 3.3V إلى الزر. الزر مفتوح لذا يخرج 3.3V، مما يعطي قيمة 1
+
+المستشعرات الرقمية الأكثر تقدمًا تقرأ القيم التناظرية، ثم تحولها باستخدام ADCs مدمجة إلى إشارات رقمية. على سبيل المثال، مستشعر درجة الحرارة الرقمي سيستخدم أيضًا مزدوج حراري بنفس طريقة المستشعر التناظري، وسيقيس التغيير في الجهد الناتج عن مقاومة المزدوج الحراري عند درجة الحرارة الحالية. بدلاً من إعادة قيمة تناظرية والاعتماد على الجهاز أو لوحة الموصل لتحويلها إلى إشارة رقمية، سيقوم ADC المدمج في المستشعر بتحويل القيمة وإرسالها كسلسلة من 0 و 1 إلى جهاز إنترنت الأشياء. يتم إرسال هذه 0 و 1 بنفس طريقة الإشارة الرقمية للزر مع 1 كجهد كامل و 0 كـ 0V.
+
+![مستشعر درجة حرارة رقمي يحول قراءة تناظرية إلى بيانات ثنائية مع 0 كـ 0 فولت و 1 كـ 5 فولت قبل إرسالها إلى جهاز إنترنت الأشياء](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ar.png)
+
+إرسال البيانات الرقمية يسمح للمستشعرات بأن تصبح أكثر تعقيدًا وترسل بيانات أكثر تفصيلًا، حتى بيانات مشفرة للمستشعرات الآمنة. أحد الأمثلة هو الكاميرا. هذه مستشعر يلتقط صورة ويرسلها كبيانات رقمية تحتوي على تلك الصورة، عادةً في صيغة مضغوطة مثل JPEG، ليتم قراءتها بواسطة جهاز إنترنت الأشياء. يمكنها حتى بث الفيديو عن طريق التقاط الصور وإرسال إما الصورة الكاملة إطارًا بإطار أو بث فيديو مضغوط.
+
+## ما هي المحركات؟
+
+المحركات هي عكس المستشعرات - فهي تحول الإشارة الكهربائية من جهاز إنترنت الأشياء الخاص بك إلى تفاعل مع العالم المادي مثل إصدار الضوء أو الصوت، أو تحريك محرك.
+
+بعض المحركات الشائعة تشمل:
+
+* LED - يصدر الضوء عند تشغيله
+* مكبر الصوت - يصدر الصوت بناءً على الإشارة المرسلة إليه، من صفارة بسيطة إلى مكبر صوت يمكنه تشغيل الموسيقى
+* محرك خطوة - يحول الإشارة إلى مقدار محدد من الدوران، مثل تدوير قرص 90°
+* المرحل - مفاتيح يمكن تشغيلها أو إيقافها بواسطة إشارة كهربائية. تسمح بجهد صغير من جهاز إنترنت الأشياء لتشغيل جهود أكبر.
+* الشاشات - محركات أكثر تعقيدًا تعرض المعلومات على شاشة متعددة القطاعات. تتنوع الشاشات من شاشات LED بسيطة إلى شاشات فيديو عالية الدقة.
+
+✅ قم ببعض البحث. ما هي المحركات الموجودة في هاتفك؟
+
+## استخدام محرك
+
+اتبع الدليل المناسب أدناه لإضافة محرك إلى جهاز إنترنت الأشياء الخاص بك، يتم التحكم فيه بواسطة المستشعر، لبناء ضوء ليلي إنترنت الأشياء. سيقوم بجمع مستويات الضوء من مستشعر الضوء، واستخدام محرك في شكل LED لإصدار الضوء عندما يكون مستوى الضوء المكتشف منخفضًا جدًا.
+
+![مخطط تدفق المهمة يظهر مستويات الضوء التي يتم قراءتها وفحصها، والتحكم في LED](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ar.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-actuator.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-actuator.md)
+
+## أنواع المحركات
+
+مثل المستشعرات، المحركات إما تناظرية أو رقمية.
+
+### المحركات التناظرية
+
+المحركات التناظرية تأخذ إشارة تناظرية وتحولها إلى نوع من التفاعل، حيث يتغير التفاعل بناءً على الجهد المقدم.
+
+أحد الأمثلة هو الضوء القابل للتعتيم، مثل تلك الموجودة في منزلك. كمية الجهد المقدم للضوء تحدد مدى سطوعه.
+![ضوء خافت عند جهد منخفض وأكثر سطوعًا عند جهد أعلى](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ar.png)
+
+كما هو الحال مع المستشعرات، تعمل أجهزة إنترنت الأشياء الفعلية بالإشارات الرقمية وليس التناظرية. هذا يعني أنه لإرسال إشارة تناظرية، يحتاج جهاز إنترنت الأشياء إلى محول رقمي إلى تناظري (DAC)، إما على جهاز إنترنت الأشياء مباشرةً أو على لوحة توصيل. يقوم هذا المحول بتحويل الإشارات الرقمية (0 و 1) من جهاز إنترنت الأشياء إلى جهد تناظري يمكن للمشغل استخدامه.
+
+✅ ماذا تعتقد سيحدث إذا أرسل جهاز إنترنت الأشياء جهدًا أعلى مما يمكن للمشغل التعامل معه؟
+⛔️ لا تختبر ذلك.
+
+#### تعديل عرض النبضة
+
+خيار آخر لتحويل الإشارات الرقمية من جهاز إنترنت الأشياء إلى إشارة تناظرية هو تعديل عرض النبضة. يتضمن ذلك إرسال العديد من النبضات الرقمية القصيرة التي تعمل كما لو كانت إشارة تناظرية.
+
+على سبيل المثال، يمكنك استخدام PWM للتحكم في سرعة المحرك.
+
+تخيل أنك تتحكم في محرك يعمل بجهد 5 فولت. ترسل نبضة قصيرة إلى المحرك، وتقوم بتبديل الجهد إلى مرتفع (5 فولت) لمدة جزء من الثانية (0.02 ثانية). خلال هذه الفترة يمكن للمحرك أن يدور عُشر دورة، أو 36 درجة. ثم تتوقف الإشارة لمدة جزء من الثانية (0.02 ثانية)، وترسل إشارة منخفضة (0 فولت). كل دورة تشغيل ثم إيقاف تستغرق 0.04 ثانية. ثم تتكرر الدورة.
+
+![تعديل عرض النبضة دوران محرك بسرعة 150 دورة في الدقيقة](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ar.png)
+
+هذا يعني أنه في ثانية واحدة لديك 25 نبضة بجهد 5 فولت لمدة 0.02 ثانية تدور المحرك، يتبعها توقف لمدة 0.02 ثانية بجهد 0 فولت لا يدور المحرك خلالها. كل نبضة تدور المحرك عُشر دورة، مما يعني أن المحرك يكمل 2.5 دورة في الثانية. لقد استخدمت إشارة رقمية لتدوير المحرك بسرعة 2.5 دورة في الثانية، أو 150 [دورة في الدقيقة](https://wikipedia.org/wiki/Revolutions_per_minute) (وحدة غير قياسية لقياس السرعة الدورانية).
+
+```output
+25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
+2.5 rotations per second x 60 seconds in a minute = 150rpm
+```
+
+> 🎓 عندما تكون إشارة PWM في حالة تشغيل لنصف الوقت وفي حالة إيقاف للنصف الآخر، يُشار إليها بـ [دورة عمل بنسبة 50%](https://wikipedia.org/wiki/Duty_cycle). تُقاس دورات العمل كنسبة مئوية للوقت الذي تكون فيه الإشارة في حالة التشغيل مقارنةً بحالة الإيقاف.
+
+![تعديل عرض النبضة دوران محرك بسرعة 75 دورة في الدقيقة](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ar.png)
+
+يمكنك تغيير سرعة المحرك عن طريق تغيير حجم النبضات. على سبيل المثال، مع نفس المحرك يمكنك الحفاظ على نفس وقت الدورة البالغ 0.04 ثانية، مع تقليل نبضة التشغيل إلى النصف لتصبح 0.01 ثانية، وزيادة نبضة الإيقاف إلى 0.03 ثانية. لديك نفس عدد النبضات في الثانية (25)، ولكن كل نبضة تشغيل هي نصف الطول. نبضة نصف الطول تدور المحرك عُشر دورة فقط، وعند 25 نبضة في الثانية سيكمل المحرك 1.25 دورة في الثانية أو 75 دورة في الدقيقة. من خلال تغيير سرعة النبضات للإشارة الرقمية، قمت بتقليل سرعة المحرك التناظري إلى النصف.
+
+```output
+25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
+1.25 rotations per second x 60 seconds in a minute = 75rpm
+```
+
+✅ كيف يمكنك الحفاظ على دوران المحرك بسلاسة، خاصةً عند السرعات المنخفضة؟ هل ستستخدم عددًا صغيرًا من النبضات الطويلة مع فترات توقف طويلة أم العديد من النبضات القصيرة جدًا مع فترات توقف قصيرة جدًا؟
+
+> 💁 بعض المستشعرات تستخدم أيضًا PWM لتحويل الإشارات التناظرية إلى إشارات رقمية.
+
+> 🎓 يمكنك قراءة المزيد عن تعديل عرض النبضة على [صفحة تعديل عرض النبضة على ويكيبيديا](https://wikipedia.org/wiki/Pulse-width_modulation).
+
+### المشغلات الرقمية
+
+المشغلات الرقمية، مثل المستشعرات الرقمية، إما أن تكون لها حالتان يتم التحكم فيهما بواسطة جهد مرتفع أو منخفض، أو تحتوي على DAC مدمج يمكنه تحويل الإشارة الرقمية إلى إشارة تناظرية.
+
+أحد المشغلات الرقمية البسيطة هو LED. عندما يرسل الجهاز إشارة رقمية بقيمة 1، يتم إرسال جهد مرتفع يضيء LED. وعندما يتم إرسال إشارة رقمية بقيمة 0، ينخفض الجهد إلى 0 فولت وينطفئ LED.
+
+![LED مطفأ عند 0 فولت ومضاء عند 5 فولت](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ar.png)
+
+✅ ما هي المشغلات الأخرى ذات الحالتين البسيطة التي يمكنك التفكير فيها؟ أحد الأمثلة هو الملف اللولبي، وهو مغناطيس كهربائي يمكن تنشيطه للقيام بأشياء مثل تحريك مزلاج الباب لقفل/فتح الباب.
+
+المشغلات الرقمية الأكثر تقدمًا، مثل الشاشات، تتطلب إرسال البيانات الرقمية بتنسيقات معينة. عادةً ما تأتي مع مكتبات تسهل إرسال البيانات الصحيحة للتحكم بها.
+
+---
+
+## 🚀 التحدي
+
+التحدي في الدرسين الأخيرين كان سرد أكبر عدد ممكن من أجهزة إنترنت الأشياء الموجودة في منزلك أو مدرستك أو مكان عملك وتحديد ما إذا كانت مبنية حول وحدات تحكم دقيقة أو أجهزة كمبيوتر أحادية اللوحة، أو حتى مزيج من الاثنين.
+
+بالنسبة لكل جهاز قمت بسرده، ما هي المستشعرات والمشغلات المتصلة به؟ ما هو الغرض من كل مستشعر ومشغل متصل بهذه الأجهزة؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ عن الكهرباء والدوائر على [ThingLearn](http://thinglearn.jenlooper.com/curriculum/).
+* اقرأ عن الأنواع المختلفة من مستشعرات درجة الحرارة على [دليل مستشعرات درجة الحرارة من Seeed Studios](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/)
+* اقرأ عن LEDs على [صفحة LED على ويكيبيديا](https://wikipedia.org/wiki/Light-emitting_diode)
+
+## الواجب
+
+[بحث حول المستشعرات والمشغلات](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..d37d436c
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T23:26:00+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "ar"
+}
+-->
+# بحث حول المستشعرات والمحركات
+
+## التعليمات
+
+تناولت هذه الدرس المستشعرات والمحركات. قم بالبحث ووصف مستشعر واحد ومحرك واحد يمكن استخدامهما مع مجموعة تطوير إنترنت الأشياء، بما في ذلك:
+
+* ما الذي يقوم به
+* الإلكترونيات/الأجهزة المستخدمة داخله
+* هل هو تناظري أم رقمي
+* ما هي الوحدات ومدى المدخلات أو القياسات
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------- | ------- | --------------- |
+| وصف مستشعر | تم وصف مستشعر مع تفاصيل لجميع الأقسام الأربعة المذكورة أعلاه. | تم وصف مستشعر، ولكن تم تقديم تفاصيل لـ 2-3 أقسام فقط من الأقسام المذكورة أعلاه. | تم وصف مستشعر، ولكن تم تقديم تفاصيل لقسم واحد فقط من الأقسام المذكورة أعلاه. |
+| وصف محرك | تم وصف محرك مع تفاصيل لجميع الأقسام الأربعة المذكورة أعلاه. | تم وصف محرك، ولكن تم تقديم تفاصيل لـ 2-3 أقسام فقط من الأقسام المذكورة أعلاه. | تم وصف محرك، ولكن تم تقديم تفاصيل لقسم واحد فقط من الأقسام المذكورة أعلاه. |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..76aad05b
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T23:26:39+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "ar"
+}
+-->
+# بناء مصباح ليلي - Raspberry Pi
+
+في هذا الجزء من الدرس، ستضيف مصباح LED إلى Raspberry Pi الخاص بك وتستخدمه لإنشاء مصباح ليلي.
+
+## الأجهزة
+
+المصباح الليلي يحتاج الآن إلى مشغل.
+
+المشغل هو **LED**، وهو [صمام باعث للضوء](https://wikipedia.org/wiki/Light-emitting_diode) ينبعث منه الضوء عندما يمر التيار من خلاله. هذا المشغل الرقمي له حالتان فقط، تشغيل وإيقاف. إرسال قيمة 1 يشغل الـ LED، وإرسال قيمة 0 يطفئه. الـ LED هو مشغل خارجي من نوع Grove ويحتاج إلى الاتصال بقبعة Grove Base على Raspberry Pi.
+
+منطق المصباح الليلي في الكود الوهمي هو:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### توصيل الـ LED
+
+يأتي Grove LED كوحدة تحتوي على مجموعة من مصابيح LED، مما يتيح لك اختيار اللون.
+
+#### المهمة - توصيل الـ LED
+
+قم بتوصيل الـ LED.
+
+![مصباح Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ar.png)
+
+1. اختر مصباح LED المفضل لديك وأدخل الأرجل في الفتحتين الموجودتين على وحدة الـ LED.
+
+    مصابيح LED هي صمامات باعثة للضوء، والصمامات هي أجهزة إلكترونية تسمح بمرور التيار في اتجاه واحد فقط. هذا يعني أن الـ LED يجب أن يتم توصيله بالطريقة الصحيحة، وإلا فلن يعمل.
+
+    إحدى أرجل الـ LED هي الطرف الموجب، والأخرى هي الطرف السالب. الـ LED ليس دائريًا تمامًا وله جانب مسطح قليلاً. الجانب المسطح قليلاً هو الطرف السالب. عند توصيل الـ LED بالوحدة، تأكد من أن الطرف الموجود بجانب الجانب المستدير متصل بالمقبس المميز بعلامة **+** على الجزء الخارجي من الوحدة، وأن الجانب المسطح متصل بالمقبس الأقرب إلى منتصف الوحدة.
+
+1. تحتوي وحدة الـ LED على زر دوار يسمح لك بالتحكم في السطوع. قم بتدويره إلى أقصى حد في البداية عن طريق لفه عكس اتجاه عقارب الساعة باستخدام مفك براغي صغير من نوع Phillips.
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على وحدة الـ LED. لن يدخل إلا في اتجاه واحد.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الرقمي المميز بعلامة **D5** على قبعة Grove Base المثبتة على Pi. هذا المقبس هو الثاني من اليسار، في صف المقابس بجانب دبابيس GPIO.
+
+![مصباح Grove LED متصل بالمقبس D5](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ar.png)
+
+## برمجة المصباح الليلي
+
+يمكن الآن برمجة المصباح الليلي باستخدام مستشعر الضوء Grove ومصباح LED Grove.
+
+### المهمة - برمجة المصباح الليلي
+
+قم ببرمجة المصباح الليلي.
+
+1. قم بتشغيل Raspberry Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح مشروع المصباح الليلي في VS Code الذي قمت بإنشائه في الجزء السابق من هذا التمرين، سواء كان يعمل مباشرة على Pi أو متصلًا باستخدام امتداد Remote SSH.
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد مكتبة مطلوبة. يجب إضافته في الأعلى، أسفل أسطر `import` الأخرى.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    يقوم السطر `from grove.grove_led import GroveLed` باستيراد `GroveLed` من مكتبات Python الخاصة بـ Grove. تحتوي هذه المكتبة على كود للتفاعل مع مصباح LED من نوع Grove.
+
+1. أضف الكود التالي بعد إعلان `light_sensor` لإنشاء مثيل للفئة التي تدير الـ LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    يقوم السطر `led = GroveLed(5)` بإنشاء مثيل لفئة `GroveLed` متصل بالدبوس **D5** - وهو دبوس Grove الرقمي الذي تم توصيل الـ LED به.
+
+    > 💁 جميع المقابس لها أرقام دبابيس فريدة. الدبابيس 0، 2، 4، و6 هي دبابيس تناظرية، والدبابيس 5، 16، 18، 22، 24، و26 هي دبابيس رقمية.
+
+1. أضف شرطًا داخل حلقة `while`، وقبل `time.sleep` للتحقق من مستويات الضوء وتشغيل أو إيقاف الـ LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    يتحقق هذا الكود من قيمة `light`. إذا كانت أقل من 300، فإنه يستدعي طريقة `on` من فئة `GroveLed` التي ترسل قيمة رقمية 1 إلى الـ LED، مما يشغله. إذا كانت قيمة الضوء أكبر من أو تساوي 300، فإنه يستدعي طريقة `off`، ويرسل قيمة رقمية 0 إلى الـ LED، مما يطفئه.
+
+    > 💁 يجب أن يكون هذا الكود متراجعًا إلى نفس مستوى السطر `print('Light level:', light)` ليكون داخل حلقة while!
+
+    > 💁 عند إرسال قيم رقمية إلى المشغلات، تكون القيمة 0 هي 0V، والقيمة 1 هي أقصى جهد للجهاز. بالنسبة لـ Raspberry Pi مع مستشعرات ومشغلات Grove، يكون الجهد 1 هو 3.3V.
+
+1. من نافذة Terminal في VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python3 app.py
+    ```
+
+    سيتم إخراج قيم الضوء إلى وحدة التحكم.
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+1. قم بتغطية وكشف مستشعر الضوء. لاحظ كيف يضيء الـ LED إذا كان مستوى الضوء 300 أو أقل، وينطفئ عندما يكون مستوى الضوء أكبر من 300.
+
+    > 💁 إذا لم يضيء الـ LED، تأكد من أنه متصل بالطريقة الصحيحة، وأن الزر الدوار مضبوط على الحد الأقصى.
+
+![الـ LED متصل بـ Pi ويضيء وينطفئ مع تغير مستوى الضوء](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi).
+
+😀 لقد نجحت في برمجة المصباح الليلي!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..435c4884
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T23:21:44+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "ar"
+}
+-->
+# بناء ضوء ليلي - Raspberry Pi
+
+في هذا الجزء من الدرس، ستضيف مستشعر ضوء إلى Raspberry Pi الخاص بك.
+
+## الأجهزة
+
+المستشعر المستخدم في هذا الدرس هو **مستشعر الضوء** الذي يستخدم [الثنائي الضوئي](https://wikipedia.org/wiki/Photodiode) لتحويل الضوء إلى إشارة كهربائية. هذا المستشعر التناظري يرسل قيمة عددية تتراوح بين 0 و 1,000 تشير إلى كمية الضوء النسبية، والتي لا تتوافق مع أي وحدة قياس قياسية مثل [اللكس](https://wikipedia.org/wiki/Lux).
+
+مستشعر الضوء هو مستشعر خارجي من نوع Grove ويحتاج إلى الاتصال بقبعة قاعدة Grove على Raspberry Pi.
+
+### توصيل مستشعر الضوء
+
+مستشعر الضوء من نوع Grove المستخدم للكشف عن مستويات الضوء يحتاج إلى الاتصال بـ Raspberry Pi.
+
+#### المهمة - توصيل مستشعر الضوء
+
+قم بتوصيل مستشعر الضوء
+
+![مستشعر الضوء من نوع Grove](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على وحدة مستشعر الضوء. يمكن إدخاله في اتجاه واحد فقط.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس التناظري المسمى **A0** على قبعة قاعدة Grove المثبتة على Pi. هذا المقبس هو الثاني من اليمين، في صف المقابس بجانب دبابيس GPIO.
+
+![مستشعر الضوء من نوع Grove متصل بالمقبس A0](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ar.png)
+
+## برمجة مستشعر الضوء
+
+يمكن الآن برمجة الجهاز باستخدام مستشعر الضوء من نوع Grove.
+
+### المهمة - برمجة مستشعر الضوء
+
+قم ببرمجة الجهاز.
+
+1. قم بتشغيل Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح مشروع الضوء الليلي في VS Code الذي أنشأته في الجزء السابق من هذا التمرين، سواء كان يعمل مباشرة على Pi أو متصلًا باستخدام امتداد Remote SSH.
+
+1. افتح ملف `app.py` وقم بإزالة جميع التعليمات البرمجية منه.
+
+1. أضف التعليمات البرمجية التالية إلى ملف `app.py` لاستيراد بعض المكتبات المطلوبة:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    يقوم الأمر `import time` باستيراد وحدة `time` التي سيتم استخدامها لاحقًا في هذا التمرين.
+
+    يقوم الأمر `from grove.grove_light_sensor_v1_2 import GroveLightSensor` باستيراد `GroveLightSensor` من مكتبات Python الخاصة بـ Grove. تحتوي هذه المكتبة على تعليمات برمجية للتفاعل مع مستشعر الضوء من نوع Grove، وتم تثبيتها عالميًا أثناء إعداد Pi.
+
+1. أضف التعليمات البرمجية التالية بعد التعليمات البرمجية أعلاه لإنشاء نسخة من الفئة التي تدير مستشعر الضوء:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    يقوم السطر `light_sensor = GroveLightSensor(0)` بإنشاء نسخة من فئة `GroveLightSensor` متصلة بالدبوس **A0** - الدبوس التناظري من نوع Grove الذي يتصل به مستشعر الضوء.
+
+1. أضف حلقة لا نهائية بعد التعليمات البرمجية أعلاه لاستطلاع قيمة مستشعر الضوء وطباعة النتيجة إلى وحدة التحكم:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    ستقوم هذه الحلقة بقراءة مستوى الضوء الحالي على مقياس من 0 إلى 1,023 باستخدام خاصية `light` لفئة `GroveLightSensor`. تقوم هذه الخاصية بقراءة القيمة التناظرية من الدبوس. يتم بعد ذلك طباعة هذه القيمة إلى وحدة التحكم.
+
+1. أضف فترة توقف قصيرة لمدة ثانية واحدة في نهاية الحلقة حيث لا تحتاج مستويات الضوء إلى الفحص بشكل مستمر. التوقف يقلل من استهلاك الطاقة للجهاز.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. من نافذة Terminal في VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python3 app.py
+    ```
+
+    سيتم إخراج قيم الضوء إلى وحدة التحكم. قم بتغطية مستشعر الضوء وكشفه، وستتغير القيم:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+> 💁 يمكنك العثور على هذه التعليمات البرمجية في مجلد [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi).
+
+😀 إضافة مستشعر إلى برنامج الضوء الليلي الخاص بك كانت ناجحة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..86f673f1
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T23:28:55+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "ar"
+}
+-->
+# بناء ضوء ليلي - أجهزة إنترنت الأشياء الافتراضية
+
+في هذا الجزء من الدرس، ستضيف مصباح LED إلى جهاز إنترنت الأشياء الافتراضي الخاص بك وتستخدمه لإنشاء ضوء ليلي.
+
+## الأجهزة الافتراضية
+
+يحتاج الضوء الليلي إلى مشغل واحد يتم إنشاؤه في تطبيق CounterFit.
+
+المشغل هو **مصباح LED**. في جهاز إنترنت الأشياء الفعلي، سيكون [الصمام الثنائي الباعث للضوء](https://wikipedia.org/wiki/Light-emitting_diode) الذي ينبعث منه الضوء عند مرور التيار الكهربائي من خلاله. هذا المشغل الرقمي له حالتان، تشغيل وإيقاف. إرسال قيمة 1 يشغل المصباح، وإرسال قيمة 0 يطفئه.
+
+منطق الضوء الليلي في الكود الوهمي هو:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### إضافة المشغل إلى CounterFit
+
+لاستخدام مصباح LED افتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة - إضافة المشغل إلى CounterFit
+
+أضف مصباح LED إلى تطبيق CounterFit.
+
+1. تأكد من أن تطبيق الويب CounterFit يعمل من الجزء السابق من هذا التمرين. إذا لم يكن كذلك، قم بتشغيله وأعد إضافة مستشعر الضوء.
+
+1. قم بإنشاء مصباح LED:
+
+    1. في مربع *إنشاء مشغل* في لوحة *المشغل*، انقر على القائمة المنسدلة *نوع المشغل* واختر *LED*.
+
+    1. قم بتعيين *Pin* إلى *5*.
+
+    1. اختر زر **إضافة** لإنشاء مصباح LED على Pin 5.
+
+    ![إعدادات مصباح LED](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ar.png)
+
+    سيتم إنشاء مصباح LED وسيظهر في قائمة المشغلات.
+
+    ![مصباح LED تم إنشاؤه](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ar.png)
+
+    بمجرد إنشاء مصباح LED، يمكنك تغيير اللون باستخدام منتقي *اللون*. اختر زر **تعيين** لتغيير اللون بعد تحديده.
+
+### برمجة الضوء الليلي
+
+يمكن الآن برمجة الضوء الليلي باستخدام مستشعر الضوء ومصباح LED في CounterFit.
+
+#### المهمة - برمجة الضوء الليلي
+
+برمج الضوء الليلي.
+
+1. افتح مشروع الضوء الليلي في VS Code الذي أنشأته في الجزء السابق من هذا التمرين. قم بإنهاء وإعادة إنشاء الطرفية للتأكد من أنها تعمل باستخدام البيئة الافتراضية إذا لزم الأمر.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد مكتبة مطلوبة. يجب إضافته في الأعلى، أسفل أسطر `import` الأخرى.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    يقوم السطر `from counterfit_shims_grove.grove_led import GroveLed` باستيراد `GroveLed` من مكتبات Python الخاصة بـ CounterFit Grove shim. تحتوي هذه المكتبة على كود للتفاعل مع مصباح LED الذي تم إنشاؤه في تطبيق CounterFit.
+
+1. أضف الكود التالي بعد تعريف `light_sensor` لإنشاء مثيل للفئة التي تدير مصباح LED:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    يقوم السطر `led = GroveLed(5)` بإنشاء مثيل لفئة `GroveLed` متصل بـ Pin **5** - وهو Pin في CounterFit Grove الذي يتصل به مصباح LED.
+
+1. أضف شرطًا داخل حلقة `while`، وقبل `time.sleep` للتحقق من مستويات الضوء وتشغيل أو إطفاء مصباح LED:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    يتحقق هذا الكود من قيمة `light`. إذا كانت أقل من 300، فإنه يستدعي طريقة `on` من فئة `GroveLed` التي ترسل قيمة رقمية 1 إلى مصباح LED، مما يشغله. إذا كانت قيمة الضوء أكبر من أو تساوي 300، فإنه يستدعي طريقة `off`، ويرسل قيمة رقمية 0 إلى مصباح LED، مما يطفئه.
+
+    > 💁 يجب أن يكون هذا الكود مدمجًا بنفس مستوى السطر `print('Light level:', light)` ليكون داخل حلقة while!
+
+1. من الطرفية في VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python3 app.py
+    ```
+
+    سيتم إخراج قيم الضوء إلى وحدة التحكم.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. قم بتغيير إعدادات *القيمة* أو *العشوائية* لتغيير مستوى الضوء فوق وتحت 300. سيعمل مصباح LED على التشغيل والإطفاء.
+
+![مصباح LED في تطبيق CounterFit يعمل ويطفئ مع تغير مستوى الضوء](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device).
+
+😀 لقد نجحت في برمجة الضوء الليلي الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..6c91d4e2
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T23:29:57+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "ar"
+}
+-->
+# بناء مصباح ليلي - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستضيف مستشعر ضوء إلى جهاز إنترنت الأشياء الافتراضي الخاص بك.
+
+## الأجهزة الافتراضية
+
+يحتاج المصباح الليلي إلى مستشعر واحد يتم إنشاؤه في تطبيق CounterFit.
+
+المستشعر هو **مستشعر ضوء**. في جهاز إنترنت الأشياء الفعلي، سيكون [فوتوديود](https://wikipedia.org/wiki/Photodiode) يحول الضوء إلى إشارة كهربائية. مستشعرات الضوء هي مستشعرات تناظرية ترسل قيمة عددية تشير إلى كمية الضوء النسبية، والتي لا تتوافق مع أي وحدة قياس قياسية مثل [لوكس](https://wikipedia.org/wiki/Lux).
+
+### إضافة المستشعرات إلى CounterFit
+
+لاستخدام مستشعر ضوء افتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة - إضافة المستشعرات إلى CounterFit
+
+أضف مستشعر الضوء إلى تطبيق CounterFit.
+
+1. تأكد من أن تطبيق CounterFit يعمل من الجزء السابق من هذا التمرين. إذا لم يكن كذلك، قم بتشغيله.
+
+1. قم بإنشاء مستشعر ضوء:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، افتح قائمة *نوع المستشعر* وحدد *ضوء*.
+
+    1. اترك خيار *الوحدات* مضبوطًا على *بدون وحدات*.
+
+    1. تأكد من أن *الدبوس* مضبوط على *0*.
+
+    1. اضغط على زر **إضافة** لإنشاء مستشعر الضوء على الدبوس 0.
+
+    ![إعدادات مستشعر الضوء](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ar.png)
+
+    سيتم إنشاء مستشعر الضوء وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر الضوء](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ar.png)
+
+## برمجة مستشعر الضوء
+
+يمكن الآن برمجة الجهاز لاستخدام مستشعر الضوء المدمج.
+
+### المهمة - برمجة مستشعر الضوء
+
+برمج الجهاز.
+
+1. افتح مشروع المصباح الليلي في VS Code الذي أنشأته في الجزء السابق من هذا التمرين. قم بإيقاف وإعادة إنشاء الطرفية للتأكد من أنها تعمل باستخدام البيئة الافتراضية إذا لزم الأمر.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py` مع بقية عبارات `import` لاستيراد بعض المكتبات المطلوبة:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    يقوم السطر `import time` باستيراد وحدة `time` في بايثون التي ستُستخدم لاحقًا في هذا التمرين.
+
+    يقوم السطر `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` باستيراد `GroveLightSensor` من مكتبات CounterFit Grove shim الخاصة ببايثون. تحتوي هذه المكتبة على كود للتفاعل مع مستشعر الضوء الذي تم إنشاؤه في تطبيق CounterFit.
+
+1. أضف الكود التالي إلى أسفل الملف لإنشاء مثيلات من الفئات التي تدير مستشعر الضوء:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    يقوم السطر `light_sensor = GroveLightSensor(0)` بإنشاء مثيل لفئة `GroveLightSensor` متصل بالدبوس **0** - وهو دبوس CounterFit Grove الذي يتصل به مستشعر الضوء.
+
+1. أضف حلقة لا نهائية بعد الكود أعلاه لاستطلاع قيمة مستشعر الضوء وطباعتها على وحدة التحكم:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    سيقوم هذا بقراءة مستوى الضوء الحالي باستخدام خاصية `light` من فئة `GroveLightSensor`. تقوم هذه الخاصية بقراءة القيمة التناظرية من الدبوس. يتم بعد ذلك طباعة هذه القيمة على وحدة التحكم.
+
+1. أضف فترة انتظار قصيرة لمدة ثانية واحدة في نهاية حلقة `while` حيث لا تحتاج مستويات الضوء إلى التحقق بشكل مستمر. تقلل فترة الانتظار من استهلاك الطاقة للجهاز.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. من الطرفية في VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق بايثون الخاص بك:
+
+    ```sh
+    python3 app.py
+    ```
+
+    سيتم إخراج قيم الضوء إلى وحدة التحكم. في البداية، ستكون هذه القيمة 0.
+
+1. من تطبيق CounterFit، قم بتغيير قيمة مستشعر الضوء التي سيتم قراءتها بواسطة التطبيق. يمكنك القيام بذلك بإحدى طريقتين:
+
+    * أدخل رقمًا في مربع *القيمة* الخاص بمستشعر الضوء، ثم اضغط على زر **تعيين**. الرقم الذي تدخله سيكون القيمة التي يعيدها المستشعر.
+
+    * قم بتحديد مربع *عشوائي*، وأدخل قيمة *الحد الأدنى* و *الحد الأقصى*، ثم اضغط على زر **تعيين**. في كل مرة يقرأ فيها المستشعر قيمة، سيقرأ رقمًا عشوائيًا بين *الحد الأدنى* و *الحد الأقصى*.
+
+    القيم التي تقوم بتعيينها ستظهر في وحدة التحكم. قم بتغيير *القيمة* أو إعدادات *العشوائي* لجعل القيمة تتغير.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device).
+
+😀 لقد نجح برنامج المصباح الليلي الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..ec04bce6
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T23:27:54+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "ar"
+}
+-->
+# بناء ضوء ليلي - Wio Terminal
+
+في هذا الجزء من الدرس، ستضيف LED إلى جهاز Wio Terminal الخاص بك وتستخدمه لإنشاء ضوء ليلي.
+
+## الأجهزة
+
+الضوء الليلي يحتاج الآن إلى مشغل.
+
+المشغل هو **LED**، وهو [صمام ثنائي باعث للضوء](https://wikipedia.org/wiki/Light-emitting_diode) ينبعث منه الضوء عندما يمر التيار الكهربائي من خلاله. هذا المشغل الرقمي له حالتان، تشغيل وإيقاف. إرسال قيمة 1 يشغل الـ LED، وقيمة 0 تطفئه. هذا المشغل هو مشغل خارجي من نوع Grove ويحتاج إلى الاتصال بجهاز Wio Terminal.
+
+منطق الضوء الليلي في الكود الوهمي هو:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### توصيل الـ LED
+
+يأتي Grove LED كوحدة تحتوي على مجموعة من الـ LEDs، مما يتيح لك اختيار اللون.
+
+#### المهمة - توصيل الـ LED
+
+قم بتوصيل الـ LED.
+
+![صورة لـ Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ar.png)
+
+1. اختر الـ LED المفضل لديك وأدخل الأرجل في الثقبين الموجودين على وحدة الـ LED.
+
+    الـ LEDs هي صمامات ثنائية باعثة للضوء، والصمامات الثنائية هي أجهزة إلكترونية يمكنها حمل التيار في اتجاه واحد فقط. هذا يعني أن الـ LED يجب أن يتم توصيله بالطريقة الصحيحة، وإلا فلن يعمل.
+
+    إحدى أرجل الـ LED هي الطرف الموجب، والأخرى هي الطرف السالب. الـ LED ليس دائريًا تمامًا، وهو مسطح قليلاً من جانب واحد. الجانب المسطح قليلاً هو الطرف السالب. عند توصيل الـ LED بالوحدة، تأكد من أن الطرف الموجود بجانب الجانب المستدير متصل بالمقبس المميز بعلامة **+** على الجزء الخارجي من الوحدة، وأن الجانب المسطح متصل بالمقبس الأقرب إلى منتصف الوحدة.
+
+1. تحتوي وحدة الـ LED على زر دوار يسمح لك بالتحكم في السطوع. قم بتدويره بالكامل في البداية عن طريق لفه عكس اتجاه عقارب الساعة إلى أقصى حد باستخدام مفك براغي صغير برأس فيليبس.
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على وحدة الـ LED. لن يدخل إلا في اتجاه واحد.
+
+1. مع فصل جهاز Wio Terminal عن الكمبيوتر أو أي مصدر طاقة آخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الموجود على الجانب الأيمن من جهاز Wio Terminal أثناء النظر إلى الشاشة. هذا هو المقبس الأبعد عن زر الطاقة.
+
+    > 💁 يمكن استخدام المقبس الموجود على الجانب الأيمن من Grove مع المستشعرات والمشغلات التناظرية أو الرقمية. المقبس الموجود على الجانب الأيسر مخصص فقط للمستشعرات والمشغلات الرقمية.
+
+![الـ Grove LED متصل بالمقبس الأيمن](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ar.png)
+
+## برمجة الضوء الليلي
+
+يمكن الآن برمجة الضوء الليلي باستخدام مستشعر الضوء المدمج وGrove LED.
+
+### المهمة - برمجة الضوء الليلي
+
+قم ببرمجة الضوء الليلي.
+
+1. افتح مشروع الضوء الليلي في VS Code الذي أنشأته في الجزء السابق من هذا التمرين.
+
+1. أضف السطر التالي إلى أسفل دالة `setup`:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    يقوم هذا السطر بتكوين الدبوس المستخدم للتواصل مع الـ LED عبر منفذ Grove.
+
+    دبوس `D0` هو الدبوس الرقمي للمقبس الأيمن من Grove. يتم ضبط هذا الدبوس على `OUTPUT`، مما يعني أنه يتصل بمشغل وسيتم كتابة البيانات إلى الدبوس.
+
+1. أضف الكود التالي مباشرة قبل `delay` في دالة `loop`:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    يتحقق هذا الكود من قيمة `light`. إذا كانت أقل من 300، فإنه يرسل قيمة `HIGH` إلى الدبوس الرقمي `D0`. هذه القيمة `HIGH` تعادل 1، مما يشغل الـ LED. إذا كانت قيمة الضوء أكبر من أو تساوي 300، يتم إرسال قيمة `LOW` تعادل 0 إلى الدبوس، مما يطفئ الـ LED.
+
+    > 💁 عند إرسال قيم رقمية إلى المشغلات، تكون القيمة LOW هي 0 فولت، والقيمة HIGH هي أقصى جهد للجهاز. بالنسبة لجهاز Wio Terminal، الجهد العالي هو 3.3 فولت.
+
+1. أعد توصيل جهاز Wio Terminal بجهاز الكمبيوتر الخاص بك، وقم بتحميل الكود الجديد كما فعلت من قبل.
+
+1. قم بتوصيل Serial Monitor. سيتم إخراج قيم الضوء إلى الطرفية.
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+1. قم بتغطية مستشعر الضوء وكشفه. لاحظ كيف يضيء الـ LED إذا كان مستوى الضوء 300 أو أقل، وينطفئ عندما يكون مستوى الضوء أكبر من 300.
+
+![الـ LED المتصل بجهاز WIO يضيء وينطفئ مع تغير مستوى الضوء](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal).
+
+😀 لقد نجحت في برمجة الضوء الليلي!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..3f5d14ce
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T23:31:06+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "ar"
+}
+-->
+# إضافة مستشعر - Wio Terminal
+
+في هذا الجزء من الدرس، ستستخدم مستشعر الضوء الموجود في Wio Terminal.
+
+## الأجهزة
+
+المستشعر المستخدم في هذا الدرس هو **مستشعر الضوء** الذي يستخدم [الصمام الضوئي](https://wikipedia.org/wiki/Photodiode) لتحويل الضوء إلى إشارة كهربائية. هذا المستشعر هو مستشعر تناظري يرسل قيمة عددية تتراوح بين 0 و1023 تشير إلى كمية الضوء النسبية، والتي لا تتوافق مع أي وحدة قياس قياسية مثل [اللكس](https://wikipedia.org/wiki/Lux).
+
+مستشعر الضوء مدمج في Wio Terminal ويمكن رؤيته من خلال النافذة البلاستيكية الشفافة الموجودة في الخلف.
+
+![مستشعر الضوء في الجزء الخلفي من Wio Terminal](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ar.png)
+
+## برمجة مستشعر الضوء
+
+يمكن الآن برمجة الجهاز لاستخدام مستشعر الضوء المدمج.
+
+### المهمة
+
+برمج الجهاز.
+
+1. افتح مشروع "الضوء الليلي" في VS Code الذي أنشأته في الجزء السابق من هذا التمرين.
+
+1. أضف السطر التالي إلى نهاية دالة `setup`:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    هذا السطر يقوم بتكوين الدبابيس المستخدمة للتواصل مع أجهزة المستشعر.
+
+    دبوس `WIO_LIGHT` هو رقم دبوس GPIO المتصل بمستشعر الضوء المدمج. يتم ضبط هذا الدبوس على `INPUT`، مما يعني أنه متصل بمستشعر وسيتم قراءة البيانات من الدبوس.
+
+1. احذف محتويات دالة `loop`.
+
+1. أضف الكود التالي إلى دالة `loop` الفارغة الآن.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    هذا الكود يقرأ قيمة تناظرية من دبوس `WIO_LIGHT`. يتم قراءة قيمة تتراوح بين 0 و1023 من مستشعر الضوء المدمج. يتم إرسال هذه القيمة بعد ذلك إلى المنفذ التسلسلي بحيث يمكنك قراءتها في Serial Monitor عند تشغيل هذا الكود. `Serial.print` يكتب النص بدون سطر جديد في النهاية، لذا سيبدأ كل سطر بـ `Light value:` وينتهي بالقيمة الفعلية للضوء.
+
+1. أضف تأخيرًا صغيرًا لمدة ثانية واحدة (1000 مللي ثانية) في نهاية دالة `loop` حيث لا تحتاج مستويات الضوء إلى الفحص بشكل مستمر. التأخير يقلل من استهلاك الطاقة للجهاز.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. أعد توصيل Wio Terminal بجهاز الكمبيوتر الخاص بك، وقم برفع الكود الجديد كما فعلت من قبل.
+
+1. قم بتوصيل Serial Monitor. سيتم إخراج قيم الضوء إلى الطرفية. قم بتغطية مستشعر الضوء الموجود في الجزء الخلفي من Wio Terminal وكشفه، وستتغير القيم.
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal).
+
+😀 إضافة مستشعر إلى برنامج الضوء الليلي الخاص بك كانت ناجحة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/README.md b/translations/ar/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..bece0255
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T23:12:54+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "ar"
+}
+-->
+# قم بتوصيل جهازك بالإنترنت
+
+![رسم توضيحي لهذا الدرس](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+تم تدريس هذا الدرس كجزء من سلسلة [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). تم تقديم الدرس في شكل فيديوهين - درس مدته ساعة واحدة، وساعة أخرى للإجابة على الأسئلة والتعمق في أجزاء من الدرس.
+
+[![الدرس 4: قم بتوصيل جهازك بالإنترنت](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![الدرس 4: قم بتوصيل جهازك بالإنترنت - ساعات المكتب](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 اضغط على الصور أعلاه لمشاهدة الفيديوهات
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## المقدمة
+
+الحرف **I** في IoT يشير إلى **الإنترنت** - الاتصال السحابي والخدمات التي تمكن العديد من ميزات أجهزة إنترنت الأشياء، بدءًا من جمع القياسات من المستشعرات المتصلة بالجهاز، إلى إرسال الرسائل للتحكم في المشغلات. عادةً ما تتصل أجهزة إنترنت الأشياء بخدمة سحابية واحدة باستخدام بروتوكول اتصال قياسي، وتكون هذه الخدمة متصلة ببقية تطبيق إنترنت الأشياء الخاص بك، بدءًا من خدمات الذكاء الاصطناعي لاتخاذ قرارات ذكية بناءً على بياناتك، إلى تطبيقات الويب للتحكم أو الإبلاغ.
+
+> 🎓 البيانات التي يتم جمعها من المستشعرات وإرسالها إلى السحابة تُسمى القياسات عن بُعد (Telemetry).
+
+يمكن لأجهزة إنترنت الأشياء استقبال رسائل من السحابة. غالبًا ما تحتوي هذه الرسائل على أوامر - أي تعليمات لتنفيذ إجراء إما داخليًا (مثل إعادة التشغيل أو تحديث البرنامج الثابت)، أو باستخدام مشغل (مثل تشغيل الضوء).
+
+يقدم هذا الدرس بعض بروتوكولات الاتصال التي يمكن لأجهزة إنترنت الأشياء استخدامها للاتصال بالسحابة، وأنواع البيانات التي قد ترسلها أو تستقبلها. ستتعامل أيضًا مع هذه البروتوكولات عمليًا، حيث ستضيف التحكم عبر الإنترنت إلى مصباحك الليلي، وتنقل منطق التحكم في LED إلى كود "الخادم" الذي يعمل محليًا.
+
+في هذا الدرس سنتناول:
+
+* [بروتوكولات الاتصال](../../../../../1-getting-started/lessons/4-connect-internet)
+* [نقل القياسات عن بُعد عبر الرسائل (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [القياسات عن بُعد](../../../../../1-getting-started/lessons/4-connect-internet)
+* [الأوامر](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## بروتوكولات الاتصال
+
+هناك عدد من بروتوكولات الاتصال الشائعة التي تستخدمها أجهزة إنترنت الأشياء للتواصل مع الإنترنت. الأكثر شيوعًا تعتمد على الرسائل بنظام النشر/الاشتراك عبر وسيط معين. تتصل أجهزة إنترنت الأشياء بالوسيط وتنشر القياسات عن بُعد وتُشترك في الأوامر. كما تتصل الخدمات السحابية بالوسيط وتُشترك في جميع رسائل القياسات عن بُعد وتنشر الأوامر إما لأجهزة معينة أو لمجموعات من الأجهزة.
+
+![أجهزة إنترنت الأشياء تتصل بوسيط وتنشر القياسات عن بُعد وتُشترك في الأوامر. الخدمات السحابية تتصل بالوسيط وتُشترك في جميع القياسات وترسل الأوامر إلى أجهزة معينة.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ar.png)
+
+MQTT هو البروتوكول الأكثر شيوعًا لأجهزة إنترنت الأشياء ويتم تناوله في هذا الدرس. تشمل البروتوكولات الأخرى AMQP وHTTP/HTTPS.
+
+## نقل القياسات عن بُعد عبر الرسائل (MQTT)
+
+[MQTT](http://mqtt.org) هو بروتوكول رسائل مفتوح وخفيف الوزن يمكنه إرسال الرسائل بين الأجهزة. تم تصميمه في عام 1999 لمراقبة خطوط أنابيب النفط، قبل أن يتم إصداره كمعيار مفتوح بعد 15 عامًا بواسطة IBM.
+
+يحتوي MQTT على وسيط واحد وعدة عملاء. يتصل جميع العملاء بالوسيط، ويقوم الوسيط بتوجيه الرسائل إلى العملاء المعنيين. يتم توجيه الرسائل باستخدام مواضيع مسماة، بدلاً من إرسالها مباشرة إلى عميل معين. يمكن للعميل النشر في موضوع معين، وأي عملاء يشتركون في هذا الموضوع سيتلقون الرسالة.
+
+![جهاز إنترنت الأشياء ينشر القياسات عن بُعد في موضوع /telemetry، وخدمة السحابة تشترك في هذا الموضوع](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ar.png)
+
+✅ قم ببعض البحث. إذا كان لديك العديد من أجهزة إنترنت الأشياء، كيف يمكنك ضمان أن وسيط MQTT يمكنه التعامل مع جميع الرسائل؟
+
+### قم بتوصيل جهاز إنترنت الأشياء الخاص بك بـ MQTT
+
+الجزء الأول من إضافة التحكم عبر الإنترنت إلى مصباحك الليلي هو توصيله بوسيط MQTT.
+
+#### المهمة
+
+قم بتوصيل جهازك بوسيط MQTT.
+
+في هذا الجزء من الدرس، ستقوم بتوصيل مصباحك الليلي بالإنترنت للسماح بالتحكم فيه عن بُعد. لاحقًا في هذا الدرس، سيرسل جهاز إنترنت الأشياء الخاص بك رسالة قياسات عن بُعد عبر MQTT إلى وسيط MQTT عام مع مستوى الضوء، حيث سيتم التقاطها بواسطة كود خادم ستكتبه. هذا الكود سيتحقق من مستوى الضوء ويرسل رسالة أمر إلى الجهاز تخبره بتشغيل أو إطفاء LED.
+
+يمكن أن يكون الاستخدام الواقعي لهذا الإعداد هو جمع البيانات من مستشعرات ضوء متعددة قبل اتخاذ قرار بتشغيل الأضواء، في موقع يحتوي على العديد من الأضواء، مثل ملعب. يمكن أن يمنع هذا تشغيل الأضواء إذا كان مستشعر واحد فقط مغطى بالغيوم أو طائر، بينما المستشعرات الأخرى تكتشف ما يكفي من الضوء.
+
+✅ ما هي الحالات الأخرى التي قد تتطلب تقييم البيانات من مستشعرات متعددة قبل إرسال الأوامر؟
+
+بدلاً من التعامل مع تعقيدات إعداد وسيط MQTT كجزء من هذه المهمة، يمكنك استخدام خادم اختبار عام يعمل بـ [Eclipse Mosquitto](https://www.mosquitto.org)، وهو وسيط MQTT مفتوح المصدر. هذا الوسيط التجريبي متاح للجمهور على [test.mosquitto.org](https://test.mosquitto.org)، ولا يتطلب إعداد حساب، مما يجعله أداة رائعة لاختبار عملاء وخوادم MQTT.
+
+> 💁 هذا الوسيط التجريبي عام وغير آمن. يمكن لأي شخص الاستماع إلى ما تنشره، لذا لا ينبغي استخدامه مع أي بيانات تحتاج إلى الحفاظ على خصوصيتها.
+
+![مخطط تدفق المهمة يظهر مستويات الضوء التي يتم قراءتها وفحصها، والتحكم في LED](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ar.png)
+
+اتبع الخطوة المناسبة أدناه لتوصيل جهازك بوسيط MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-mqtt.md)
+
+### نظرة أعمق على MQTT
+
+يمكن أن تحتوي المواضيع على تسلسل هرمي، ويمكن للعملاء الاشتراك في مستويات مختلفة من التسلسل باستخدام الرموز العامة. على سبيل المثال، يمكنك إرسال رسائل قياسات درجة الحرارة إلى موضوع `/telemetry/temperature` ورسائل الرطوبة إلى موضوع `/telemetry/humidity`، ثم في تطبيق السحابة الخاص بك الاشتراك في موضوع `/telemetry/*` لتلقي كل من رسائل درجة الحرارة والرطوبة.
+
+يمكن إرسال الرسائل بجودة خدمة (QoS)، والتي تحدد ضمان استلام الرسالة.
+
+* مرة واحدة فقط - يتم إرسال الرسالة مرة واحدة فقط ولا يتخذ العميل والوسيط أي خطوات إضافية لتأكيد التسليم (إرسال ونسيان).
+* مرة واحدة على الأقل - يتم إعادة محاولة إرسال الرسالة بواسطة المرسل عدة مرات حتى يتم استلام التأكيد (تسليم مؤكد).
+* مرة واحدة فقط - يتفق المرسل والمستقبل على عملية مصافحة من مستويين لضمان استلام نسخة واحدة فقط من الرسالة (تسليم مضمون).
+
+✅ ما هي الحالات التي قد تتطلب رسالة تسليم مضمون بدلاً من رسالة إرسال ونسيان؟
+
+على الرغم من أن الاسم هو Message Queueing (MQTT)، إلا أنه لا يدعم فعليًا قوائم الانتظار للرسائل. هذا يعني أنه إذا انقطع اتصال العميل ثم أعيد الاتصال، فلن يتلقى الرسائل التي تم إرسالها أثناء الانقطاع، باستثناء تلك الرسائل التي بدأ بالفعل في معالجتها باستخدام عملية QoS. يمكن أن تحتوي الرسائل على علامة محتفظ بها. إذا تم تعيين هذه العلامة، سيقوم وسيط MQTT بتخزين آخر رسالة تم إرسالها على موضوع بهذه العلامة، وإرسالها إلى أي عملاء يشتركون لاحقًا في الموضوع. بهذه الطريقة، سيحصل العملاء دائمًا على أحدث رسالة.
+
+يدعم MQTT أيضًا وظيفة الحفاظ على الاتصال التي تتحقق من استمرار الاتصال خلال الفجوات الطويلة بين الرسائل.
+
+> 🦟 [Mosquitto من مؤسسة Eclipse](https://mosquitto.org) يوفر وسيط MQTT مجاني يمكنك تشغيله بنفسك لتجربة MQTT، بالإضافة إلى وسيط MQTT عام يمكنك استخدامه لاختبار الكود الخاص بك، مستضاف على [test.mosquitto.org](https://test.mosquitto.org).
+
+يمكن أن تكون اتصالات MQTT عامة ومفتوحة، أو مشفرة ومؤمنة باستخدام أسماء المستخدمين وكلمات المرور، أو الشهادات.
+
+> 💁 يتواصل MQTT عبر TCP/IP، نفس بروتوكول الشبكة الأساسي مثل HTTP، ولكن على منفذ مختلف. يمكنك أيضًا استخدام MQTT عبر WebSockets للتواصل مع تطبيقات الويب التي تعمل في المتصفح، أو في الحالات التي تمنع فيها الجدران النارية أو قواعد الشبكة الأخرى اتصالات MQTT القياسية.
+
+## القياسات عن بُعد
+
+كلمة القياسات عن بُعد مشتقة من جذور يونانية تعني القياس عن بُعد. القياسات عن بُعد هي عملية جمع البيانات من المستشعرات وإرسالها إلى السحابة.
+
+> 💁 أحد أقدم أجهزة القياسات عن بُعد تم اختراعه في فرنسا عام 1874 وأرسل بيانات الطقس وعمق الثلوج في الوقت الفعلي من جبل مونت بلانك إلى باريس. استخدم أسلاكًا مادية حيث لم تكن التقنيات اللاسلكية متاحة في ذلك الوقت.
+
+لننظر مرة أخرى إلى مثال منظم الحرارة الذكي من الدرس الأول.
+
+![منظم حرارة متصل بالإنترنت يستخدم مستشعرات متعددة في الغرف](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ar.png)
+
+يحتوي منظم الحرارة على مستشعرات درجة الحرارة لجمع القياسات عن بُعد. من المحتمل أن يحتوي على مستشعر درجة حرارة مدمج، وقد يتصل بمستشعرات درجة حرارة خارجية متعددة عبر بروتوكول لاسلكي مثل [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE).
+
+مثال على بيانات القياسات عن بُعد التي قد يرسلها يمكن أن يكون:
+
+| الاسم | القيمة | الوصف |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | درجة الحرارة التي تم قياسها بواسطة مستشعر درجة الحرارة المدمج في منظم الحرارة |
+| `livingroom_temperature` | 19°C | درجة الحرارة التي تم قياسها بواسطة مستشعر درجة حرارة خارجي تم تسميته `livingroom` لتحديد الغرفة التي يوجد بها |
+| `bedroom_temperature` | 21°C | درجة الحرارة التي تم قياسها بواسطة مستشعر درجة حرارة خارجي تم تسميته `bedroom` لتحديد الغرفة التي يوجد بها |
+
+يمكن للخدمة السحابية بعد ذلك استخدام بيانات القياسات عن بُعد لاتخاذ قرارات حول الأوامر التي يجب إرسالها للتحكم في التدفئة.
+
+### إرسال القياسات عن بُعد من جهاز إنترنت الأشياء الخاص بك
+
+الجزء التالي في إضافة التحكم عبر الإنترنت إلى مصباحك الليلي هو إرسال مستوى الضوء كقياسات عن بُعد إلى وسيط MQTT على موضوع القياسات عن بُعد.
+
+#### المهمة - إرسال القياسات عن بُعد من جهاز إنترنت الأشياء الخاص بك
+
+أرسل مستوى الضوء كقياسات عن بُعد إلى وسيط MQTT.
+
+يتم إرسال البيانات مشفرة بصيغة JSON - اختصار لـ JavaScript Object Notation، وهو معيار لتشفير البيانات في نص باستخدام أزواج المفتاح/القيمة.
+
+✅ إذا لم تكن قد تعاملت مع JSON من قبل، يمكنك معرفة المزيد عنه من خلال [وثائق JSON.org](https://www.json.org/).
+
+اتبع الخطوة المناسبة أدناه لإرسال القياسات عن بُعد من جهازك إلى وسيط MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-telemetry.md)
+
+### استقبال القياسات عن بُعد من وسيط MQTT
+
+لا فائدة من إرسال القياسات عن بُعد إذا لم يكن هناك شيء يستمع لها. يحتاج مستوى الضوء إلى شيء يستمع له لمعالجة البيانات. الكود "الخادم" هو نوع الكود الذي ستقوم بنشره على خدمة سحابية كجزء من تطبيق إنترنت الأشياء الأكبر، ولكن هنا ستقوم بتشغيل هذا الكود محليًا على جهاز الكمبيوتر الخاص بك (أو على Raspberry Pi إذا كنت تعمل مباشرة عليه). يتكون كود الخادم من تطبيق Python يستمع لرسائل القياسات عن بُعد عبر MQTT مع مستويات الضوء. لاحقًا في هذا الدرس ستجعله يرد برسالة أمر تحتوي على تعليمات لتشغيل أو إطفاء LED.
+
+✅ قم ببعض البحث: ماذا يحدث لرسائل MQTT إذا لم يكن هناك مستمع؟
+
+#### تثبيت Python وVS Code
+
+إذا لم يكن لديك Python وVS Code مثبتين محليًا، ستحتاج إلى تثبيتهما لكتابة كود الخادم. إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، أو تعمل على Raspberry Pi، يمكنك تخطي هذه الخطوة حيث يجب أن يكون لديك بالفعل هذه الأدوات مثبتة ومهيأة.
+
+##### المهمة - تثبيت Python وVS Code
+
+قم بتثبيت Python وVS Code.
+
+1. قم بتثبيت Python. راجع [صفحة تنزيل Python](https://www.python.org/downloads/) للحصول على تعليمات تثبيت أحدث إصدار من Python.
+
+1. قم بتثبيت Visual Studio Code (VS Code). هذا هو المحرر الذي ستستخدمه لكتابة كود الجهاز الافتراضي الخاص بك بلغة Python. راجع [وثائق VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) للحصول على تعليمات تثبيت VS Code.
+💁 يمكنك استخدام أي محرر أو بيئة تطوير متكاملة (IDE) خاصة بلغة بايثون إذا كنت تفضل أداة معينة، ولكن الدروس ستقدم التعليمات بناءً على استخدام VS Code.
+1. قم بتثبيت إضافة Pylance لـ VS Code. هذه الإضافة توفر دعمًا للغة Python في VS Code. راجع [وثائق إضافة Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) للحصول على تعليمات حول كيفية تثبيت هذه الإضافة في VS Code.
+
+#### إعداد بيئة افتراضية لـ Python
+
+من الميزات القوية في Python هي القدرة على تثبيت [حزم pip](https://pypi.org) - وهي حزم من الأكواد التي كتبها أشخاص آخرون وتم نشرها على الإنترنت. يمكنك تثبيت حزمة pip على جهازك باستخدام أمر واحد، ثم استخدام تلك الحزمة في الكود الخاص بك. ستستخدم pip لتثبيت حزمة للتواصل عبر MQTT.
+
+بشكل افتراضي، عند تثبيت حزمة، تكون متاحة في كل مكان على جهازك، وهذا قد يؤدي إلى مشاكل في إصدارات الحزم - مثل اعتماد تطبيق معين على إصدار معين من حزمة يتعطل عند تثبيت إصدار جديد لتطبيق آخر. لتجنب هذه المشكلة، يمكنك استخدام [بيئة افتراضية لـ Python](https://docs.python.org/3/library/venv.html)، وهي في الأساس نسخة من Python في مجلد مخصص، وعند تثبيت حزم pip، يتم تثبيتها فقط في ذلك المجلد.
+
+##### المهمة - إعداد بيئة افتراضية لـ Python
+
+قم بإعداد بيئة افتراضية لـ Python وقم بتثبيت حزم pip الخاصة بـ MQTT.
+
+1. من خلال الطرفية أو سطر الأوامر، قم بتشغيل الأوامر التالية في موقع من اختيارك لإنشاء مجلد جديد والانتقال إليه:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. الآن قم بتشغيل الأمر التالي لإنشاء بيئة افتراضية في مجلد `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 تحتاج إلى استدعاء `python3` بشكل صريح لإنشاء البيئة الافتراضية في حال كان لديك Python 2 مثبتًا بالإضافة إلى Python 3 (الإصدار الأحدث). إذا كان Python 2 مثبتًا، فإن استدعاء `python` سيستخدم Python 2 بدلاً من Python 3.
+
+1. قم بتفعيل البيئة الافتراضية:
+
+    * على Windows:
+        * إذا كنت تستخدم Command Prompt أو Command Prompt من خلال Windows Terminal، قم بتشغيل:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * إذا كنت تستخدم PowerShell، قم بتشغيل:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * على macOS أو Linux، قم بتشغيل:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 يجب تشغيل هذه الأوامر من نفس الموقع الذي قمت فيه بتشغيل الأمر لإنشاء البيئة الافتراضية. لن تحتاج أبدًا إلى التنقل داخل مجلد `.venv`، بل يجب دائمًا تشغيل أمر التفعيل وأي أوامر لتثبيت الحزم أو تشغيل الأكواد من المجلد الذي كنت فيه عند إنشاء البيئة الافتراضية.
+
+1. بمجرد تفعيل البيئة الافتراضية، سيقوم الأمر الافتراضي `python` بتشغيل إصدار Python الذي تم استخدامه لإنشاء البيئة الافتراضية. قم بتشغيل الأمر التالي للحصول على الإصدار:
+
+    ```sh
+    python --version
+    ```
+
+    سيكون الإخراج مشابهًا لما يلي:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 قد يكون إصدار Python الخاص بك مختلفًا - طالما أنه الإصدار 3.6 أو أعلى، فأنت بخير. إذا لم يكن كذلك، قم بحذف هذا المجلد، وقم بتثبيت إصدار أحدث من Python وحاول مرة أخرى.
+
+1. قم بتشغيل الأوامر التالية لتثبيت حزمة pip الخاصة بـ [Paho-MQTT](https://pypi.org/project/paho-mqtt/)، وهي مكتبة MQTT شائعة.
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    سيتم تثبيت هذه الحزمة فقط في البيئة الافتراضية، ولن تكون متاحة خارجها.
+
+#### كتابة كود الخادم
+
+يمكن الآن كتابة كود الخادم باستخدام Python.
+
+##### المهمة - كتابة كود الخادم
+
+قم بكتابة كود الخادم.
+
+1. من خلال الطرفية أو سطر الأوامر، قم بتشغيل الأمر التالي داخل البيئة الافتراضية لإنشاء ملف Python يسمى `app.py`:
+
+    * على Windows، قم بتشغيل:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * على macOS أو Linux، قم بتشغيل:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. افتح المجلد الحالي في VS Code:
+
+    ```sh
+    code .
+    ```
+
+1. عند تشغيل VS Code، سيتم تفعيل البيئة الافتراضية لـ Python. سيتم الإبلاغ عن ذلك في شريط الحالة السفلي:
+
+    ![VS Code showing the selected virtual environment](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ar.png)
+
+1. إذا كانت الطرفية في VS Code تعمل بالفعل عند بدء تشغيل VS Code، فلن يتم تفعيل البيئة الافتراضية فيها. أسهل شيء يمكنك فعله هو إغلاق الطرفية باستخدام زر **Kill the active terminal instance**:
+
+    ![VS Code Kill the active terminal instance button](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ar.png)
+
+1. قم بتشغيل طرفية جديدة في VS Code عن طريق اختيار *Terminal -> New Terminal*، أو الضغط على `` CTRL+` ``. ستقوم الطرفية الجديدة بتحميل البيئة الافتراضية، مع ظهور استدعاء التفعيل في الطرفية. كما سيظهر اسم البيئة الافتراضية (`.venv`) في الموجه:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. افتح ملف `app.py` من مستكشف VS Code وأضف الكود التالي:
+
+    ```python
+    import json
+    import time
+    
+    import paho.mqtt.client as mqtt
+    
+    id = '<ID>'
+    
+    client_telemetry_topic = id + '/telemetry'
+    client_name = id + 'nightlight_server'
+    
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+    
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+    mqtt_client.subscribe(client_telemetry_topic)
+    mqtt_client.on_message = handle_telemetry
+    
+    while True:
+        time.sleep(2)
+    ```
+
+    استبدل `<ID>` في السطر 6 بالمعرف الفريد الذي استخدمته عند إنشاء كود الجهاز.
+
+    ⚠️ يجب أن يكون هذا **نفس المعرف** الذي استخدمته على جهازك، وإلا فلن يقوم كود الخادم بالاشتراك أو النشر في الموضوع الصحيح.
+
+    يقوم هذا الكود بإنشاء عميل MQTT باسم فريد، ويتصل بوسيط *test.mosquitto.org*. ثم يبدأ حلقة معالجة تعمل في خيط خلفي تستمع للرسائل على أي مواضيع مشترك فيها.
+
+    بعد ذلك، يشترك العميل في الرسائل على موضوع القياسات، ويحدد وظيفة يتم استدعاؤها عند استلام رسالة. عند استلام رسالة قياسات، يتم استدعاء وظيفة `handle_telemetry`، التي تطبع الرسالة المستلمة إلى الطرفية.
+
+    أخيرًا، تبقي حلقة لا نهائية التطبيق قيد التشغيل. يستمع عميل MQTT للرسائل في خيط خلفي ويعمل طوال الوقت الذي يكون فيه التطبيق الرئيسي قيد التشغيل.
+
+1. من طرفية VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python app.py
+    ```
+
+    سيبدأ التطبيق في الاستماع للرسائل من جهاز IoT.
+
+1. تأكد من أن جهازك يعمل ويرسل رسائل القياسات. قم بتغيير مستويات الضوء التي يكتشفها جهازك الفعلي أو الافتراضي. سيتم طباعة الرسائل المستلمة إلى الطرفية.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    يجب أن يكون ملف `app.py` في البيئة الافتراضية الخاصة بـ nightlight قيد التشغيل لكي يتمكن ملف `app.py` في البيئة الافتراضية الخاصة بـ nightlight-server من استلام الرسائل المرسلة.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server).
+
+### كم مرة يجب إرسال القياسات؟
+
+أحد الاعتبارات المهمة مع القياسات هو عدد مرات قياس البيانات وإرسالها؟ الإجابة هي - يعتمد ذلك. إذا قمت بالقياس بشكل متكرر، يمكنك الاستجابة بشكل أسرع للتغيرات في القياسات، ولكنك ستستهلك المزيد من الطاقة، والمزيد من عرض النطاق الترددي، وتولد المزيد من البيانات، وتحتاج إلى المزيد من موارد السحابة لمعالجتها. تحتاج إلى القياس بشكل كافٍ، ولكن ليس بشكل مفرط.
+
+بالنسبة للثرموستات، قد يكون القياس كل بضع دقائق أكثر من كافٍ لأن درجات الحرارة لا تتغير كثيرًا. إذا قمت بالقياس مرة واحدة فقط في اليوم، فقد ينتهي بك الأمر بتدفئة منزلك لدرجات حرارة الليل في منتصف يوم مشمس، بينما إذا قمت بالقياس كل ثانية، فستحصل على آلاف القياسات المكررة غير الضرورية التي ستستهلك سرعة الإنترنت وعرض النطاق الترددي للمستخدم (مشكلة للأشخاص الذين لديهم خطط عرض نطاق ترددي محدودة)، وتستهلك المزيد من الطاقة، مما قد يكون مشكلة للأجهزة التي تعمل بالبطاريات مثل المستشعرات البعيدة، وتزيد من تكلفة موارد الحوسبة السحابية لمعالجتها وتخزينها.
+
+إذا كنت تراقب البيانات حول قطعة من الآلات في مصنع، والتي إذا تعطلت قد تسبب أضرارًا كارثية وخسائر بملايين الدولارات، فقد يكون من الضروري القياس عدة مرات في الثانية. من الأفضل إهدار عرض النطاق الترددي بدلاً من تفويت قياسات تشير إلى أن الآلة تحتاج إلى التوقف والإصلاح قبل أن تتعطل.
+
+> 💁 في هذه الحالة، قد تفكر في وجود جهاز طرفي لمعالجة القياسات أولاً لتقليل الاعتماد على الإنترنت.
+
+### فقدان الاتصال
+
+يمكن أن تكون اتصالات الإنترنت غير موثوقة، مع انقطاعات شائعة. ماذا يجب أن يفعل جهاز IoT في هذه الظروف - هل يجب أن يفقد البيانات، أم يجب أن يخزنها حتى يتم استعادة الاتصال؟ مرة أخرى، الإجابة هي يعتمد.
+
+بالنسبة للثرموستات، يمكن فقدان البيانات بمجرد أخذ قياس جديد لدرجة الحرارة. نظام التدفئة لا يهتم بأن درجة الحرارة كانت 20.5°C قبل 20 دقيقة إذا كانت الآن 19°C، فالدرجة الحالية هي التي تحدد ما إذا كان يجب تشغيل التدفئة أم لا.
+
+بالنسبة للآلات، قد ترغب في الاحتفاظ بالبيانات، خاصة إذا كانت تستخدم للبحث عن الاتجاهات. هناك نماذج تعلم الآلة التي يمكنها اكتشاف الشذوذات في تدفقات البيانات من خلال النظر إلى البيانات من فترة زمنية محددة (مثل الساعة الأخيرة) واكتشاف البيانات الشاذة. يتم استخدام هذا غالبًا للصيانة التنبؤية، حيث يتم البحث عن مؤشرات على أن شيئًا ما قد يتعطل قريبًا حتى تتمكن من إصلاحه أو استبداله قبل حدوث ذلك. قد ترغب في إرسال كل جزء من القياسات الخاصة بآلة ليتم معالجتها لاكتشاف الشذوذات، لذلك بمجرد أن يتمكن جهاز IoT من إعادة الاتصال، سيرسل جميع القياسات التي تم إنشاؤها أثناء انقطاع الإنترنت.
+
+يجب على مصممي أجهزة IoT أيضًا التفكير فيما إذا كان يمكن استخدام جهاز IoT أثناء انقطاع الإنترنت أو فقدان الإشارة بسبب الموقع. يجب أن يكون الثرموستات الذكي قادرًا على اتخاذ بعض القرارات المحدودة للتحكم في التدفئة إذا لم يتمكن من إرسال القياسات إلى السحابة بسبب انقطاع.
+
+[![تعطل سيارة فيراري لأن شخصًا ما حاول تحديثها تحت الأرض حيث لا يوجد استقبال خلوي](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ar.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+لـ MQTT للتعامل مع فقدان الاتصال، يجب أن يكون كود الجهاز والخادم مسؤولاً عن ضمان تسليم الرسائل إذا لزم الأمر، على سبيل المثال من خلال طلب أن يتم الرد على جميع الرسائل المرسلة برسائل إضافية على موضوع رد، وإذا لم يتم ذلك، يتم وضعها في قائمة انتظار يدويًا ليتم إعادة تشغيلها لاحقًا.
+
+## الأوامر
+
+الأوامر هي رسائل يتم إرسالها من السحابة إلى الجهاز، تطلب منه القيام بشيء ما. في معظم الأحيان، يتضمن ذلك إعطاء نوع من الإخراج عبر مشغل، ولكن يمكن أن يكون تعليمات للجهاز نفسه، مثل إعادة التشغيل، أو جمع قياسات إضافية وإعادتها كاستجابة للأمر.
+
+![ثرموستات متصل بالإنترنت يتلقى أمرًا لتشغيل التدفئة](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ar.png)
+
+يمكن أن يتلقى الثرموستات أمرًا من السحابة لتشغيل التدفئة. بناءً على بيانات القياسات من جميع المستشعرات، إذا قررت خدمة السحابة أن التدفئة يجب أن تكون قيد التشغيل، فإنها ترسل الأمر المناسب.
+
+### إرسال الأوامر إلى وسيط MQTT
+
+الخطوة التالية في مشروع "الضوء الليلي المتصل بالإنترنت" هي أن يقوم كود الخادم بإرسال أمر إلى جهاز IoT للتحكم في الضوء بناءً على مستويات الضوء التي يكتشفها.
+
+1. افتح كود الخادم في VS Code.
+
+1. أضف السطر التالي بعد تعريف `client_telemetry_topic` لتحديد الموضوع الذي سيتم إرسال الأوامر إليه:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. أضف الكود التالي إلى نهاية وظيفة `handle_telemetry`:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    يقوم هذا بإرسال رسالة JSON إلى موضوع الأوامر مع قيمة `led_on` مضبوطة على true أو false بناءً على ما إذا كان الضوء أقل من 300 أم لا. إذا كان الضوء أقل من 300، يتم إرسال true لإبلاغ الجهاز بتشغيل الـ LED.
+
+1. قم بتشغيل الكود كما في السابق.
+
+1. قم بتغيير مستويات الضوء التي يكتشفها جهازك الفعلي أو الافتراضي. سيتم كتابة الرسائل المستلمة والأوامر المرسلة إلى الطرفية:
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Sending message: {'led_on': True}
+    Message received: {'light': 400}
+    Sending message: {'led_on': False}
+    ```
+
+> 💁 يتم إرسال القياسات والأوامر على موضوع واحد لكل منهما. هذا يعني أن القياسات من أجهزة متعددة ستظهر على نفس موضوع القياسات، والأوامر إلى أجهزة متعددة ستظهر على نفس موضوع الأوامر. إذا كنت تريد إرسال أمر إلى جهاز معين، يمكنك استخدام مواضيع متعددة، مسماة بمعرف جهاز فريد، مثل `/commands/device1`، `/commands/device2`. بهذه الطريقة يمكن للجهاز الاستماع إلى الرسائل المخصصة لذلك الجهاز فقط.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server).
+
+### التعامل مع الأوامر على جهاز IoT
+
+الآن بعد أن يتم إرسال الأوامر من الخادم، يمكنك الآن إضافة كود إلى جهاز IoT للتعامل معها والتحكم في الـ LED.
+
+اتبع الخطوة المناسبة أدناه للاستماع إلى الأوامر من وسيط MQTT:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Single-board computer - Raspberry Pi/Virtual IoT device](single-board-computer-commands.md)
+
+بمجرد كتابة هذا الكود وتشغيله، جرب تغيير مستويات الضوء. شاهد الإخراج من الخادم والجهاز، وشاهد الـ LED أثناء تغيير مستويات الضوء.
+
+### فقدان الاتصال
+
+ماذا يجب أن تفعل خدمة السحابة إذا احتاجت إلى إرسال أمر إلى جهاز IoT غير متصل؟ مرة أخرى، الإجابة هي يعتمد.
+
+إذا كان الأمر الأخير يلغي أمرًا سابقًا، فيمكن تجاهل الأوامر السابقة. إذا أرسلت خدمة السحابة أمرًا لتشغيل التدفئة، ثم أرسلت أمرًا لإيقافها، فيمكن تجاهل أمر التشغيل وعدم إعادة إرساله.
+
+إذا كان يجب معالجة الأوامر بترتيب معين، مثل تحريك ذراع روبوت للأعلى، ثم إغلاق ماسك، فيجب إرسالها بالترتيب بمجرد استعادة الاتصال.
+
+✅ كيف يمكن لكود الجهاز أو الخادم ضمان إرسال الأوامر ومعالجتها دائمًا بترتيب صحيح عبر MQTT إذا لزم الأمر؟
+
+---
+
+## 🚀 التحدي
+
+كان التحدي في الدروس الثلاثة الأخيرة هو سرد أكبر عدد ممكن من أجهزة IoT الموجودة في منزلك، مدرستك، أو مكان عملك وتحديد ما إذا كانت مبنية حول متحكمات دقيقة أو حواسيب أحادية اللوحة، أو حتى مزيج من الاثنين، والتفكير في المستشعرات والمشغلات التي تستخدمها.
+بالنسبة لهذه الأجهزة، فكر في الرسائل التي قد ترسلها أو تستقبلها. ما هي البيانات التي ترسلها؟ ما هي الرسائل أو الأوامر التي قد تستقبلها؟ هل تعتقد أنها آمنة؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## المراجعة والدراسة الذاتية
+
+اقرأ المزيد عن MQTT على [صفحة ويكيبيديا الخاصة بـ MQTT](https://wikipedia.org/wiki/MQTT).
+
+حاول تشغيل خادم MQTT بنفسك باستخدام [Mosquitto](https://www.mosquitto.org) وقم بالاتصال به من جهاز إنترنت الأشياء الخاص بك ومن كود الخادم.
+
+> 💁 نصيحة - بشكل افتراضي، لا يسمح Mosquitto بالاتصالات المجهولة (أي الاتصال بدون اسم مستخدم وكلمة مرور)، ولا يسمح بالاتصالات من خارج الكمبيوتر الذي يعمل عليه.
+> يمكنك حل هذه المشكلة باستخدام [ملف إعداد `mosquitto.conf`](https://www.mosquitto.org/man/mosquitto-conf-5.html) يحتوي على ما يلي:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## الواجب
+
+[قارن بين MQTT وبروتوكولات الاتصال الأخرى](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/ar/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..4989f6a3
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T23:18:11+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "ar"
+}
+-->
+# مقارنة ومقارنة بين MQTT وبروتوكولات الاتصال الأخرى
+
+## التعليمات
+
+تناولت هذه الدرس بروتوكول MQTT كأحد بروتوكولات الاتصال. هناك بروتوكولات أخرى، بما في ذلك AMQP وHTTP/HTTPS.
+
+قم بالبحث عن كلا البروتوكولين وقارن بينهما وبين MQTT. فكر في استهلاك الطاقة، الأمان، واستمرارية الرسائل في حالة فقدان الاتصال.
+
+## جدول التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| مقارنة AMQP بـ MQTT | قادر على المقارنة والتباين بين AMQP وMQTT ويغطي استهلاك الطاقة، الأمان، واستمرارية الرسائل. | قادر جزئيًا على المقارنة والتباين بين AMQP وMQTT ويغطي اثنين من استهلاك الطاقة، الأمان، واستمرارية الرسائل. | قادر جزئيًا على المقارنة والتباين بين AMQP وMQTT ويغطي واحدًا فقط من استهلاك الطاقة، الأمان، واستمرارية الرسائل. |
+| مقارنة HTTP/HTTPS بـ MQTT | قادر على المقارنة والتباين بين HTTP/HTTPS وMQTT ويغطي استهلاك الطاقة، الأمان، واستمرارية الرسائل. | قادر جزئيًا على المقارنة والتباين بين HTTP/HTTPS وMQTT ويغطي اثنين من استهلاك الطاقة، الأمان، واستمرارية الرسائل. | قادر جزئيًا على المقارنة والتباين بين HTTP/HTTPS وMQTT ويغطي واحدًا فقط من استهلاك الطاقة، الأمان، واستمرارية الرسائل. |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..3ff47d65
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T23:09:31+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بالاشتراك في الأوامر المرسلة من وسيط MQTT إلى جهاز Raspberry Pi الخاص بك أو جهاز إنترنت الأشياء الافتراضي.
+
+## الاشتراك في الأوامر
+
+الخطوة التالية هي الاشتراك في الأوامر المرسلة من وسيط MQTT والاستجابة لها.
+
+### المهمة
+
+اشترك في الأوامر.
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من أن الطرفية تعمل في البيئة الافتراضية. إذا كنت تستخدم Raspberry Pi، فلن تحتاج إلى استخدام بيئة افتراضية.
+
+1. أضف الكود التالي بعد تعريفات `client_telemetry_topic`:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    `server_command_topic` هو موضوع MQTT الذي سيشترك فيه الجهاز لتلقي أوامر تشغيل وإطفاء الـ LED.
+
+1. أضف الكود التالي مباشرة فوق الحلقة الرئيسية، بعد سطر `mqtt_client.loop_start()`:
+
+    ```python
+    def handle_command(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['led_on']:
+            led.on()
+        else:
+            led.off()
+    
+    mqtt_client.subscribe(server_command_topic)
+    mqtt_client.on_message = handle_command
+    ```
+
+    هذا الكود يعرّف وظيفة، `handle_command`، التي تقرأ الرسالة كوثيقة JSON وتبحث عن قيمة خاصية `led_on`. إذا كانت القيمة `True`، يتم تشغيل الـ LED، وإذا كانت غير ذلك يتم إطفاؤه.
+
+    يقوم عميل MQTT بالاشتراك في الموضوع الذي سيرسل عليه الخادم الرسائل ويحدد وظيفة `handle_command` ليتم استدعاؤها عند استلام رسالة.
+
+    > 💁 يتم استدعاء معالج `on_message` لجميع المواضيع التي تم الاشتراك فيها. إذا قمت لاحقًا بكتابة كود يستمع إلى مواضيع متعددة، يمكنك الحصول على الموضوع الذي أُرسلت إليه الرسالة من كائن `message` الذي يتم تمريره إلى وظيفة المعالجة.
+
+1. قم بتشغيل الكود بنفس الطريقة التي شغّلت بها الكود في الجزء السابق من المهمة. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، فتأكد من أن تطبيق CounterFit يعمل وأن مستشعر الضوء والـ LED قد تم إنشاؤهما على المنافذ الصحيحة.
+
+1. قم بتعديل مستويات الضوء التي يكتشفها جهازك الفعلي أو الافتراضي. سيتم كتابة الرسائل المستلمة والأوامر المرسلة إلى الطرفية. سيتم أيضًا تشغيل وإطفاء الـ LED بناءً على مستوى الضوء.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) أو مجلد [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi).
+
+😀 لقد قمت ببرمجة جهازك بنجاح للاستجابة للأوامر من وسيط MQTT.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..70c9c680
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T23:18:48+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - أجهزة إنترنت الأشياء الافتراضية و Raspberry Pi
+
+يحتاج جهاز إنترنت الأشياء إلى برمجة للتواصل مع *test.mosquitto.org* باستخدام MQTT لإرسال قيم القياس عن بعد مع قراءة مستشعر الضوء، وتلقي الأوامر للتحكم في LED.
+
+في هذا الجزء من الدرس، ستقوم بتوصيل Raspberry Pi أو جهاز إنترنت الأشياء الافتراضي الخاص بك بوسيط MQTT.
+
+## تثبيت حزمة عميل MQTT
+
+للتواصل مع وسيط MQTT، تحتاج إلى تثبيت مكتبة MQTT باستخدام حزمة pip، سواء على Raspberry Pi الخاص بك أو في البيئة الافتراضية إذا كنت تستخدم جهازًا افتراضيًا.
+
+### المهمة
+
+تثبيت حزمة pip
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، تأكد من أن الطرفية تعمل في البيئة الافتراضية. إذا كنت تستخدم Raspberry Pi، فلن تحتاج إلى استخدام البيئة الافتراضية.
+
+1. قم بتشغيل الأمر التالي لتثبيت حزمة pip الخاصة بـ MQTT:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## برمجة الجهاز
+
+الجهاز جاهز للبرمجة.
+
+### المهمة
+
+اكتب كود الجهاز.
+
+1. أضف الاستيراد التالي إلى أعلى ملف `app.py`:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    مكتبة `paho.mqtt.client` تسمح لتطبيقك بالتواصل عبر MQTT.
+
+1. أضف الكود التالي بعد تعريفات مستشعر الضوء و LED:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    استبدل `<ID>` بمعرف فريد سيتم استخدامه كاسم لهذا العميل الخاص بالجهاز، ولاحقًا للمواضيع التي ينشرها هذا الجهاز ويشترك فيها. وسيط *test.mosquitto.org* عام ويستخدمه العديد من الأشخاص، بما في ذلك طلاب آخرين يعملون على هذا التمرين. وجود اسم عميل MQTT فريد وأسماء مواضيع فريدة يضمن أن الكود الخاص بك لن يتعارض مع أي شخص آخر. ستحتاج أيضًا إلى هذا المعرف عند إنشاء كود الخادم لاحقًا في هذا التمرين.
+
+    > 💁 يمكنك استخدام موقع مثل [GUIDGen](https://www.guidgen.com) لإنشاء معرف فريد.
+
+    `client_name` هو اسم فريد لهذا العميل الخاص بـ MQTT على الوسيط.
+
+1. أضف الكود التالي أسفل هذا الكود الجديد لإنشاء كائن عميل MQTT والاتصال بوسيط MQTT:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    هذا الكود ينشئ كائن العميل، ويتصل بوسيط MQTT العام، ويبدأ حلقة معالجة تعمل في خيط خلفي تستمع للرسائل على أي مواضيع مشترك فيها.
+
+1. قم بتشغيل الكود بنفس الطريقة التي قمت بها بتشغيل الكود من الجزء السابق من التمرين. إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، فتأكد من تشغيل تطبيق CounterFit وأن مستشعر الضوء و LED قد تم إنشاؤهما على الدبابيس الصحيحة.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) أو مجلد [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi).
+
+😀 لقد نجحت في توصيل جهازك بوسيط MQTT.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..b2dc3726
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T23:10:12+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإرسال بيانات التتبع (telemetry) الخاصة بمستويات الإضاءة من جهاز Raspberry Pi أو جهاز إنترنت الأشياء الافتراضي إلى وسيط MQTT.
+
+## نشر بيانات التتبع
+
+الخطوة التالية هي إنشاء مستند JSON يحتوي على بيانات التتبع وإرساله إلى وسيط MQTT.
+
+### المهمة
+
+نشر بيانات التتبع إلى وسيط MQTT.
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من أن الطرفية تعمل ضمن البيئة الافتراضية. إذا كنت تستخدم Raspberry Pi، فلن تحتاج إلى استخدام بيئة افتراضية.
+
+1. أضف الاستيراد التالي إلى أعلى ملف `app.py`:
+
+    ```python
+    import json
+    ```
+
+    تُستخدم مكتبة `json` لترميز بيانات التتبع كمستند JSON.
+
+1. أضف السطر التالي بعد تعريف `client_name`:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    `client_telemetry_topic` هو الموضوع (topic) الخاص بـ MQTT الذي سيقوم الجهاز بنشر مستويات الإضاءة إليه.
+
+1. استبدل محتويات حلقة `while True:` الموجودة في نهاية الملف بما يلي:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        telemetry = json.dumps({'light' : light})
+
+        print("Sending telemetry ", telemetry)
+    
+        mqtt_client.publish(client_telemetry_topic, telemetry)
+    
+        time.sleep(5)
+    ```
+
+    يقوم هذا الكود بتعبئة مستوى الإضاءة في مستند JSON ونشره إلى وسيط MQTT. ثم ينتظر لفترة لتقليل تكرار إرسال الرسائل.
+
+1. قم بتشغيل الكود بنفس الطريقة التي شغّلت بها الكود في الجزء السابق من المهمة. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، فتأكد من أن تطبيق CounterFit يعمل وأن مستشعر الضوء وLED قد تم إنشاؤهما على الدبابيس الصحيحة.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) أو المجلد [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi).
+
+😀 لقد قمت بنجاح بإرسال بيانات التتبع من جهازك.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..4ae2d514
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T23:20:57+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بالاشتراك في الأوامر المرسلة من وسيط MQTT إلى جهاز Wio Terminal الخاص بك.
+
+## الاشتراك في الأوامر
+
+الخطوة التالية هي الاشتراك في الأوامر المرسلة من وسيط MQTT، والاستجابة لها.
+
+### المهمة
+
+الاشتراك في الأوامر.
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. أضف الكود التالي إلى أسفل ملف `config.h` لتعريف اسم الموضوع الخاص بالأوامر:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC` هو الموضوع الذي سيشترك فيه الجهاز لتلقي أوامر تشغيل وإطفاء الـ LED.
+
+1. أضف السطر التالي إلى نهاية دالة `reconnectMQTTClient` للاشتراك في موضوع الأوامر عند إعادة الاتصال بعميل MQTT:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. أضف الكود التالي أسفل دالة `reconnectMQTTClient`.
+
+    ```cpp
+    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
+    {
+        char buff[length + 1];
+        for (int i = 0; i < length; i++)
+        {
+            buff[i] = (char)payload[i];
+        }
+        buff[length] = '\0';
+    
+        Serial.print("Message received:");
+        Serial.println(buff);
+    
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, buff);
+        JsonObject obj = doc.as<JsonObject>();
+    
+        bool led_on = obj["led_on"];
+    
+        if (led_on)
+            digitalWrite(D0, HIGH);
+        else
+            digitalWrite(D0, LOW);
+    }
+    ```
+
+    هذه الدالة ستكون رد النداء (callback) الذي سيستدعيه عميل MQTT عند استلام رسالة من الخادم.
+
+    يتم استلام الرسالة كمصفوفة من أعداد صحيحة غير موقعة مكونة من 8 بت، لذا يجب تحويلها إلى مصفوفة أحرف ليتم التعامل معها كنص.
+
+    تحتوي الرسالة على مستند JSON، ويتم فك تشفيره باستخدام مكتبة ArduinoJson. يتم قراءة خاصية `led_on` من مستند JSON، وبناءً على قيمتها يتم تشغيل أو إطفاء الـ LED.
+
+1. أضف الكود التالي إلى دالة `createMQTTClient`:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    هذا الكود يحدد `clientCallback` كدالة رد النداء التي سيتم استدعاؤها عند استلام رسالة من وسيط MQTT.
+
+    > 💁 يتم استدعاء معالج `clientCallback` لجميع المواضيع التي تم الاشتراك فيها. إذا قمت لاحقًا بكتابة كود يستمع إلى مواضيع متعددة، يمكنك الحصول على الموضوع الذي أُرسلت الرسالة إليه من خلال معامل `topic` الذي يتم تمريره إلى دالة رد النداء.
+
+1. قم برفع الكود إلى جهاز Wio Terminal الخاص بك، واستخدم Serial Monitor لرؤية مستويات الضوء التي يتم إرسالها إلى وسيط MQTT.
+
+1. قم بضبط مستويات الضوء التي يتم اكتشافها بواسطة جهازك الفعلي أو الافتراضي. سترى الرسائل التي يتم استلامها والأوامر التي يتم إرسالها في الطرفية. ستلاحظ أيضًا تشغيل وإطفاء الـ LED بناءً على مستوى الضوء.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal).
+
+😀 لقد قمت ببرمجة جهازك بنجاح للاستجابة للأوامر المرسلة من وسيط MQTT.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..9c15d524
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T23:19:42+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - Wio Terminal
+
+يحتاج جهاز إنترنت الأشياء إلى البرمجة للتواصل مع *test.mosquitto.org* باستخدام MQTT لإرسال قيم القياس عن بعد مع قراءة مستشعر الضوء، واستقبال الأوامر للتحكم في LED.
+
+في هذا الجزء من الدرس، ستقوم بتوصيل Wio Terminal بخادم MQTT.
+
+## تثبيت مكتبات WiFi وMQTT الخاصة بـ Arduino
+
+للتواصل مع خادم MQTT، تحتاج إلى تثبيت بعض مكتبات Arduino لاستخدام شريحة WiFi في Wio Terminal، والتواصل مع MQTT. عند تطوير أجهزة Arduino، يمكنك استخدام مجموعة واسعة من المكتبات التي تحتوي على كود مفتوح المصدر وتوفر مجموعة كبيرة من الإمكانيات. تنشر Seeed مكتبات لـ Wio Terminal تسمح له بالتواصل عبر WiFi. كما نشر مطورون آخرون مكتبات للتواصل مع خوادم MQTT، وستستخدم هذه المكتبات مع جهازك.
+
+تُقدم هذه المكتبات ككود مصدر يمكن استيراده تلقائيًا إلى PlatformIO وتجميعه لجهازك. بهذه الطريقة، ستعمل مكتبات Arduino على أي جهاز يدعم إطار عمل Arduino، بشرط أن يحتوي الجهاز على أي أجهزة محددة تحتاجها تلك المكتبة. بعض المكتبات، مثل مكتبات Seeed WiFi، تكون مخصصة لأجهزة معينة.
+
+يمكن تثبيت المكتبات عالميًا وتجميعها إذا لزم الأمر، أو داخل مشروع معين. في هذه المهمة، سيتم تثبيت المكتبات داخل المشروع.
+
+✅ يمكنك معرفة المزيد عن إدارة المكتبات وكيفية العثور على المكتبات وتثبيتها في [وثائق مكتبة PlatformIO](https://docs.platformio.org/en/latest/librarymanager/index.html).
+
+### المهمة - تثبيت مكتبات WiFi وMQTT الخاصة بـ Arduino
+
+قم بتثبيت مكتبات Arduino.
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. أضف ما يلي إلى نهاية ملف `platformio.ini`:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    ```
+
+    هذا يستورد مكتبات Seeed WiFi. تشير صيغة `@ <number>` إلى رقم إصدار معين للمكتبة.
+
+    > 💁 يمكنك إزالة `@ <number>` لاستخدام أحدث إصدار من المكتبات دائمًا، ولكن لا توجد ضمانات بأن الإصدارات الأحدث ستعمل مع الكود أدناه. تم اختبار الكود هنا مع هذا الإصدار من المكتبات.
+
+    هذا كل ما تحتاجه لإضافة المكتبات. في المرة القادمة التي يقوم فيها PlatformIO ببناء المشروع، سيقوم بتنزيل الكود المصدر لهذه المكتبات وتجميعه داخل مشروعك.
+
+1. أضف ما يلي إلى `lib_deps`:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    هذا يستورد [PubSubClient](https://github.com/knolleary/pubsubclient)، وهو عميل MQTT لـ Arduino.
+
+## الاتصال بشبكة WiFi
+
+يمكن الآن توصيل Wio Terminal بشبكة WiFi.
+
+### المهمة - الاتصال بشبكة WiFi
+
+قم بتوصيل Wio Terminal بشبكة WiFi.
+
+1. أنشئ ملفًا جديدًا في مجلد `src` يسمى `config.h`. يمكنك القيام بذلك عن طريق تحديد مجلد `src`، أو ملف `main.cpp` بداخله، واختيار زر **ملف جديد** من المستكشف. يظهر هذا الزر فقط عندما يكون المؤشر فوق المستكشف.
+
+    ![زر الملف الجديد](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ar.png)
+
+1. أضف الكود التالي إلى هذا الملف لتعريف الثوابت الخاصة ببيانات اعتماد شبكة WiFi:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    استبدل `<SSID>` باسم شبكة WiFi الخاصة بك. استبدل `<PASSWORD>` بكلمة مرور شبكة WiFi الخاصة بك.
+
+1. افتح ملف `main.cpp`.
+
+1. أضف توجيهات `#include` التالية إلى أعلى الملف:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    هذا يتضمن ملفات الرأس للمكتبات التي أضفتها سابقًا، بالإضافة إلى ملف رأس التكوين. هذه الملفات الرأس ضرورية لإخبار PlatformIO بجلب الكود من المكتبات. بدون تضمين هذه الملفات الرأس بشكل صريح، لن يتم تجميع بعض الكود وستظهر أخطاء في المترجم.
+
+1. أضف الكود التالي أعلى وظيفة `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    يقوم هذا الكود بالتكرار أثناء عدم اتصال الجهاز بشبكة WiFi، ويحاول الاتصال باستخدام اسم الشبكة وكلمة المرور من ملف رأس التكوين.
+
+1. أضف استدعاء لهذه الوظيفة في نهاية وظيفة `setup`، بعد تكوين الدبابيس.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. قم برفع هذا الكود إلى جهازك للتحقق من أن اتصال WiFi يعمل. يجب أن ترى ذلك في شاشة المراقبة التسلسلية.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    ```
+
+## الاتصال بـ MQTT
+
+بمجرد اتصال Wio Terminal بشبكة WiFi، يمكنه الاتصال بخادم MQTT.
+
+### المهمة - الاتصال بـ MQTT
+
+قم بالاتصال بخادم MQTT.
+
+1. أضف الكود التالي إلى نهاية ملف `config.h` لتعريف تفاصيل الاتصال بخادم MQTT:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    استبدل `<ID>` بمعرف فريد سيتم استخدامه كاسم عميل الجهاز، ولاحقًا للمواضيع التي ينشرها هذا الجهاز ويشترك فيها. خادم *test.mosquitto.org* عام ويستخدمه العديد من الأشخاص، بما في ذلك طلاب آخرين يعملون على هذا التمرين. يضمن وجود اسم عميل MQTT فريد وأسماء مواضيع فريدة أن الكود الخاص بك لن يتعارض مع أي شخص آخر. ستحتاج أيضًا إلى هذا المعرف عند إنشاء كود الخادم لاحقًا في هذا التمرين.
+
+    > 💁 يمكنك استخدام موقع مثل [GUIDGen](https://www.guidgen.com) لإنشاء معرف فريد.
+
+    `BROKER` هو عنوان URL لخادم MQTT.
+
+    `CLIENT_NAME` هو اسم فريد لهذا العميل MQTT على الخادم.
+
+1. افتح ملف `main.cpp`، وأضف الكود التالي أسفل وظيفة `connectWiFi` وأعلى وظيفة `setup`:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    يقوم هذا الكود بإنشاء عميل WiFi باستخدام مكتبات WiFi الخاصة بـ Wio Terminal ويستخدمه لإنشاء عميل MQTT.
+
+1. أسفل هذا الكود، أضف ما يلي:
+
+    ```cpp
+    void reconnectMQTTClient()
+    {
+        while (!client.connected())
+        {
+            Serial.print("Attempting MQTT connection...");
+    
+            if (client.connect(CLIENT_NAME.c_str()))
+            {
+                Serial.println("connected");
+            }
+            else
+            {
+                Serial.print("Retying in 5 seconds - failed, rc=");
+                Serial.println(client.state());
+                
+                delay(5000);
+            }
+        }
+    }
+    ```
+
+    تختبر هذه الوظيفة الاتصال بخادم MQTT وتعيد الاتصال إذا لم يكن متصلًا. تقوم بالتكرار طوال الوقت الذي لا يكون فيه متصلًا وتحاول الاتصال باستخدام اسم العميل الفريد المحدد في ملف رأس التكوين.
+
+    إذا فشل الاتصال، فإنه يعيد المحاولة بعد 5 ثوانٍ.
+
+1. أضف الكود التالي أسفل وظيفة `reconnectMQTTClient`:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    يقوم هذا الكود بتعيين خادم MQTT للعميل، بالإضافة إلى إعداد رد الاتصال عند استلام رسالة. ثم يحاول الاتصال بالخادم.
+
+1. قم باستدعاء وظيفة `createMQTTClient` في وظيفة `setup` بعد اتصال WiFi.
+
+1. استبدل وظيفة `loop` بالكامل بما يلي:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    يبدأ هذا الكود بإعادة الاتصال بخادم MQTT. يمكن قطع هذه الاتصالات بسهولة، لذا من المفيد التحقق بانتظام وإعادة الاتصال إذا لزم الأمر. ثم يستدعي طريقة `loop` على عميل MQTT لمعالجة أي رسائل واردة على الموضوع المشترك فيه. هذا التطبيق أحادي الخيط، لذا لا يمكن استقبال الرسائل على خيط خلفي، وبالتالي يجب تخصيص وقت على الخيط الرئيسي لمعالجة أي رسائل تنتظر على اتصال الشبكة.
+
+    أخيرًا، يضمن تأخير لمدة ثانيتين عدم إرسال مستويات الضوء بشكل متكرر جدًا ويقلل من استهلاك الطاقة للجهاز.
+
+1. قم برفع الكود إلى جهاز Wio Terminal، واستخدم شاشة المراقبة التسلسلية لرؤية الجهاز يتصل بشبكة WiFi وMQTT.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal).
+
+😀 لقد نجحت في توصيل جهازك بخادم MQTT.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..99e7618b
--- /dev/null
+++ b/translations/ar/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T23:17:35+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في ضوء الليل عبر الإنترنت - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإرسال بيانات التتبع الخاصة بمستويات الضوء من جهاز Wio Terminal إلى وسيط MQTT.
+
+## تثبيت مكتبات JSON الخاصة بـ Arduino
+
+طريقة شائعة لإرسال الرسائل عبر MQTT هي استخدام JSON. هناك مكتبة Arduino لـ JSON تسهل قراءة وكتابة مستندات JSON.
+
+### المهمة
+
+قم بتثبيت مكتبة Arduino JSON.
+
+1. افتح مشروع ضوء الليل في VS Code.
+
+1. أضف السطر التالي كخط إضافي إلى قائمة `lib_deps` في ملف `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    هذا يقوم باستيراد [ArduinoJson](https://arduinojson.org)، وهي مكتبة JSON خاصة بـ Arduino.
+
+## نشر بيانات التتبع
+
+الخطوة التالية هي إنشاء مستند JSON يحتوي على بيانات التتبع وإرساله إلى وسيط MQTT.
+
+### المهمة - نشر بيانات التتبع
+
+قم بنشر بيانات التتبع إلى وسيط MQTT.
+
+1. أضف الكود التالي إلى أسفل ملف `config.h` لتعريف اسم موضوع التتبع الخاص بوسيط MQTT:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC` هو الموضوع الذي سيقوم الجهاز بنشر مستويات الضوء عليه.
+
+1. افتح ملف `main.cpp`.
+
+1. أضف توجيه `#include` التالي إلى أعلى الملف:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. أضف الكود التالي داخل دالة `loop`، مباشرة قبل `delay`:
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+
+    DynamicJsonDocument doc(1024);
+    doc["light"] = light;
+
+    string telemetry;
+    serializeJson(doc, telemetry);
+
+    Serial.print("Sending telemetry ");
+    Serial.println(telemetry.c_str());
+
+    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
+    ```
+
+    يقوم هذا الكود بقراءة مستوى الضوء، وإنشاء مستند JSON باستخدام ArduinoJson يحتوي على هذا المستوى. يتم بعد ذلك تحويله إلى سلسلة نصية ونشره على موضوع التتبع الخاص بـ MQTT بواسطة عميل MQTT.
+
+1. قم برفع الكود إلى جهاز Wio Terminal الخاص بك، واستخدم Serial Monitor لرؤية مستويات الضوء التي يتم إرسالها إلى وسيط MQTT.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal).
+
+😀 لقد قمت بنجاح بإرسال بيانات التتبع من جهازك.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/README.md b/translations/ar/2-farm/README.md
new file mode 100644
index 00000000..03ebd95a
--- /dev/null
+++ b/translations/ar/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T22:11:42+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "ar"
+}
+-->
+# الزراعة باستخدام إنترنت الأشياء
+
+مع تزايد عدد السكان، يزداد الطلب على الزراعة. مساحة الأراضي المتاحة لا تتغير، لكن المناخ يتغير - مما يضيف المزيد من التحديات للمزارعين، خاصةً ملياري [المزارعين المعتمدين على الكفاف](https://wikipedia.org/wiki/Subsistence_agriculture) الذين يعتمدون على ما يزرعونه لتأمين غذائهم وإطعام عائلاتهم. يمكن لإنترنت الأشياء أن يساعد المزارعين على اتخاذ قرارات أكثر ذكاءً بشأن ما يزرعونه ومتى يحصدونه، وزيادة الإنتاجية، وتقليل كمية العمل اليدوي، واكتشاف الآفات والتعامل معها.
+
+في هذه الدروس الستة، ستتعلم كيفية تطبيق إنترنت الأشياء لتحسين وأتمتة الزراعة.
+
+> 💁 ستستخدم هذه الدروس بعض الموارد السحابية. إذا لم تكمل جميع الدروس في هذا المشروع، تأكد من [تنظيف مشروعك](../clean-up.md).
+
+## المواضيع
+
+1. [التنبؤ بنمو النباتات باستخدام إنترنت الأشياء](lessons/1-predict-plant-growth/README.md)
+1. [كشف رطوبة التربة](lessons/2-detect-soil-moisture/README.md)
+1. [الري الآلي للنباتات](lessons/3-automated-plant-watering/README.md)
+1. [نقل نباتك إلى السحابة](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [نقل منطق تطبيقك إلى السحابة](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [حافظ على أمان نباتك](lessons/6-keep-your-plant-secure/README.md)
+
+## الشكر
+
+تم كتابة جميع الدروس بحب ♥️ من قبل [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/README.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..2bde8eec
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T22:12:59+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "ar"
+}
+-->
+# توقع نمو النباتات باستخدام إنترنت الأشياء
+
+![نظرة عامة على الدرس](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## المقدمة
+
+النباتات تحتاج إلى عناصر معينة للنمو - الماء، ثاني أكسيد الكربون، المغذيات، الضوء، والحرارة. في هذا الدرس، ستتعلم كيفية حساب معدلات نمو ونضج النباتات من خلال قياس درجة حرارة الهواء.
+
+في هذا الدرس سنتناول:
+
+* [الزراعة الرقمية](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [لماذا تعتبر درجة الحرارة مهمة في الزراعة؟](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [قياس درجة الحرارة المحيطة](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [أيام درجة النمو (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [حساب GDD باستخدام بيانات مستشعر درجة الحرارة](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## الزراعة الرقمية
+
+الزراعة الرقمية تغير طريقة الزراعة باستخدام أدوات لجمع وتخزين وتحليل البيانات الزراعية. نحن حالياً في فترة تُعرف بـ "الثورة الصناعية الرابعة" وفقاً للمنتدى الاقتصادي العالمي، وصعود الزراعة الرقمية يُطلق عليه "الثورة الزراعية الرابعة" أو "الزراعة 4.0".
+
+> 🎓 يشمل مصطلح الزراعة الرقمية أيضاً "سلسلة القيمة الزراعية" بأكملها، أي الرحلة الكاملة من المزرعة إلى المائدة. يتضمن ذلك تتبع جودة المنتجات أثناء شحنها ومعالجتها، أنظمة المستودعات والتجارة الإلكترونية، وحتى تطبيقات تأجير الجرارات!
+
+هذه التغييرات تسمح للمزارعين بزيادة الإنتاجية، استخدام أقل للأسمدة والمبيدات، واستخدام المياه بكفاءة أكبر. على الرغم من أن هذه التقنيات تُستخدم بشكل رئيسي في الدول الغنية، إلا أن أسعار المستشعرات والأجهزة الأخرى تنخفض تدريجياً، مما يجعلها أكثر وصولاً للدول النامية.
+
+بعض التقنيات التي تمكنها الزراعة الرقمية تشمل:
+
+* قياس درجة الحرارة - قياس درجة الحرارة يسمح للمزارعين بتوقع نمو ونضج النباتات.
+* الري الآلي - قياس رطوبة التربة وتشغيل أنظمة الري عندما تكون التربة جافة جداً، بدلاً من الري الموقوت. الري الموقوت يمكن أن يؤدي إلى نقص الري خلال فترات الجفاف أو الإفراط في الري أثناء الأمطار. من خلال الري فقط عندما تحتاج التربة، يمكن للمزارعين تحسين استخدام المياه.
+* مكافحة الآفات - يمكن للمزارعين استخدام الكاميرات على الروبوتات الآلية أو الطائرات بدون طيار لفحص الآفات، ثم تطبيق المبيدات فقط حيثما كان ذلك ضرورياً، مما يقلل من كمية المبيدات المستخدمة ويقلل من تسرب المبيدات إلى مصادر المياه المحلية.
+
+✅ قم ببعض البحث. ما هي التقنيات الأخرى المستخدمة لتحسين إنتاجية الزراعة؟
+
+> 🎓 يُستخدم مصطلح "الزراعة الدقيقة" لتعريف مراقبة وقياس والاستجابة للمحاصيل على أساس كل حقل أو حتى أجزاء من الحقل. يشمل ذلك قياس مستويات المياه والمغذيات والآفات والاستجابة بدقة، مثل الري فقط لجزء صغير من الحقل.
+
+## لماذا تعتبر درجة الحرارة مهمة في الزراعة؟
+
+عند تعلم النباتات، يتم تعليم معظم الطلاب عن ضرورة الماء، الضوء، ثاني أكسيد الكربون، والمغذيات. لكن النباتات تحتاج أيضاً إلى الدفء للنمو - لهذا السبب تزهر النباتات في الربيع مع ارتفاع درجة الحرارة، ولماذا يمكن للزهور مثل النرجس أن تنبت مبكراً بسبب فترة دافئة قصيرة، ولماذا تعتبر البيوت الزجاجية والدفيئات فعالة جداً في تعزيز نمو النباتات.
+
+> 🎓 تقوم البيوت الزجاجية والدفيئات بوظائف مشابهة، ولكن مع اختلاف مهم. يتم تسخين الدفيئات بشكل صناعي وتسمح للمزارعين بالتحكم في درجات الحرارة بدقة أكبر، بينما تعتمد البيوت الزجاجية على الشمس للحصول على الدفء وعادةً ما يكون التحكم الوحيد هو النوافذ أو الفتحات الأخرى لتخفيف الحرارة.
+
+النباتات لديها درجة حرارة أساسية أو دنيا، درجة حرارة مثلى، ودرجة حرارة قصوى، وكلها تعتمد على متوسط درجات الحرارة اليومية.
+
+* درجة الحرارة الأساسية - هذه هي الحد الأدنى لمتوسط درجة الحرارة اليومية اللازمة لنمو النبات.
+* درجة الحرارة المثلى - هذه هي أفضل متوسط درجة حرارة يومية للحصول على أكبر نمو.
+* درجة الحرارة القصوى - هذه هي الحد الأقصى لدرجة الحرارة التي يمكن للنبات تحملها. فوق هذا الحد، يتوقف النبات عن النمو في محاولة للحفاظ على الماء والبقاء على قيد الحياة.
+
+> 💁 هذه هي متوسط درجات الحرارة، محسوبة من درجات الحرارة اليومية والليلية. تحتاج النباتات أيضاً إلى درجات حرارة مختلفة خلال النهار والليل لتساعدها على التمثيل الضوئي بكفاءة أكبر وتوفير الطاقة ليلاً.
+
+كل نوع من النباتات لديه قيم مختلفة لدرجات الحرارة الأساسية والمثلى والقصوى. لهذا السبب تزدهر بعض النباتات في البلدان الحارة، وأخرى في البلدان الباردة.
+
+✅ قم ببعض البحث. بالنسبة لأي نباتات لديك في حديقتك، مدرستك، أو الحديقة المحلية، حاول العثور على درجة الحرارة الأساسية لها.
+
+![رسم بياني يظهر معدل النمو يرتفع مع ارتفاع درجة الحرارة، ثم ينخفض عندما تصبح درجة الحرارة مرتفعة جداً](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ar.png)
+
+الرسم البياني أعلاه يظهر مثالاً على معدل النمو مقابل درجة الحرارة. حتى درجة الحرارة الأساسية، لا يوجد نمو. معدل النمو يزيد حتى يصل إلى درجة الحرارة المثلى، ثم ينخفض بعد الوصول إلى هذه الذروة. 
+
+شكل هذا الرسم البياني يختلف من نوع نبات إلى آخر. بعض النباتات لديها انخفاض حاد بعد المثلى، وبعضها لديها زيادات أبطأ من الأساسية إلى المثلى.
+
+> 💁 لكي يحصل المزارع على أفضل نمو، يحتاج إلى معرفة القيم الثلاث لدرجات الحرارة وفهم شكل الرسوم البيانية للنباتات التي يزرعها.
+
+إذا كان لدى المزارع القدرة على التحكم في درجة الحرارة، على سبيل المثال في دفيئة تجارية، يمكنه تحسين الظروف لنباتاته. دفيئة تجارية تزرع الطماطم على سبيل المثال ستضبط درجة الحرارة إلى حوالي 25 درجة مئوية خلال النهار و20 درجة مئوية ليلاً للحصول على أسرع نمو.
+
+> 🍅 الجمع بين هذه درجات الحرارة مع الإضاءة الصناعية، الأسمدة، والتحكم في مستويات ثاني أكسيد الكربون يعني أن المزارعين التجاريين يمكنهم الزراعة والحصاد طوال العام.
+
+## قياس درجة الحرارة المحيطة
+
+يمكن استخدام مستشعرات درجة الحرارة مع أجهزة إنترنت الأشياء لقياس درجة الحرارة المحيطة.
+
+### المهمة - قياس درجة الحرارة
+
+قم بتنفيذ الدليل المناسب لمراقبة درجات الحرارة باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-temp.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-temp.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-temp.md)
+
+## أيام درجة النمو
+
+أيام درجة النمو (المعروفة أيضاً بوحدات درجة النمو) هي طريقة لقياس نمو النباتات بناءً على درجة الحرارة. بافتراض أن النبات لديه ما يكفي من الماء، المغذيات، وثاني أكسيد الكربون، فإن درجة الحرارة تحدد معدل النمو.
+
+أيام درجة النمو، أو GDD، تُحسب يومياً كمتوسط درجة الحرارة بالدرجة المئوية لليوم فوق درجة الحرارة الأساسية للنبات. كل نبات يحتاج إلى عدد معين من GDD للنمو، الإزهار، أو إنتاج ونضج المحصول. كلما زادت GDD يومياً، زاد معدل نمو النبات.
+
+> 🇺🇸 بالنسبة للأمريكيين، يمكن أيضاً حساب أيام درجة النمو باستخدام الفهرنهايت. 5 GDD (بالدرجة المئوية) تعادل 9 GDD (بالفهرنهايت).
+
+الصيغة الكاملة لحساب GDD معقدة قليلاً، ولكن هناك معادلة مبسطة تُستخدم غالباً كتقريب جيد:
+
+![GDD = T max + T min divided by 2, all minus T base](../../../../../translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.ar.png)
+
+* **GDD** - هذا هو عدد أيام درجة النمو
+* **T max** - هذه هي درجة الحرارة اليومية القصوى بالدرجة المئوية
+* **T min** - هذه هي درجة الحرارة اليومية الدنيا بالدرجة المئوية
+* **T base** - هذه هي درجة الحرارة الأساسية للنبات بالدرجة المئوية
+
+> 💁 هناك اختلافات تتعامل مع T max فوق 30°C أو T min تحت T base، ولكن سنتجاهل هذه الآن.
+
+### مثال - الذرة 🌽
+
+اعتماداً على النوع، تحتاج الذرة (أو الذرة الشامية) بين 800 و2,700 GDD للنضج، مع درجة حرارة أساسية تبلغ 10°C.
+
+في أول يوم فوق درجة الحرارة الأساسية، تم قياس درجات الحرارة التالية:
+
+| القياس      | درجة الحرارة °C |
+| :---------- | :-------------: |
+| القصوى      | 16              |
+| الدنيا      | 12              |
+
+عند إدخال هذه الأرقام في حسابنا:
+
+* T max = 16
+* T min = 12
+* T base = 10
+
+هذا يعطي حساباً:
+
+![GDD = 16 + 12 divided by 2, all minus 10, giving an answer of 4](../../../../../translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.ar.png)
+
+حصلت الذرة على 4 GDD في ذلك اليوم. بافتراض نوع من الذرة يحتاج إلى 800 GDD للنضج، ستحتاج إلى 796 GDD إضافية للوصول إلى النضج.
+
+✅ قم ببعض البحث. بالنسبة لأي نباتات لديك في حديقتك، مدرستك، أو الحديقة المحلية، حاول العثور على عدد GDD المطلوب للوصول إلى النضج أو إنتاج المحاصيل.
+
+## حساب GDD باستخدام بيانات مستشعر درجة الحرارة
+
+النباتات لا تنمو في تواريخ ثابتة - على سبيل المثال لا يمكنك زراعة بذرة ومعرفة أن النبات سيحمل الثمار بالضبط بعد 100 يوم. بدلاً من ذلك، كمزارع يمكنك الحصول على فكرة تقريبية عن المدة التي يستغرقها النبات للنمو، ثم تقوم بفحص يومي لمعرفة متى تكون المحاصيل جاهزة.
+
+هذا له تأثير كبير على العمالة في المزارع الكبيرة، ويعرض المزارع لخطر تفويت المحاصيل التي تكون جاهزة بشكل غير متوقع مبكراً. من خلال قياس درجات الحرارة، يمكن للمزارع حساب GDD التي حصل عليها النبات، مما يسمح له بالفحص فقط عندما يكون قريباً من النضج المتوقع.
+
+من خلال جمع بيانات درجة الحرارة باستخدام جهاز إنترنت الأشياء، يمكن للمزارع أن يتم إعلامه تلقائياً عندما تكون النباتات قريبة من النضج. النموذج النموذجي لهذا هو أن تقوم أجهزة إنترنت الأشياء بقياس درجة الحرارة، ثم نشر هذه البيانات عبر الإنترنت باستخدام شيء مثل MQTT. يقوم الكود الخادم بعد ذلك بالاستماع إلى هذه البيانات وحفظها في مكان ما، مثل قاعدة بيانات. هذا يعني أن البيانات يمكن تحليلها لاحقاً، مثل وظيفة ليلية لحساب GDD لليوم، جمع إجمالي GDD لكل محصول حتى الآن، وتنبيه إذا كان النبات قريباً من النضج.
+
+![يتم إرسال بيانات القياس إلى الخادم ثم حفظها في قاعدة بيانات](../../../../../translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.ar.png)
+
+يمكن للكود الخادم أيضاً تعزيز البيانات بإضافة معلومات إضافية. على سبيل المثال، يمكن لجهاز إنترنت الأشياء نشر معرف للإشارة إلى الجهاز، ويمكن للكود الخادم استخدام هذا للبحث عن موقع الجهاز، وما هي المحاصيل التي يراقبها. يمكنه أيضاً إضافة بيانات أساسية مثل الوقت الحالي حيث أن بعض أجهزة إنترنت الأشياء لا تحتوي على الأجهزة اللازمة لتتبع الوقت بدقة، أو تتطلب كوداً إضافياً لقراءة الوقت الحالي عبر الإنترنت.
+
+✅ لماذا تعتقد أن الحقول المختلفة قد تكون لها درجات حرارة مختلفة؟
+
+### المهمة - نشر معلومات درجة الحرارة
+
+قم بتنفيذ الدليل المناسب لنشر بيانات درجة الحرارة عبر MQTT باستخدام جهاز إنترنت الأشياء الخاص بك حتى يمكن تحليلها لاحقاً:
+
+* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-temp-publish.md)
+
+### المهمة - التقاط وتخزين معلومات درجة الحرارة
+
+بمجرد أن يقوم جهاز إنترنت الأشياء بنشر القياسات، يمكن كتابة الكود الخادم للاشتراك في هذه البيانات وتخزينها. بدلاً من حفظها في قاعدة بيانات، سيقوم الكود الخادم بحفظها في ملف قيم مفصولة بفواصل (CSV). ملفات CSV تخزن البيانات كصفوف من القيم كنص، مع فصل كل قيمة بفاصلة، وكل سجل في سطر جديد. إنها طريقة ملائمة، قابلة للقراءة البشرية ومدعومة جيداً لحفظ البيانات كملف.
+
+سيحتوي ملف CSV على عمودين - *التاريخ* و *درجة الحرارة*. يتم تعيين عمود *التاريخ* كالتاريخ والوقت الحالي الذي تم استلام الرسالة فيه بواسطة الخادم، و *درجة الحرارة* تأتي من رسالة القياس.
+
+1. كرر الخطوات في الدرس 4 لإنشاء كود خادم للاشتراك في القياسات. لا تحتاج إلى إضافة كود لنشر الأوامر.
+
+    الخطوات لهذا هي:
+
+    * تكوين وتفعيل بيئة Python الافتراضية
+
+    * تثبيت حزمة paho-mqtt باستخدام pip
+
+    * كتابة الكود للاستماع إلى رسائل MQTT المنشورة على موضوع القياسات
+
+      > ⚠️ يمكنك الرجوع إلى [التعليمات في الدرس 4 لإنشاء تطبيق Python لتلقي القياسات إذا لزم الأمر](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker).
+
+    قم بتسمية المجلد لهذا المشروع `temperature-sensor-server`.
+
+1. تأكد من أن `client_name` يعكس هذا المشروع:
+
+    ```cpp
+    client_name = id + 'temperature_sensor_server'
+    ```
+
+1. أضف الواردات التالية إلى أعلى الملف، أسفل الواردات الموجودة:
+
+    ```python
+    from os import path
+    import csv
+    from datetime import datetime
+    ```
+
+    هذا يستورد مكتبة لقراءة الملفات، مكتبة للتعامل مع ملفات CSV، ومكتبة للمساعدة في التعامل مع التواريخ والأوقات.
+
+1. أضف الكود التالي قبل وظيفة `handle_telemetry`:
+
+    ```python
+    temperature_file_name = 'temperature.csv'
+    fieldnames = ['date', 'temperature']
+    
+    if not path.exists(temperature_file_name):
+        with open(temperature_file_name, mode='w') as csv_file:
+            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
+            writer.writeheader()
+    ```
+
+    هذا الكود يعلن عن بعض الثوابت لاسم الملف الذي سيتم الكتابة إليه، واسم رؤوس الأعمدة لملف CSV. يحتوي الصف الأول من ملف CSV تقليدياً على رؤوس الأعمدة مفصولة بفواصل.
+
+    ثم يتحقق الكود لمعرفة ما إذا كان ملف CSV موجوداً بالفعل. إذا لم يكن موجوداً، يتم إنشاؤه مع رؤوس الأعمدة في الصف الأول.
+
+1. أضف الكود التالي إلى نهاية وظيفة `handle_telemetry`:
+
+    ```python
+    with open(temperature_file_name, mode='a') as temperature_file:        
+        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
+        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
+    ```
+هذا الكود يفتح ملف CSV، ثم يضيف صفًا جديدًا في النهاية. يحتوي الصف على التاريخ والوقت الحاليين بتنسيق قابل للقراءة البشرية، متبوعًا بدرجة الحرارة المستلمة من جهاز إنترنت الأشياء. يتم تخزين البيانات بتنسيق [ISO 8601](https://wikipedia.org/wiki/ISO_8601) مع المنطقة الزمنية، ولكن بدون أجزاء من الثانية.
+
+1. قم بتشغيل هذا الكود بنفس الطريقة كما في السابق، مع التأكد من أن جهاز إنترنت الأشياء الخاص بك يرسل البيانات. سيتم إنشاء ملف CSV يسمى `temperature.csv` في نفس المجلد. إذا قمت بعرضه، سترى قياسات التاريخ/الوقت ودرجات الحرارة:
+
+    ```output
+    date,temperature
+    2021-04-19T17:21:36-07:00,25
+    2021-04-19T17:31:36-07:00,24
+    2021-04-19T17:41:36-07:00,25
+    ```
+
+1. قم بتشغيل هذا الكود لفترة من الوقت لالتقاط البيانات. من الأفضل تشغيله ليوم كامل لجمع بيانات كافية لحساب GDD.
+
+    
+> 💁 إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، قم بتحديد مربع الاختيار العشوائي واضبط نطاقًا لتجنب الحصول على نفس درجة الحرارة في كل مرة يتم فيها إرجاع قيمة درجة الحرارة.
+    ![حدد مربع الاختيار العشوائي واضبط نطاقًا](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ar.png) 
+
+    > 💁 إذا كنت تريد تشغيل هذا ليوم كامل، فعليك التأكد من أن الكمبيوتر الذي يعمل عليه كود الخادم لن يدخل في وضع السكون، إما عن طريق تغيير إعدادات الطاقة، أو تشغيل شيء مثل [هذا السكربت بلغة بايثون للحفاظ على النظام نشطًا](https://github.com/jaqsparow/keep-system-active).
+    
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server).
+
+### المهمة - حساب GDD باستخدام البيانات المخزنة
+
+بمجرد أن يقوم الخادم بالتقاط بيانات درجة الحرارة، يمكن حساب GDD لنبات معين.
+
+الخطوات للقيام بذلك يدويًا هي:
+
+1. العثور على درجة الحرارة الأساسية للنبات. على سبيل المثال، درجة الحرارة الأساسية للفراولة هي 10°C.
+
+1. من ملف `temperature.csv`، ابحث عن أعلى وأدنى درجات الحرارة لليوم.
+
+1. استخدم معادلة حساب GDD المذكورة سابقًا لحساب GDD.
+
+على سبيل المثال، إذا كانت أعلى درجة حرارة لليوم هي 25°C، وأدنى درجة حرارة هي 12°C:
+
+![GDD = 25 + 12 مقسومة على 2، ثم طرح 10 من النتيجة ليصبح الناتج 8.5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ar.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+لذلك، حصلت الفراولة على **8.5** GDD. تحتاج الفراولة إلى حوالي 250 GDD لتثمر، لذا لا يزال هناك وقت.
+
+---
+
+## 🚀 التحدي
+
+النباتات تحتاج إلى أكثر من الحرارة لتنمو. ما الأشياء الأخرى التي تحتاجها؟
+
+بالنسبة لهذه الأشياء، ابحث إذا كانت هناك أجهزة استشعار يمكنها قياسها. ماذا عن المشغلات للتحكم في هذه المستويات؟ كيف يمكنك تجميع جهاز أو أكثر من أجهزة إنترنت الأشياء لتحسين نمو النباتات؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن الزراعة الرقمية في [صفحة ويكيبيديا للزراعة الرقمية](https://wikipedia.org/wiki/Digital_agriculture). اقرأ أيضًا المزيد عن الزراعة الدقيقة في [صفحة ويكيبيديا للزراعة الدقيقة](https://wikipedia.org/wiki/Precision_agriculture).
+* حساب أيام درجة النمو الكامل أكثر تعقيدًا من الحساب المبسط المذكور هنا. اقرأ المزيد عن المعادلة الأكثر تعقيدًا وكيفية التعامل مع درجات الحرارة التي تقل عن الأساس في [صفحة ويكيبيديا لأيام درجة النمو](https://wikipedia.org/wiki/Growing_degree-day).
+* قد يكون الطعام نادرًا في المستقبل إذا استمررنا في استخدام نفس طرق الزراعة. تعرف على المزيد حول تقنيات الزراعة عالية التقنية في هذا [الفيديو عن مزارع المستقبل عالية التقنية على يوتيوب](https://www.youtube.com/watch?v=KIEOuKD9KX8).
+
+## الواجب
+
+[تصور بيانات GDD باستخدام Jupyter Notebook](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..8a805628
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T22:16:44+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "ar"
+}
+-->
+# تصور بيانات GDD باستخدام Jupyter Notebook
+
+## التعليمات
+
+في هذا الدرس، قمت بجمع بيانات GDD باستخدام مستشعر إنترنت الأشياء. للحصول على بيانات GDD جيدة، تحتاج إلى جمع البيانات لعدة أيام. لمساعدتك في تصور بيانات درجة الحرارة وحساب GDD، يمكنك استخدام أدوات مثل [Jupyter Notebooks](https://jupyter.org) لتحليل البيانات.
+
+ابدأ بجمع البيانات لعدة أيام. ستحتاج إلى التأكد من تشغيل كود الخادم طوال الوقت الذي يعمل فيه جهاز إنترنت الأشياء الخاص بك، إما عن طريق ضبط إعدادات إدارة الطاقة أو تشغيل شيء مثل [هذا السكربت Python للحفاظ على النظام نشطًا](https://github.com/jaqsparow/keep-system-active).
+
+بمجرد أن تحصل على بيانات درجة الحرارة، يمكنك استخدام Jupyter Notebook الموجود في هذا المستودع لتصورها وحساب GDD. تجمع Jupyter Notebooks بين الكود والتعليمات في كتل تسمى *الخلايا*، غالبًا ما يكون الكود مكتوبًا بلغة Python. يمكنك قراءة التعليمات، ثم تشغيل كل كتلة من الكود، كتلة تلو الأخرى. يمكنك أيضًا تعديل الكود. في هذا الدفتر على سبيل المثال، يمكنك تعديل درجة الحرارة الأساسية المستخدمة لحساب GDD لنباتك.
+
+1. قم بإنشاء مجلد يسمى `gdd-calculation`
+
+1. قم بتنزيل ملف [gdd.ipynb](./code-notebook/gdd.ipynb) ونسخه إلى مجلد `gdd-calculation`.
+
+1. انسخ ملف `temperature.csv` الذي تم إنشاؤه بواسطة خادم MQTT.
+
+1. قم بإنشاء بيئة افتراضية جديدة بلغة Python داخل مجلد `gdd-calculation`.
+
+1. قم بتثبيت بعض حزم pip الخاصة بـ Jupyter Notebooks، بالإضافة إلى المكتبات اللازمة لإدارة البيانات ورسمها:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. قم بتشغيل الدفتر في Jupyter:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    سيبدأ Jupyter ويقوم بفتح الدفتر في متصفحك. اعمل من خلال التعليمات الموجودة في الدفتر لتصور درجات الحرارة التي تم قياسها، وحساب أيام درجة النمو.
+
+    ![دفتر Jupyter](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ar.png)
+
+## التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| جمع البيانات | جمع بيانات يومين كاملين على الأقل | جمع بيانات يوم كامل على الأقل | جمع بعض البيانات |
+| حساب GDD | تشغيل الدفتر بنجاح وحساب GDD | تشغيل الدفتر بنجاح | غير قادر على تشغيل الدفتر |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/ar/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..3fa28ac8
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# أيام النمو الحراري\n",
+    "\n",
+    "يقوم هذا الدفتر بتحميل بيانات درجات الحرارة المحفوظة في ملف CSV، ويقوم بتحليلها. يعرض درجات الحرارة، ويظهر أعلى وأدنى قيمة لكل يوم، ويحسب أيام النمو الحراري (GDD).\n",
+    "\n",
+    "لاستخدام هذا الدفتر:\n",
+    "\n",
+    "* انسخ ملف `temperature.csv` إلى نفس المجلد الذي يحتوي على هذا الدفتر\n",
+    "* قم بتشغيل جميع الخلايا باستخدام زر **▶︎ تشغيل** الموجود أعلاه. سيقوم ذلك بتشغيل الخلية المحددة، ثم الانتقال إلى الخلية التالية.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "قم بتعيين `base_temperature` إلى درجة الحرارة الأساسية للنبات.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "يجب الآن تحميل ملف CSV باستخدام pandas\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "بمجرد قراءة البيانات يمكن تجميعها حسب عمود `date`، واستخراج درجات الحرارة الدنيا والقصوى لكل تاريخ.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert datetimes to pure dates so we can group by the date\n",
+    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
+    "\n",
+    "# Group the data by date so it can be analyzed by date\n",
+    "data_by_date = df.groupby('date')\n",
+    "\n",
+    "# Get the minimum and maximum temperatures for each date\n",
+    "min_by_date = data_by_date.min()\n",
+    "max_by_date = data_by_date.max()\n",
+    "\n",
+    "# Join the min and max temperatures into one dataframe and flatten it\n",
+    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
+    "min_max_by_date = min_max_by_date.reset_index()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "يمكن حساب GDD باستخدام معادلة GDD القياسية\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**إخلاء المسؤولية**:  \nتم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.1"
+  },
+  "metadata": {
+   "interpreter": {
+    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
+   }
+  },
+  "coopTranslator": {
+   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
+   "translation_date": "2025-08-27T01:05:50+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "ar"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..6db7bfd6
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T22:21:06+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "ar"
+}
+-->
+# قياس درجة الحرارة - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر درجة حرارة إلى Raspberry Pi الخاص بك.
+
+## الأجهزة
+
+المستشعر الذي ستستخدمه هو [مستشعر الرطوبة ودرجة الحرارة DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)، الذي يجمع بين مستشعرين في حزمة واحدة. هذا المستشعر شائع جدًا، حيث تتوفر العديد من المستشعرات التجارية التي تجمع بين قياس درجة الحرارة والرطوبة وأحيانًا الضغط الجوي. مكون مستشعر درجة الحرارة هو مقاوم حراري ذو معامل حراري سلبي (NTC)، وهو مقاوم تقل مقاومته مع زيادة درجة الحرارة.
+
+هذا مستشعر رقمي، لذا يحتوي على محول تناظري إلى رقمي (ADC) مدمج لإنشاء إشارة رقمية تحتوي على بيانات درجة الحرارة والرطوبة التي يمكن لوحدة التحكم الدقيقة قراءتها.
+
+### توصيل مستشعر درجة الحرارة
+
+يمكن توصيل مستشعر درجة الحرارة Grove بـ Raspberry Pi.
+
+#### المهمة
+
+قم بتوصيل مستشعر درجة الحرارة
+
+![مستشعر درجة الحرارة من نوع Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر الرطوبة ودرجة الحرارة. يمكن إدخاله في اتجاه واحد فقط.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الرقمي المسمى **D5** على قبعة Grove Base المثبتة على Raspberry Pi. هذا المقبس هو الثاني من اليسار في صف المقابس بجانب دبابيس GPIO.
+
+![مستشعر درجة الحرارة من نوع Grove متصل بالمقبس A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ar.png)
+
+## برمجة مستشعر درجة الحرارة
+
+يمكن الآن برمجة الجهاز لاستخدام مستشعر درجة الحرارة المتصل.
+
+### المهمة
+
+برمج الجهاز.
+
+1. قم بتشغيل Raspberry Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح VS Code، إما مباشرة على Raspberry Pi، أو قم بالاتصال باستخدام إضافة Remote SSH.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بإعداد وتشغيل VS Code في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. من الطرفية، قم بإنشاء مجلد جديد في دليل المستخدم `pi` باسم `temperature-sensor`. قم بإنشاء ملف داخل هذا المجلد باسم `app.py`:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. افتح هذا المجلد في VS Code.
+
+1. لاستخدام مستشعر درجة الحرارة والرطوبة، يجب تثبيت حزمة Pip إضافية. من الطرفية في VS Code، قم بتشغيل الأمر التالي لتثبيت هذه الحزمة على Raspberry Pi:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد المكتبات المطلوبة:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    يقوم السطر `from seeed_dht import DHT` باستيراد فئة `DHT` للتفاعل مع مستشعر درجة الحرارة من نوع Grove من الوحدة `seeed_dht`.
+
+1. أضف الكود التالي بعد الكود أعلاه لإنشاء نسخة من الفئة التي تدير مستشعر درجة الحرارة:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    هذا يعلن عن نسخة من فئة `DHT` التي تدير مستشعر **D**igital **H**umidity و**T**emperature. المعامل الأول يخبر الكود أن المستشعر المستخدم هو *DHT11* - المكتبة التي تستخدمها تدعم أنواعًا أخرى من هذا المستشعر. المعامل الثاني يخبر الكود أن المستشعر متصل بالمقبس الرقمي `D5` على قبعة Grove Base.
+
+    > ✅ تذكر، جميع المقابس لها أرقام دبابيس فريدة. الدبابيس 0، 2، 4، و6 هي دبابيس تناظرية، والدبابيس 5، 16، 18، 22، 24، و26 هي دبابيس رقمية.
+
+1. أضف حلقة لا نهائية بعد الكود أعلاه لاستطلاع قيمة مستشعر درجة الحرارة وطباعتها على الطرفية:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    الاستدعاء `sensor.read()` يعيد مجموعة تحتوي على الرطوبة ودرجة الحرارة. تحتاج فقط إلى قيمة درجة الحرارة، لذا يتم تجاهل الرطوبة. ثم يتم طباعة قيمة درجة الحرارة على الطرفية.
+
+1. أضف فترة انتظار قصيرة مدتها عشر ثوانٍ في نهاية الحلقة لتقليل استهلاك الطاقة، حيث لا تحتاج إلى التحقق من مستويات درجة الحرارة باستمرار.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. من الطرفية في VS Code، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python3 app.py
+    ```
+
+    يجب أن ترى قيم درجة الحرارة تظهر على الطرفية. استخدم شيئًا لتسخين المستشعر، مثل الضغط عليه بإبهامك أو استخدام مروحة، لملاحظة تغير القيم:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi).
+
+😀 لقد نجحت في برمجة مستشعر درجة الحرارة الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..bcbf5b2c
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T22:16:00+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "ar"
+}
+-->
+# نشر درجة الحرارة - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بنشر قيم درجة الحرارة التي يكتشفها Raspberry Pi أو جهاز إنترنت الأشياء الافتراضي عبر MQTT حتى يمكن استخدامها لاحقًا لحساب GDD.
+
+## نشر درجة الحرارة
+
+بمجرد قراءة درجة الحرارة، يمكن نشرها عبر MQTT إلى كود "الخادم" الذي سيقرأ القيم ويخزنها لتكون جاهزة للاستخدام في حساب GDD.
+
+### المهمة - نشر درجة الحرارة
+
+برمج الجهاز لنشر بيانات درجة الحرارة.
+
+1. افتح مشروع تطبيق `temperature-sensor` إذا لم يكن مفتوحًا بالفعل.
+
+1. كرر الخطوات التي قمت بها في الدرس الرابع للاتصال بـ MQTT وإرسال البيانات، ستستخدم نفس وسيط Mosquitto العام.
+
+    الخطوات هي:
+
+    - إضافة حزمة pip الخاصة بـ MQTT
+    - إضافة الكود للاتصال بوسيط MQTT
+    - إضافة الكود لنشر البيانات
+
+    > ⚠️ ارجع إلى [تعليمات الاتصال بـ MQTT](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) و[تعليمات إرسال البيانات](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) من الدرس الرابع إذا لزم الأمر.
+
+1. تأكد من أن `client_name` يعكس اسم هذا المشروع:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. بالنسبة للبيانات، بدلاً من إرسال قيمة الضوء، أرسل قيمة درجة الحرارة التي تم قراءتها من مستشعر DHT في خاصية داخل مستند JSON تسمى `temperature`:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. لا تحتاج قيمة درجة الحرارة إلى القراءة بشكل متكرر - لن تتغير كثيرًا في فترة زمنية قصيرة، لذا قم بتعيين `time.sleep` إلى 10 دقائق:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 تأخذ وظيفة `sleep` الوقت بالثواني، لذا لجعلها أسهل للقراءة يتم تمرير القيمة كنتيجة لعملية حسابية. 60 ثانية في الدقيقة، لذا 10 × (60 ثانية في الدقيقة) تعطي تأخيرًا لمدة 10 دقائق.
+
+1. قم بتشغيل الكود بنفس الطريقة التي قمت بها في الجزء السابق من المهمة. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، فتأكد من تشغيل تطبيق CounterFit وإنشاء مستشعرات الرطوبة ودرجة الحرارة على المنافذ الصحيحة.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) أو مجلد [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi).
+
+😀 لقد قمت بنجاح بنشر درجة الحرارة كبيانات من جهازك.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..661b26bb
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T22:19:33+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "ar"
+}
+-->
+# قياس درجة الحرارة - أجهزة إنترنت الأشياء الافتراضية
+
+في هذا الجزء من الدرس، ستضيف مستشعر درجة حرارة إلى جهاز إنترنت الأشياء الافتراضي الخاص بك.
+
+## الأجهزة الافتراضية
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي مستشعرًا محاكيًا للرطوبة ودرجة الحرارة من نوع Grove Digital. هذا يجعل هذا المختبر مشابهًا لاستخدام Raspberry Pi مع مستشعر DHT11 الفعلي.
+
+يجمع المستشعر بين **مستشعر درجة الحرارة** و**مستشعر الرطوبة**، ولكن في هذا المختبر، ستستخدم فقط مكون مستشعر درجة الحرارة. في جهاز إنترنت الأشياء الفعلي، سيكون مستشعر درجة الحرارة عبارة عن [ثيرميستور](https://wikipedia.org/wiki/Thermistor) يقيس درجة الحرارة عن طريق استشعار التغير في المقاومة مع تغير درجة الحرارة. عادةً ما تكون مستشعرات درجة الحرارة مستشعرات رقمية تقوم داخليًا بتحويل المقاومة المقاسة إلى درجة حرارة بوحدات مئوية (أو كلفن، أو فهرنهايت).
+
+### إضافة المستشعرات إلى CounterFit
+
+لاستخدام مستشعر افتراضي للرطوبة ودرجة الحرارة، تحتاج إلى إضافة المستشعرين إلى تطبيق CounterFit.
+
+#### المهمة - إضافة المستشعرات إلى CounterFit
+
+أضف مستشعرات الرطوبة ودرجة الحرارة إلى تطبيق CounterFit.
+
+1. قم بإنشاء تطبيق Python جديد على جهاز الكمبيوتر الخاص بك في مجلد يسمى `temperature-sensor` يحتوي على ملف واحد يسمى `app.py` وبيئة افتراضية لـ Python، وأضف حزم CounterFit pip.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء وإعداد مشروع CounterFit Python في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. قم بتثبيت حزمة Pip إضافية لتثبيت واجهة CounterFit لمستشعر DHT11. تأكد من تثبيتها من خلال الطرفية مع تفعيل البيئة الافتراضية.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء مستشعر رطوبة:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، انقر على القائمة المنسدلة *نوع المستشعر* واختر *رطوبة*.
+
+    1. اترك *الوحدات* مضبوطة على *النسبة المئوية*.
+
+    1. تأكد من أن *الدبوس* مضبوط على *5*.
+
+    1. انقر على زر **إضافة** لإنشاء مستشعر الرطوبة على الدبوس 5.
+
+    ![إعدادات مستشعر الرطوبة](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ar.png)
+
+    سيتم إنشاء مستشعر الرطوبة وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر الرطوبة](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ar.png)
+
+1. قم بإنشاء مستشعر درجة حرارة:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، انقر على القائمة المنسدلة *نوع المستشعر* واختر *درجة حرارة*.
+
+    1. اترك *الوحدات* مضبوطة على *درجة مئوية*.
+
+    1. تأكد من أن *الدبوس* مضبوط على *6*.
+
+    1. انقر على زر **إضافة** لإنشاء مستشعر درجة الحرارة على الدبوس 6.
+
+    ![إعدادات مستشعر درجة الحرارة](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ar.png)
+
+    سيتم إنشاء مستشعر درجة الحرارة وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر درجة الحرارة](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ar.png)
+
+## برمجة تطبيق مستشعر درجة الحرارة
+
+يمكن الآن برمجة تطبيق مستشعر درجة الحرارة باستخدام مستشعرات CounterFit.
+
+### المهمة - برمجة تطبيق مستشعر درجة الحرارة
+
+برمج تطبيق مستشعر درجة الحرارة.
+
+1. تأكد من فتح تطبيق `temperature-sensor` في VS Code.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py` لتوصيل التطبيق بـ CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد المكتبات المطلوبة:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    يقوم السطر `from seeed_dht import DHT` باستيراد فئة `DHT` للتفاعل مع مستشعر درجة الحرارة الافتراضي من نوع Grove باستخدام واجهة من وحدة `counterfit_shims_seeed_python_dht`.
+
+1. أضف الكود التالي بعد الكود أعلاه لإنشاء نسخة من الفئة التي تدير مستشعر الرطوبة ودرجة الحرارة الافتراضي:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    يقوم هذا بتعريف نسخة من فئة `DHT` التي تدير مستشعر **الرطوبة** و**درجة الحرارة** الرقمي الافتراضي. المعامل الأول يخبر الكود بأن المستشعر المستخدم هو مستشعر افتراضي من نوع *DHT11*. المعامل الثاني يخبر الكود بأن المستشعر متصل بالمنفذ `5`.
+
+    > 💁 يقوم CounterFit بمحاكاة هذا المستشعر المدمج للرطوبة ودرجة الحرارة عن طريق الاتصال بمستشعرين، مستشعر رطوبة على الدبوس المحدد عند إنشاء فئة `DHT`، ومستشعر درجة حرارة يعمل على الدبوس التالي. إذا كان مستشعر الرطوبة على الدبوس 5، فإن الواجهة تتوقع أن يكون مستشعر درجة الحرارة على الدبوس 6.
+
+1. أضف حلقة لا نهائية بعد الكود أعلاه لاستطلاع قيمة مستشعر درجة الحرارة وطباعتها على وحدة التحكم:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    يقوم الاستدعاء `sensor.read()` بإرجاع زوج من القيم للرطوبة ودرجة الحرارة. تحتاج فقط إلى قيمة درجة الحرارة، لذا يتم تجاهل الرطوبة. ثم يتم طباعة قيمة درجة الحرارة على وحدة التحكم.
+
+1. أضف فترة توقف قصيرة مدتها عشر ثوانٍ في نهاية الحلقة لتقليل استهلاك الطاقة، حيث لا تحتاج إلى التحقق من مستويات درجة الحرارة باستمرار.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. من طرفية VS Code مع تفعيل البيئة الافتراضية، قم بتشغيل الأمر التالي لتشغيل تطبيق Python الخاص بك:
+
+    ```sh
+    python app.py
+    ```
+
+1. من تطبيق CounterFit، قم بتغيير قيمة مستشعر درجة الحرارة التي سيتم قراءتها بواسطة التطبيق. يمكنك القيام بذلك بطريقتين:
+
+    * أدخل رقمًا في مربع *القيمة* الخاص بمستشعر درجة الحرارة، ثم انقر على زر **تعيين**. الرقم الذي تدخله سيكون القيمة التي يعيدها المستشعر.
+
+    * قم بتحديد مربع *عشوائي*، وأدخل قيمتي *الحد الأدنى* و*الحد الأقصى*، ثم انقر على زر **تعيين**. في كل مرة يقرأ المستشعر قيمة، سيقرأ رقمًا عشوائيًا بين *الحد الأدنى* و*الحد الأقصى*.
+
+    يجب أن ترى القيم التي قمت بتعيينها تظهر في وحدة التحكم. قم بتغيير *القيمة* أو إعدادات *العشوائية* لرؤية التغيير في القيم.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device).
+
+😀 لقد نجحت في برمجة تطبيق مستشعر درجة الحرارة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..5d579339
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T22:18:39+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "ar"
+}
+-->
+# نشر درجة الحرارة - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بنشر قيم درجة الحرارة التي يتم اكتشافها بواسطة Wio Terminal عبر MQTT حتى يمكن استخدامها لاحقًا لحساب GDD.
+
+## نشر درجة الحرارة
+
+بمجرد قراءة درجة الحرارة، يمكن نشرها عبر MQTT إلى كود "الخادم" الذي سيقوم بقراءة القيم وتخزينها لتكون جاهزة للاستخدام في حساب GDD. وحدات التحكم الدقيقة لا تقرأ الوقت من الإنترنت ولا تتعقب الوقت باستخدام ساعة الوقت الحقيقي بشكل افتراضي، لذلك يجب برمجة الجهاز للقيام بذلك، بافتراض أنه يحتوي على الأجهزة اللازمة.
+
+لتبسيط الأمور في هذا الدرس، لن يتم إرسال الوقت مع بيانات المستشعر، بل يمكن إضافته بواسطة كود الخادم لاحقًا عند استلام الرسائل.
+
+### المهمة
+
+برمج الجهاز لنشر بيانات درجة الحرارة.
+
+1. افتح مشروع `temperature-sensor` الخاص بـ Wio Terminal.
+
+1. كرر الخطوات التي قمت بها في الدرس الرابع للاتصال بـ MQTT وإرسال البيانات، ستستخدم نفس وسيط Mosquitto العام.
+
+    الخطوات لهذا هي:
+
+    - أضف مكتبات Seeed WiFi و MQTT إلى ملف `.ini`
+    - أضف ملف الإعدادات والكود للاتصال بشبكة WiFi
+    - أضف الكود للاتصال بوسيط MQTT
+    - أضف الكود لنشر البيانات
+
+    > ⚠️ ارجع إلى [تعليمات الاتصال بـ MQTT](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) و[تعليمات إرسال البيانات](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) من الدرس الرابع إذا لزم الأمر.
+
+1. تأكد من أن `CLIENT_NAME` في ملف الرأس `config.h` يعكس هذا المشروع:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. بالنسبة للبيانات، بدلاً من إرسال قيمة الضوء، أرسل قيمة درجة الحرارة التي تم قراءتها من مستشعر DHT في خاصية داخل مستند JSON تسمى `temperature` عن طريق تغيير وظيفة `loop` في `main.cpp`:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. لا تحتاج قيمة درجة الحرارة إلى القراءة بشكل متكرر - لن تتغير كثيرًا في فترة زمنية قصيرة، لذا قم بتعيين `delay` في وظيفة `loop` إلى 10 دقائق:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 وظيفة `delay` تأخذ الوقت بالمللي ثانية، لذا لجعل الأمر أسهل للقراءة يتم تمرير القيمة كنتيجة لعملية حسابية. 1,000 مللي ثانية في الثانية، 60 ثانية في الدقيقة، لذا 10 × (60 ثانية في الدقيقة) × (1000 مللي ثانية في الثانية) يعطي تأخيرًا لمدة 10 دقائق.
+
+1. قم برفع الكود إلى Wio Terminal الخاص بك، واستخدم شاشة المراقبة التسلسلية لرؤية درجة الحرارة التي يتم إرسالها إلى وسيط MQTT.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"temperature":25}
+    Sending telemetry {"temperature":25}
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal).
+
+😀 لقد نجحت في نشر درجة الحرارة كبيانات من جهازك.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..8e8d644e
--- /dev/null
+++ b/translations/ar/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T22:17:31+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "ar"
+}
+-->
+# قياس درجة الحرارة - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر درجة حرارة إلى جهاز Wio Terminal الخاص بك، وقراءة قيم درجة الحرارة منه.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى مستشعر درجة حرارة.
+
+المستشعر الذي ستستخدمه هو [مستشعر الرطوبة ودرجة الحرارة DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)، الذي يجمع بين مستشعرين في حزمة واحدة. هذا المستشعر شائع جدًا، حيث تتوفر العديد من المستشعرات التجارية التي تجمع بين قياس درجة الحرارة والرطوبة وأحيانًا الضغط الجوي. مكون مستشعر درجة الحرارة هو مقاوم حراري ذو معامل حراري سلبي (NTC)، وهو مقاوم تقل مقاومته مع زيادة درجة الحرارة.
+
+هذا مستشعر رقمي، لذا يحتوي على محول تناظري إلى رقمي (ADC) مدمج لإنشاء إشارة رقمية تحتوي على بيانات درجة الحرارة والرطوبة التي يمكن لوحدة التحكم الدقيقة قراءتها.
+
+### توصيل مستشعر درجة الحرارة
+
+يمكن توصيل مستشعر درجة الحرارة Grove بمنفذ رقمي في Wio Terminal.
+
+#### المهمة - توصيل مستشعر درجة الحرارة
+
+قم بتوصيل مستشعر درجة الحرارة.
+
+![مستشعر درجة الحرارة Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر الرطوبة ودرجة الحرارة. لن يدخل إلا في اتجاه واحد.
+
+1. مع فصل Wio Terminal عن جهاز الكمبيوتر أو أي مصدر طاقة آخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الموجود على الجانب الأيمن من Wio Terminal أثناء النظر إلى الشاشة. هذا هو المقبس الأبعد عن زر الطاقة.
+
+![مستشعر درجة الحرارة Grove متصل بالمقبس الأيمن](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ar.png)
+
+## برمجة مستشعر درجة الحرارة
+
+يمكن الآن برمجة Wio Terminal لاستخدام مستشعر درجة الحرارة المتصل.
+
+### المهمة - برمجة مستشعر درجة الحرارة
+
+قم ببرمجة الجهاز.
+
+1. أنشئ مشروعًا جديدًا تمامًا لـ Wio Terminal باستخدام PlatformIO. سمِّ هذا المشروع `temperature-sensor`. أضف الكود في دالة `setup` لتكوين منفذ الاتصال التسلسلي.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشروع PlatformIO في المشروع 1، الدرس 1 إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. أضف تبعية مكتبة مستشعر الرطوبة ودرجة الحرارة Seeed Grove إلى ملف `platformio.ini` الخاص بالمشروع:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإضافة مكتبات إلى مشروع PlatformIO في المشروع 1، الدرس 4 إذا لزم الأمر](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries).
+
+1. أضف توجيهات `#include` التالية إلى أعلى الملف، تحت `#include <Arduino.h>` الموجودة:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    هذا يستورد الملفات اللازمة للتفاعل مع المستشعر. يحتوي ملف الرأس `DHT.h` على الكود الخاص بالمستشعر نفسه، وإضافة ملف الرأس `SPI.h` يضمن ربط الكود اللازم للتواصل مع المستشعر عند تجميع التطبيق.
+
+1. قبل دالة `setup`، قم بتعريف مستشعر DHT:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    هذا يعرّف مثيلًا من فئة `DHT` التي تدير مستشعر **D**igital **H**umidity و**T**emperature. هذا المستشعر متصل بالمنفذ `D0`، وهو المقبس الموجود على الجانب الأيمن من Wio Terminal. المعامل الثاني يخبر الكود بأن المستشعر المستخدم هو مستشعر *DHT11* - المكتبة التي تستخدمها تدعم أنواعًا أخرى من هذا المستشعر.
+
+1. في دالة `setup`، أضف الكود لإعداد الاتصال التسلسلي:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. في نهاية دالة `setup`، بعد آخر `delay`، أضف استدعاءً لبدء تشغيل مستشعر DHT:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. في دالة `loop`، أضف الكود لاستدعاء المستشعر وطباعة درجة الحرارة إلى المنفذ التسلسلي:
+
+    ```cpp
+    void loop()
+    {
+        float temp_hum_val[2] = {0};
+        dht.readTempAndHumidity(temp_hum_val);
+        Serial.print("Temperature: ");
+        Serial.print(temp_hum_val[1]);
+        Serial.println ("°C");
+    
+        delay(10000);
+    }
+    ```
+
+    يقوم هذا الكود بتعريف مصفوفة فارغة تحتوي على عددين عشريين، ويمررها إلى استدعاء `readTempAndHumidity` على مثيل `DHT`. يقوم هذا الاستدعاء بملء المصفوفة بقيمتين - يتم وضع الرطوبة في العنصر 0 من المصفوفة (تذكر أن المصفوفات في C++ تبدأ من 0، لذا فإن العنصر 0 هو "الأول" في المصفوفة)، وتوضع درجة الحرارة في العنصر 1.
+
+    يتم قراءة درجة الحرارة من العنصر 1 في المصفوفة، وطبعها إلى المنفذ التسلسلي.
+
+    > 🇺🇸 يتم قراءة درجة الحرارة بوحدة السيلسيوس. للأمريكيين، لتحويلها إلى فهرنهايت، قسّم القيمة المقروءة بالسيلسيوس على 5، ثم اضربها في 9، ثم أضف 32. على سبيل المثال، قراءة درجة حرارة 20°C تصبح ((20/5)*9) + 32 = 68°F.
+
+1. قم ببناء ورفع الكود إلى Wio Terminal.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشروع PlatformIO في المشروع 1، الدرس 1 إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. بمجرد الرفع، يمكنك مراقبة درجة الحرارة باستخدام المراقب التسلسلي:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 24.00°C
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal).
+
+😀 لقد نجحت في برمجة مستشعر درجة الحرارة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/ar/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..37a2de72
--- /dev/null
+++ b/translations/ar/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,173 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T22:44:09+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "ar"
+}
+-->
+C، المعروف بـ *I-squared-C*، هو بروتوكول متعدد المتحكمات ومتعدد الأجهزة الطرفية، حيث يمكن لأي جهاز متصل أن يعمل كمتحكم أو جهاز طرفي يتواصل عبر ناقل I²C (وهو نظام اتصال ينقل البيانات). يتم إرسال البيانات كحزم موجهة، تحتوي كل حزمة على عنوان الجهاز المتصل الذي يُقصد إرسال البيانات إليه.
+
+> 💁 كان يُشار إلى هذا النموذج سابقًا بمصطلحات "الماستر/العبد"، ولكن يتم التخلي عن هذه المصطلحات بسبب ارتباطها بالعبودية. لقد تبنت [جمعية الأجهزة مفتوحة المصدر مصطلحات المتحكم/الجهاز الطرفي](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/)، ولكن قد تصادف إشارات إلى المصطلحات القديمة.
+
+الأجهزة لديها عنوان يتم استخدامه عند الاتصال بناقل I²C، وعادةً ما يكون هذا العنوان مبرمجًا مسبقًا على الجهاز. على سبيل المثال، كل نوع من أجهزة الاستشعار Grove من Seeed لديه نفس العنوان، لذا فإن جميع أجهزة استشعار الضوء لديها نفس العنوان، وجميع الأزرار لديها عنوان مختلف عن عنوان أجهزة استشعار الضوء. بعض الأجهزة توفر طرقًا لتغيير العنوان، مثل تغيير إعدادات الجمبر أو لحام دبابيس معًا.
+
+I²C يحتوي على ناقل يتكون من سلكين رئيسيين، بالإضافة إلى سلكين للطاقة:
+
+| السلك | الاسم | الوصف |
+| ---- | --------- | ----------- |
+| SDA | البيانات التسلسلية | هذا السلك يُستخدم لإرسال البيانات بين الأجهزة. |
+| SCL | ساعة التسلسل | هذا السلك يُرسل إشارة الساعة بمعدل يتم تحديده بواسطة المتحكم. |
+| VCC | جامع الجهد المشترك | مصدر الطاقة للأجهزة. يتم توصيله بأسلاك SDA وSCL لتوفير طاقتها عبر مقاوم رفع يقوم بإيقاف الإشارة عندما لا يكون هناك جهاز يعمل كمتحكم. |
+| GND | الأرض | يوفر أرضية مشتركة للدائرة الكهربائية. |
+
+![ناقل I2C مع 3 أجهزة متصلة بأسلاك SDA وSCL، تشترك في سلك أرضي مشترك](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ar.png)
+
+لإرسال البيانات، يقوم أحد الأجهزة بإصدار شرط البدء للإشارة إلى أنه جاهز لإرسال البيانات. بعد ذلك يصبح الجهاز متحكمًا. يقوم المتحكم بإرسال عنوان الجهاز الذي يريد التواصل معه، بالإضافة إلى ما إذا كان يريد قراءة أو كتابة البيانات. بعد نقل البيانات، يقوم المتحكم بإرسال شرط التوقف للإشارة إلى أنه انتهى. بعد ذلك يمكن لجهاز آخر أن يصبح المتحكم ويرسل أو يستقبل البيانات.
+<sup>
+### بروتوكولات الاتصال بين الأجهزة
+
+#### I<sup>2</sup>C
+
+I<sup>2</sup>C هو بروتوكول اتصال شائع يستخدم للتواصل بين الأجهزة الإلكترونية. يتميز بسرعته المحدودة، حيث يعمل بثلاثة أوضاع بسرعات ثابتة. أسرع وضع هو وضع السرعة العالية بسرعة قصوى تصل إلى 3.4 ميجابت في الثانية، ولكن عدد قليل من الأجهزة يدعم هذه السرعة. على سبيل المثال، Raspberry Pi يقتصر على الوضع السريع بسرعة 400 كيلوبت في الثانية. الوضع القياسي يعمل بسرعة 100 كيلوبت في الثانية.
+
+> 💁 إذا كنت تستخدم Raspberry Pi مع قبعة Grove Base كجهاز IoT الخاص بك، ستجد عدة مقابس I<sup>2</sup>C على اللوحة يمكنك استخدامها للتواصل مع مستشعرات I<sup>2</sup>C. كما أن مستشعرات Grove التناظرية تستخدم I<sup>2</sup>C مع محول ADC لإرسال القيم التناظرية كبيانات رقمية، لذا فإن مستشعر الضوء الذي استخدمته يحاكي دبوسًا تناظريًا، حيث يتم إرسال القيمة عبر I<sup>2</sup>C لأن Raspberry Pi يدعم فقط الدبابيس الرقمية.
+
+### جهاز الاستقبال والإرسال غير المتزامن العام (UART)
+
+UART يعتمد على دوائر مادية تسمح لجهازين بالتواصل. كل جهاز يحتوي على دبوسين للتواصل - الإرسال (Tx) والاستقبال (Rx)، حيث يتم توصيل دبوس Tx للجهاز الأول بدبوس Rx للجهاز الثاني، والعكس صحيح. هذا يسمح بإرسال البيانات في كلا الاتجاهين.
+
+* الجهاز 1 يرسل البيانات من دبوس Tx الخاص به، والتي يتم استقبالها بواسطة الجهاز 2 على دبوس Rx الخاص به.
+* الجهاز 1 يستقبل البيانات على دبوس Rx الخاص به التي يتم إرسالها بواسطة الجهاز 2 من دبوس Tx الخاص به.
+
+![UART مع توصيل دبوس Tx على شريحة واحدة بدبوس Rx على أخرى، والعكس صحيح](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ar.png)
+
+> 🎓 يتم إرسال البيانات بتتابع بت واحد في كل مرة، وهذا يُعرف بالاتصال التسلسلي. معظم أنظمة التشغيل ووحدات التحكم الدقيقة تحتوي على *منافذ تسلسلية*، وهي اتصالات يمكنها إرسال واستقبال البيانات التسلسلية المتاحة لبرمجتك.
+
+أجهزة UART لديها [معدل بود](https://wikipedia.org/wiki/Symbol_rate) (المعروف أيضًا بمعدل الرموز)، وهو السرعة التي يتم بها إرسال واستقبال البيانات بالبتات في الثانية. معدل بود شائع هو 9,600، مما يعني إرسال 9,600 بت (0 و1) من البيانات كل ثانية.
+
+UART يستخدم بتات البداية والنهاية - حيث يرسل بت بداية للإشارة إلى أنه على وشك إرسال بايت (8 بتات) من البيانات، ثم بت نهاية بعد إرسال الـ 8 بتات.
+
+سرعة UART تعتمد على الأجهزة، ولكن حتى أسرع التطبيقات لا تتجاوز 6.5 ميجابت في الثانية.
+
+يمكنك استخدام UART عبر دبابيس GPIO - يمكنك تعيين دبوس كـ Tx وآخر كـ Rx، ثم توصيلهما بجهاز آخر.
+
+> 💁 إذا كنت تستخدم Raspberry Pi مع قبعة Grove Base كجهاز IoT الخاص بك، ستجد مقبس UART على اللوحة يمكنك استخدامه للتواصل مع المستشعرات التي تستخدم بروتوكول UART.
+
+### واجهة المحيط التسلسلي (SPI)
+
+SPI مصمم للتواصل عبر مسافات قصيرة، مثل التواصل بين وحدة تحكم دقيقة وجهاز تخزين مثل ذاكرة الفلاش. يعتمد على نموذج وحدة التحكم/الأجهزة الطرفية مع وحدة تحكم واحدة (عادةً معالج جهاز IoT) تتفاعل مع أجهزة طرفية متعددة. تتحكم وحدة التحكم في كل شيء عن طريق اختيار جهاز طرفي وإرسال أو طلب البيانات.
+
+> 💁 مثل I<sup>2</sup>C، المصطلحات وحدة التحكم والأجهزة الطرفية هي تغييرات حديثة، لذا قد ترى المصطلحات القديمة لا تزال مستخدمة.
+
+وحدات التحكم SPI تستخدم 3 أسلاك، بالإضافة إلى سلك إضافي لكل جهاز طرفي. الأجهزة الطرفية تستخدم 4 أسلاك. هذه الأسلاك هي:
+
+| السلك | الاسم | الوصف |
+| ---- | --------- | ----------- |
+| COPI | خرج وحدة التحكم، دخل الجهاز الطرفي | هذا السلك لإرسال البيانات من وحدة التحكم إلى الجهاز الطرفي. |
+| CIPO | دخل وحدة التحكم، خرج الجهاز الطرفي | هذا السلك لإرسال البيانات من الجهاز الطرفي إلى وحدة التحكم. |
+| SCLK | الساعة التسلسلية | هذا السلك يرسل إشارة الساعة بمعدل تحدده وحدة التحكم. |
+| CS   | اختيار الشريحة | وحدة التحكم لديها عدة أسلاك، واحد لكل جهاز طرفي، وكل سلك يتصل بسلك CS على الجهاز الطرفي المقابل. |
+
+![SPI مع وحدة تحكم وجهازين طرفيين](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ar.png)
+
+سلك CS يُستخدم لتفعيل جهاز طرفي واحد في كل مرة، والتواصل عبر أسلاك COPI وCIPO. عندما تحتاج وحدة التحكم إلى تغيير الجهاز الطرفي، تقوم بإلغاء تفعيل سلك CS المتصل بالجهاز الطرفي النشط حاليًا، ثم تفعيل السلك المتصل بالجهاز الطرفي الذي تريد التواصل معه بعد ذلك.
+
+SPI هو *ثنائي الاتجاه بالكامل*، مما يعني أن وحدة التحكم يمكنها إرسال واستقبال البيانات في نفس الوقت من نفس الجهاز الطرفي باستخدام أسلاك COPI وCIPO. يستخدم SPI إشارة الساعة على سلك SCLK للحفاظ على تزامن الأجهزة، لذا على عكس الإرسال المباشر عبر UART، لا يحتاج إلى بتات البداية والنهاية.
+
+لا توجد حدود سرعة محددة لـ SPI، حيث يمكن للتطبيقات غالبًا إرسال عدة ميغابايت من البيانات في الثانية.
+
+مجموعات تطوير IoT غالبًا ما تدعم SPI عبر بعض دبابيس GPIO. على سبيل المثال، في Raspberry Pi يمكنك استخدام دبابيس GPIO 19، 21، 23، 24 و26 لـ SPI.
+
+### الاتصال اللاسلكي
+
+بعض المستشعرات يمكنها التواصل عبر بروتوكولات لاسلكية قياسية، مثل Bluetooth (خاصة Bluetooth Low Energy أو BLE)، LoRaWAN (بروتوكول شبكة منخفضة الطاقة بعيدة المدى)، أو WiFi. هذه البروتوكولات تسمح باستخدام مستشعرات عن بُعد غير متصلة فعليًا بجهاز IoT.
+
+أحد الأمثلة على ذلك هو مستشعرات رطوبة التربة التجارية. تقوم هذه المستشعرات بقياس رطوبة التربة في الحقل، ثم إرسال البيانات عبر LoRaWAN إلى جهاز مركزي، والذي يقوم بمعالجة البيانات أو إرسالها عبر الإنترنت. هذا يسمح للمستشعر بأن يكون بعيدًا عن جهاز IoT الذي يدير البيانات، مما يقلل من استهلاك الطاقة والحاجة إلى شبكات WiFi كبيرة أو كابلات طويلة.
+
+BLE شائع للمستشعرات المتقدمة مثل أجهزة تتبع اللياقة التي تعمل على المعصم. تجمع هذه الأجهزة بين مستشعرات متعددة وترسل بيانات المستشعر إلى جهاز IoT مثل هاتفك عبر BLE.
+
+✅ هل لديك أي مستشعرات بلوتوث على شخصك، في منزلك أو في مدرستك؟ قد تشمل هذه المستشعرات مستشعرات درجة الحرارة، مستشعرات الإشغال، أجهزة تتبع الأجهزة وأجهزة اللياقة.
+
+طريقة شائعة لربط الأجهزة التجارية هي Zigbee. يستخدم Zigbee WiFi لتشكيل شبكات متشابكة بين الأجهزة، حيث يتصل كل جهاز بأكبر عدد ممكن من الأجهزة القريبة، مكونًا عددًا كبيرًا من الاتصالات مثل شبكة العنكبوت. عندما يريد جهاز إرسال رسالة إلى الإنترنت، يمكنه إرسالها إلى أقرب الأجهزة، والتي تقوم بعد ذلك بإعادة توجيهها إلى الأجهزة القريبة الأخرى وهكذا، حتى تصل إلى منسق ويمكن إرسالها إلى الإنترنت.
+
+> 🐝 يشير اسم Zigbee إلى رقصة التمايل التي تقوم بها النحل العسلية عند عودتها إلى الخلية.
+
+## قياس مستويات الرطوبة في التربة
+
+يمكنك قياس مستوى الرطوبة في التربة باستخدام مستشعر رطوبة التربة، جهاز IoT، ونبتة منزلية أو قطعة تربة قريبة.
+
+### المهمة - قياس رطوبة التربة
+
+اتبع الدليل المناسب لقياس رطوبة التربة باستخدام جهاز IoT الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-soil-moisture.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-soil-moisture.md)
+
+## معايرة المستشعر
+
+تعتمد المستشعرات على قياس الخصائص الكهربائية مثل المقاومة أو السعة.
+
+> 🎓 المقاومة، التي تُقاس بالأوم (Ω)، هي مقدار المعارضة التي تواجهها التيار الكهربائي أثناء مروره عبر مادة ما. عندما يتم تطبيق جهد على مادة، فإن كمية التيار التي تمر تعتمد على مقاومة المادة. يمكنك قراءة المزيد على [صفحة المقاومة الكهربائية على ويكيبيديا](https://wikipedia.org/wiki/Electrical_resistance_and_conductance).
+
+> 🎓 السعة، التي تُقاس بالفاراد (F)، هي قدرة مكون أو دائرة على جمع وتخزين الطاقة الكهربائية. يمكنك قراءة المزيد عن السعة على [صفحة السعة على ويكيبيديا](https://wikipedia.org/wiki/Capacitance).
+
+هذه القياسات ليست دائمًا مفيدة - تخيل مستشعر درجة حرارة يعطيك قياسًا بقيمة 22.5KΩ! بدلاً من ذلك، يجب تحويل القيمة المقاسة إلى وحدة مفيدة من خلال المعايرة - أي مطابقة القيم المقاسة مع الكمية المقاسة للسماح بتحويل القياسات الجديدة إلى الوحدة الصحيحة.
+
+بعض المستشعرات تأتي معايرة مسبقًا. على سبيل المثال، مستشعر درجة الحرارة الذي استخدمته في الدرس السابق كان معايرًا بالفعل بحيث يمكنه إرجاع قياس درجة الحرارة بوحدة °C. في المصنع، يتم تعريض أول مستشعر تم إنشاؤه لمجموعة من درجات الحرارة المعروفة ويتم قياس المقاومة. يتم استخدام هذه البيانات لإنشاء معادلة يمكنها تحويل القيمة المقاسة بوحدة Ω (وحدة المقاومة) إلى °C.
+
+> 💁 المعادلة المستخدمة لحساب المقاومة من درجة الحرارة تُعرف بـ [معادلة Steinhart–Hart](https://wikipedia.org/wiki/Steinhart–Hart_equation).
+
+### معايرة مستشعر رطوبة التربة
+
+يتم قياس رطوبة التربة باستخدام محتوى الماء الجاذبي أو الحجمي.
+
+* الجاذبي هو وزن الماء في وحدة وزن التربة، ويُقاس بعدد الكيلوجرامات من الماء لكل كيلوجرام من التربة الجافة.
+* الحجمي هو حجم الماء في وحدة حجم التربة، ويُقاس بعدد الأمتار المكعبة من الماء لكل متر مكعب من التربة الجافة.
+
+> 🇺🇸 بالنسبة للأمريكيين، يمكن قياس هذه الوحدات بالرطل بدلاً من الكيلوجرام أو بالقدم المكعب بدلاً من المتر المكعب.
+
+مستشعرات رطوبة التربة تقيس المقاومة الكهربائية أو السعة - وهذا لا يختلف فقط حسب رطوبة التربة، ولكن أيضًا حسب نوع التربة لأن مكونات التربة يمكن أن تغير خصائصها الكهربائية. من الأفضل معايرة المستشعرات - أي أخذ قراءات من المستشعر ومقارنتها بالقياسات التي تم الحصول عليها باستخدام نهج علمي أكثر. على سبيل المثال، يمكن لمختبر حساب رطوبة التربة الجاذبية باستخدام عينات من حقل معين تُؤخذ عدة مرات في السنة، ويمكن استخدام هذه الأرقام لمعايرة المستشعر، مما يطابق قراءة المستشعر مع رطوبة التربة الجاذبية.
+
+![رسم بياني للجهد مقابل محتوى رطوبة التربة](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ar.png)
+
+الرسم البياني أعلاه يوضح كيفية معايرة مستشعر. يتم تسجيل الجهد لعينة تربة يتم قياسها بعد ذلك في مختبر بمقارنة الوزن الرطب بالوزن الجاف (عن طريق قياس الوزن الرطب، ثم التجفيف في فرن وقياس الوزن الجاف). بمجرد أخذ عدة قراءات، يمكن رسمها على رسم بياني وتحديد خط يناسب النقاط. يمكن استخدام هذا الخط لتحويل قراءات مستشعر رطوبة التربة التي يتم أخذها بواسطة جهاز IoT إلى قياسات فعلية لرطوبة التربة.
+
+💁 بالنسبة لمستشعرات رطوبة التربة المقاومة، يزداد الجهد مع زيادة رطوبة التربة. بالنسبة لمستشعرات رطوبة التربة السعوية، ينخفض الجهد مع زيادة رطوبة التربة، لذا فإن الرسوم البيانية لهذه المستشعرات ستنحدر للأسفل بدلاً من الأعلى.
+
+![قيمة رطوبة التربة مستنتجة من الرسم البياني](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ar.png)
+
+الرسم البياني أعلاه يظهر قراءة جهد من مستشعر رطوبة التربة، ومن خلال تتبع ذلك إلى الخط على الرسم البياني، يمكن حساب رطوبة التربة الفعلية.
+
+هذا النهج يعني أن المزارع يحتاج فقط إلى الحصول على عدد قليل من القياسات المخبرية لحقل معين، ثم يمكنه استخدام أجهزة IoT لقياس رطوبة التربة - مما يسرع بشكل كبير من وقت أخذ القياسات.
+
+---
+
+## 🚀 تحدي
+
+مستشعرات رطوبة التربة المقاومة والسعوية لها عدد من الاختلافات. ما هي هذه الاختلافات، وأي نوع (إن وجد) هو الأفضل للمزارع لاستخدامه؟ هل يتغير هذا الجواب بين الدول النامية والمتقدمة؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## المراجعة والدراسة الذاتية
+
+اقرأ عن الأجهزة والبروتوكولات المستخدمة بواسطة المستشعرات والمحركات:
+
+* [صفحة GPIO على ويكيبيديا](https://wikipedia.org/wiki/General-purpose_input/output)
+* [صفحة UART على ويكيبيديا](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [صفحة SPI على ويكيبيديا](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [صفحة I<sup>2</sup>C على ويكيبيديا](https://wikipedia.org/wiki/I²C)
+* [صفحة Zigbee على ويكيبيديا](https://wikipedia.org/wiki/Zigbee)
+
+## الواجب
+
+[عاير مستشعرك](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/ar/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..17ca9ae3
--- /dev/null
+++ b/translations/ar/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,63 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T22:50:25+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "ar"
+}
+-->
+# معايرة المستشعر الخاص بك
+
+## التعليمات
+
+في هذا الدرس، قمت بجمع قراءات مستشعر رطوبة التربة، والتي تقاس كقيم من 0 إلى 1023. لتحويل هذه القيم إلى قراءات فعلية لرطوبة التربة، تحتاج إلى معايرة المستشعر الخاص بك. يمكنك القيام بذلك عن طريق أخذ قراءات من عينات التربة، ثم حساب محتوى رطوبة التربة الجاذبية من هذه العينات.
+
+ستحتاج إلى تكرار هذه الخطوات عدة مرات للحصول على القراءات المطلوبة، مع مستويات مختلفة من رطوبة التربة في كل مرة.
+
+1. قم بأخذ قراءة لرطوبة التربة باستخدام مستشعر رطوبة التربة. قم بتسجيل هذه القراءة.
+
+1. خذ عينة من التربة وقم بوزنها. قم بتسجيل هذا الوزن.
+
+1. قم بتجفيف التربة - فرن دافئ بدرجة حرارة 110°C (230°F) لبضع ساعات هو الطريقة الأفضل، يمكنك القيام بذلك تحت أشعة الشمس، أو وضعها في مكان دافئ وجاف حتى تصبح التربة جافة تمامًا. يجب أن تكون التربة مسحوقة وخفيفة.
+
+    > 💁 في المختبر للحصول على نتائج أكثر دقة، يمكنك تجفيف التربة في فرن لمدة 48-72 ساعة. إذا كانت هناك أفران تجفيف في مدرستك، حاول استخدامها للتجفيف لفترة أطول. كلما طالت مدة التجفيف، كانت العينة أكثر جفافًا وكانت النتائج أكثر دقة.
+
+1. قم بوزن التربة مرة أخرى.
+
+    > 🔥 إذا قمت بتجفيفها في فرن، تأكد من أنها قد بردت أولاً!
+
+يتم حساب رطوبة التربة الجاذبية كالتالي:
+
+![نسبة رطوبة التربة هي وزن التربة الرطبة ناقص وزن التربة الجافة، مقسومًا على وزن التربة الجافة، مضروبًا في 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ar.png)
+
+* W  
+- وزن التربة الرطبة  
+* W  
+- وزن التربة الجافة  
+
+على سبيل المثال، لديك عينة تربة وزنها 212 جرام وهي رطبة، و197 جرام وهي جافة.
+
+![الحساب مكتمل](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ar.png)
+
+* W = 212g  
+* W = 197g  
+* 212 - 197 = 15  
+* 15 / 197 = 0.076  
+* 0.076 * 100 = 7.6%
+
+في هذا المثال، تحتوي التربة على نسبة رطوبة جاذبية تبلغ 7.6%.
+
+بمجرد أن تحصل على القراءات لثلاث عينات على الأقل، قم برسم مخطط لنسبة رطوبة التربة مقابل قراءة مستشعر رطوبة التربة وأضف خطًا يناسب النقاط. يمكنك بعد ذلك استخدام هذا الخط لحساب محتوى رطوبة التربة الجاذبية لأي قراءة مستشعر عن طريق قراءة القيمة من الخط.
+
+## التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| جمع بيانات المعايرة | جمع 3 عينات معايرة على الأقل | جمع عينتين معايرة على الأقل | جمع عينة معايرة واحدة فقط |
+| إجراء قراءة معايرة | رسم مخطط المعايرة بنجاح وإجراء قراءة من المستشعر وتحويلها إلى محتوى رطوبة التربة الجاذبية | رسم مخطط المعايرة بنجاح | غير قادر على رسم المخطط |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/ar/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..469b3959
--- /dev/null
+++ b/translations/ar/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T22:52:42+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "ar"
+}
+-->
+# قياس رطوبة التربة - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر رطوبة التربة السعوي إلى Raspberry Pi، وقراءة القيم منه.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى مستشعر رطوبة التربة السعوي.
+
+المستشعر الذي ستستخدمه هو [مستشعر رطوبة التربة السعوي](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)، الذي يقيس رطوبة التربة عن طريق الكشف عن السعة الكهربائية للتربة، وهي خاصية تتغير مع تغير رطوبة التربة. مع زيادة رطوبة التربة، ينخفض الجهد الكهربائي.
+
+هذا المستشعر هو مستشعر تناظري، لذا يستخدم دبوسًا تناظريًا، ومحول ADC بدقة 10 بت في قبعة Grove Base Hat على Raspberry Pi لتحويل الجهد إلى إشارة رقمية تتراوح بين 1-1,023. يتم إرسال هذه الإشارة بعد ذلك عبر GPIO pins على Raspberry Pi.
+
+### توصيل مستشعر رطوبة التربة
+
+يمكن توصيل مستشعر رطوبة التربة Grove بـ Raspberry Pi.
+
+#### المهمة - توصيل مستشعر رطوبة التربة
+
+قم بتوصيل مستشعر رطوبة التربة.
+
+![مستشعر رطوبة التربة من نوع Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر رطوبة التربة. لن يدخل إلا في اتجاه واحد.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس التناظري المسمى **A0** على قبعة Grove Base المثبتة على Raspberry Pi. هذا المقبس هو الثاني من اليمين، في صف المقابس بجانب دبابيس GPIO.
+
+![مستشعر رطوبة التربة متصل بالمقبس A0](../../../../../translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.ar.png)
+
+1. أدخل مستشعر رطوبة التربة في التربة. يحتوي المستشعر على "خط أعلى موضع" - وهو خط أبيض عبر المستشعر. أدخل المستشعر حتى هذا الخط ولكن لا تتجاوزه.
+
+![مستشعر رطوبة التربة في التربة](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ar.png)
+
+## برمجة مستشعر رطوبة التربة
+
+يمكن الآن برمجة Raspberry Pi لاستخدام مستشعر رطوبة التربة المتصل.
+
+### المهمة - برمجة مستشعر رطوبة التربة
+
+قم ببرمجة الجهاز.
+
+1. قم بتشغيل Raspberry Pi وانتظر حتى يتم الإقلاع.
+
+1. قم بتشغيل VS Code، إما مباشرة على Raspberry Pi، أو قم بالاتصال باستخدام إضافة Remote SSH.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بإعداد وتشغيل VS Code في درس Nightlight - الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. من خلال الطرفية، قم بإنشاء مجلد جديد في دليل المستخدم `pi` باسم `soil-moisture-sensor`. قم بإنشاء ملف داخل هذا المجلد باسم `app.py`.
+
+1. افتح هذا المجلد في VS Code.
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد بعض المكتبات المطلوبة:
+
+    ```python
+    import time
+    from grove.adc import ADC
+    ```
+
+    يقوم السطر `import time` باستيراد وحدة `time` التي سيتم استخدامها لاحقًا في هذا التمرين.
+
+    يقوم السطر `from grove.adc import ADC` باستيراد `ADC` من مكتبات Grove Python. تحتوي هذه المكتبة على كود للتفاعل مع المحول التناظري إلى الرقمي على قبعة Pi Base Hat وقراءة الجهود من المستشعرات التناظرية.
+
+1. أضف الكود التالي أدناه لإنشاء نسخة من فئة `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. أضف حلقة لا نهائية تقرأ من هذا المحول التناظري إلى الرقمي على دبوس A0، وتكتب النتيجة إلى وحدة التحكم. يمكن لهذه الحلقة أن تنتظر 10 ثوانٍ بين القراءات.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+
+        time.sleep(10)
+    ```
+
+1. قم بتشغيل تطبيق Python. سترى قياسات رطوبة التربة مكتوبة إلى وحدة التحكم. أضف بعض الماء إلى التربة، أو أخرج المستشعر من التربة، وشاهد التغير في القيمة.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+    في المثال أعلاه، يمكنك رؤية انخفاض الجهد عند إضافة الماء.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi).
+
+😀 لقد نجحت في برمجة مستشعر رطوبة التربة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/ar/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..56ce0a96
--- /dev/null
+++ b/translations/ar/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T22:51:35+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "ar"
+}
+-->
+# قياس رطوبة التربة - أجهزة إنترنت الأشياء الافتراضية
+
+في هذا الجزء من الدرس، ستضيف مستشعر رطوبة التربة السعوي إلى جهاز إنترنت الأشياء الافتراضي الخاص بك، وتقرأ القيم منه.
+
+## الأجهزة الافتراضية
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي مستشعر رطوبة التربة السعوي المحاكي من نوع Grove. هذا يجعل هذا المختبر مشابهًا لاستخدام Raspberry Pi مع مستشعر رطوبة التربة السعوي الفعلي.
+
+في جهاز إنترنت الأشياء الفعلي، سيكون مستشعر رطوبة التربة مستشعرًا سعويًا يقيس رطوبة التربة عن طريق الكشف عن السعة الكهربائية للتربة، وهي خاصية تتغير مع تغير رطوبة التربة. مع زيادة رطوبة التربة، ينخفض الجهد الكهربائي.
+
+هذا المستشعر هو مستشعر تناظري، لذا يستخدم محول تناظري رقمي محاكي بدقة 10 بت للإبلاغ عن قيمة تتراوح بين 1 و1023.
+
+### إضافة مستشعر رطوبة التربة إلى CounterFit
+
+لاستخدام مستشعر رطوبة التربة الافتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة - إضافة مستشعر رطوبة التربة إلى CounterFit
+
+أضف مستشعر رطوبة التربة إلى تطبيق CounterFit.
+
+1. قم بإنشاء تطبيق Python جديد على جهاز الكمبيوتر الخاص بك في مجلد يسمى `soil-moisture-sensor` مع ملف واحد يسمى `app.py` وبيئة Python افتراضية، وأضف حزم CounterFit باستخدام pip.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء وإعداد مشروع CounterFit Python في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء مستشعر رطوبة التربة:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، افتح القائمة المنسدلة *نوع المستشعر* واختر *رطوبة التربة*.
+
+    1. اترك *الوحدات* مضبوطة على *NoUnits*.
+
+    1. تأكد من أن *الدبوس* مضبوط على *0*.
+
+    1. اختر زر **إضافة** لإنشاء مستشعر *رطوبة التربة* على الدبوس 0.
+
+    ![إعدادات مستشعر رطوبة التربة](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ar.png)
+
+    سيتم إنشاء مستشعر رطوبة التربة وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر رطوبة التربة](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ar.png)
+
+## برمجة تطبيق مستشعر رطوبة التربة
+
+يمكن الآن برمجة تطبيق مستشعر رطوبة التربة باستخدام مستشعرات CounterFit.
+
+### المهمة - برمجة تطبيق مستشعر رطوبة التربة
+
+برمج تطبيق مستشعر رطوبة التربة.
+
+1. تأكد من فتح تطبيق `soil-moisture-sensor` في VS Code.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py` لتوصيل التطبيق بـ CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` لاستيراد بعض المكتبات المطلوبة:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    يقوم الأمر `import time` باستيراد وحدة `time` التي سيتم استخدامها لاحقًا في هذا التمرين.
+
+    يقوم الأمر `from counterfit_shims_grove.adc import ADC` باستيراد الفئة `ADC` للتفاعل مع محول تناظري رقمي افتراضي يمكنه الاتصال بمستشعر CounterFit.
+
+1. أضف الكود التالي أسفل هذا لإنشاء نسخة من الفئة `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. أضف حلقة لا نهائية تقرأ من هذا المحول التناظري الرقمي على الدبوس 0 وتكتب النتيجة إلى وحدة التحكم. يمكن لهذه الحلقة أن تتوقف لمدة 10 ثوانٍ بين القراءات.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. من تطبيق CounterFit، قم بتغيير قيمة مستشعر رطوبة التربة التي سيتم قراءتها بواسطة التطبيق. يمكنك القيام بذلك بطريقتين:
+
+    * أدخل رقمًا في مربع *القيمة* الخاص بمستشعر رطوبة التربة، ثم اختر زر **تعيين**. الرقم الذي تدخله سيكون القيمة التي يعيدها المستشعر.
+
+    * قم بتحديد مربع *عشوائي*، وأدخل قيمة *الحد الأدنى* و *الحد الأقصى*، ثم اختر زر **تعيين**. في كل مرة يقرأ المستشعر قيمة، سيقرأ رقمًا عشوائيًا بين *الحد الأدنى* و *الحد الأقصى*.
+
+1. قم بتشغيل تطبيق Python. سترى قياسات رطوبة التربة مكتوبة في وحدة التحكم. قم بتغيير إعدادات *القيمة* أو *العشوائي* لرؤية تغير القيمة.
+
+    ```output
+    (.venv) ➜ soil-moisture-sensor $ python app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) المجلد.
+
+😀 لقد نجحت في برمجة تطبيق مستشعر رطوبة التربة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/ar/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..81d005e5
--- /dev/null
+++ b/translations/ar/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T22:49:03+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "ar"
+}
+-->
+# قياس رطوبة التربة - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر رطوبة التربة السعوي إلى Wio Terminal الخاص بك، وقراءة القيم منه.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى مستشعر رطوبة التربة السعوي.
+
+المستشعر الذي ستستخدمه هو [مستشعر رطوبة التربة السعوي](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)، الذي يقيس رطوبة التربة عن طريق الكشف عن السعة الكهربائية للتربة، وهي خاصية تتغير مع تغير رطوبة التربة. مع زيادة رطوبة التربة، ينخفض الجهد الكهربائي.
+
+هذا مستشعر تناظري، لذا يتم توصيله بدبابيس التناظرية على Wio Terminal، باستخدام محول ADC مدمج لإنشاء قيمة تتراوح بين 0-1023.
+
+### توصيل مستشعر رطوبة التربة
+
+يمكن توصيل مستشعر رطوبة التربة Grove بمنفذ التناظري/الرقمي القابل للتكوين في Wio Terminal.
+
+#### المهمة - توصيل مستشعر رطوبة التربة
+
+قم بتوصيل مستشعر رطوبة التربة.
+
+![مستشعر رطوبة التربة Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر رطوبة التربة. يمكن إدخاله في اتجاه واحد فقط.
+
+1. مع فصل Wio Terminal عن الكمبيوتر أو مصدر الطاقة الآخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الموجود على الجانب الأيمن من Wio Terminal كما يظهر على الشاشة. هذا هو المقبس الأبعد عن زر الطاقة.
+
+![مستشعر رطوبة التربة Grove متصل بالمقبس الأيمن](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ar.png)
+
+1. أدخل مستشعر رطوبة التربة في التربة. يحتوي على "خط أعلى موضع" - خط أبيض عبر المستشعر. أدخل المستشعر حتى هذا الخط ولكن لا تتجاوزه.
+
+![مستشعر رطوبة التربة Grove في التربة](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ar.png)
+
+1. يمكنك الآن توصيل Wio Terminal بجهاز الكمبيوتر الخاص بك.
+
+## برمجة مستشعر رطوبة التربة
+
+يمكن الآن برمجة Wio Terminal لاستخدام مستشعر رطوبة التربة المرفق.
+
+### المهمة - برمجة مستشعر رطوبة التربة
+
+قم ببرمجة الجهاز.
+
+1. قم بإنشاء مشروع جديد لـ Wio Terminal باستخدام PlatformIO. قم بتسمية هذا المشروع `soil-moisture-sensor`. أضف الكود في وظيفة `setup` لتكوين منفذ التسلسل.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشروع PlatformIO في المشروع 1، الدرس 1 إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. لا توجد مكتبة لهذا المستشعر، بدلاً من ذلك يمكنك القراءة من الدبوس التناظري باستخدام وظيفة Arduino المدمجة [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/). ابدأ بتكوين الدبوس التناظري للإدخال حتى يمكن قراءة القيم منه عن طريق إضافة التالي إلى وظيفة `setup`.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    هذا يحدد دبوس `A0`، الدبوس التناظري/الرقمي المدمج، كدبوس إدخال يمكن قراءة الجهد الكهربائي منه.
+
+1. أضف التالي إلى وظيفة `loop` لقراءة الجهد الكهربائي من هذا الدبوس:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. أسفل هذا الكود، أضف الكود التالي لطباعة القيمة إلى منفذ التسلسل:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. أخيرًا أضف تأخيرًا لمدة 10 ثوانٍ في النهاية:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. قم ببناء ورفع الكود إلى Wio Terminal.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشروع PlatformIO في المشروع 1، الدرس 1 إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. بمجرد رفع الكود، يمكنك مراقبة رطوبة التربة باستخدام شاشة التسلسل. أضف بعض الماء إلى التربة، أو قم بإزالة المستشعر من التربة، وشاهد تغير القيمة.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Soil Moisture: 526
+    Soil Moisture: 529
+    Soil Moisture: 521
+    Soil Moisture: 494
+    Soil Moisture: 454
+    Soil Moisture: 456
+    Soil Moisture: 395
+    Soil Moisture: 388
+    Soil Moisture: 394
+    Soil Moisture: 391
+    ```
+
+    في المثال أعلاه، يمكنك رؤية انخفاض الجهد الكهربائي عند إضافة الماء.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal).
+
+😀 لقد نجحت في برمجة مستشعر رطوبة التربة!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/3-automated-plant-watering/README.md b/translations/ar/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..63b105b4
--- /dev/null
+++ b/translations/ar/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T22:22:58+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "ar"
+}
+-->
+# الريّ الآلي للنباتات
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+تم تدريس هذا الدرس كجزء من [مشروع إنترنت الأشياء للمبتدئين - سلسلة الزراعة الرقمية](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) من [مايكروسوفت ريآكتور](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![ريّ النباتات باستخدام إنترنت الأشياء](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## المقدمة
+
+في الدرس السابق، تعلمت كيفية مراقبة رطوبة التربة. في هذا الدرس، ستتعلم كيفية بناء المكونات الأساسية لنظام ريّ آلي يستجيب لرطوبة التربة. ستتعلم أيضًا عن التوقيت - كيف يمكن أن تستغرق المستشعرات وقتًا للاستجابة للتغيرات، وكيف يمكن للمشغلات أن تستغرق وقتًا لتغيير الخصائص التي تقيسها المستشعرات.
+
+في هذا الدرس سنغطي:
+
+* [التحكم في الأجهزة ذات الطاقة العالية باستخدام جهاز إنترنت الأشياء منخفض الطاقة](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [التحكم في الريليه](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [التحكم في نباتك عبر MQTT](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [توقيت المستشعرات والمشغلات](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [إضافة التوقيت إلى خادم التحكم بالنباتات](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## التحكم في الأجهزة ذات الطاقة العالية باستخدام جهاز إنترنت الأشياء منخفض الطاقة
+
+تستخدم أجهزة إنترنت الأشياء جهدًا منخفضًا. بينما يكون هذا كافيًا للمستشعرات والمشغلات منخفضة الطاقة مثل مصابيح LED، إلا أنه منخفض جدًا للتحكم في الأجهزة الأكبر، مثل مضخة المياه المستخدمة في الريّ. حتى المضخات الصغيرة التي يمكن استخدامها للنباتات المنزلية تسحب تيارًا كبيرًا جدًا بالنسبة لمجموعة تطوير إنترنت الأشياء، مما قد يؤدي إلى تلف اللوحة.
+
+> 🎓 التيار، الذي يُقاس بالأمبير (A)، هو كمية الكهرباء التي تتحرك عبر الدائرة. الجهد يوفر الدفع، والتيار هو مقدار الدفع. يمكنك قراءة المزيد عن التيار في [صفحة التيار الكهربائي على ويكيبيديا](https://wikipedia.org/wiki/Electric_current).
+
+الحل هو توصيل المضخة بمصدر طاقة خارجي واستخدام مشغل لتشغيل المضخة، مشابه لكيفية تشغيل الضوء باستخدام مفتاح. يتطلب الأمر كمية صغيرة جدًا من الطاقة (على شكل طاقة في جسمك) لتحريك إصبعك لتشغيل المفتاح، وهذا يربط الضوء بالكهرباء الرئيسية التي تعمل بجهد 110 فولت/240 فولت.
+
+![مفتاح الضوء يشغل الطاقة للضوء](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ar.png)
+
+> 🎓 [الكهرباء الرئيسية](https://wikipedia.org/wiki/Mains_electricity) تشير إلى الكهرباء التي يتم توصيلها إلى المنازل والأعمال عبر البنية التحتية الوطنية في العديد من أنحاء العالم.
+
+✅ يمكن لأجهزة إنترنت الأشياء عادةً توفير 3.3 فولت أو 5 فولت، بأقل من 1 أمبير (1A) من التيار. قارن هذا بالكهرباء الرئيسية التي تكون غالبًا عند 230 فولت (120 فولت في أمريكا الشمالية و100 فولت في اليابان)، ويمكنها توفير الطاقة للأجهزة التي تسحب 30 أمبير.
+
+هناك عدد من المشغلات التي يمكنها القيام بذلك، بما في ذلك الأجهزة الميكانيكية التي يمكن تثبيتها على المفاتيح الموجودة لتقليد حركة الإصبع لتشغيلها. الأكثر شيوعًا هو الريليه.
+
+### الريليه
+
+الريليه هو مفتاح كهروميكانيكي يحول الإشارة الكهربائية إلى حركة ميكانيكية تقوم بتشغيل المفتاح. جوهر الريليه هو المغناطيس الكهربائي.
+
+> 🎓 [المغناطيسات الكهربائية](https://wikipedia.org/wiki/Electromagnet) هي مغناطيسات يتم إنشاؤها عن طريق تمرير الكهرباء عبر ملف من الأسلاك. عندما يتم تشغيل الكهرباء، يصبح الملف ممغنطًا. عندما يتم إيقاف الكهرباء، يفقد الملف مغناطيسيته.
+
+![عندما يكون في وضع التشغيل، يخلق المغناطيس الكهربائي مجالًا مغناطيسيًا، مما يشغل المفتاح لدائرة الإخراج](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ar.png)
+
+في الريليه، تقوم دائرة التحكم بتشغيل المغناطيس الكهربائي. عندما يكون المغناطيس الكهربائي في وضع التشغيل، فإنه يسحب ذراعًا يحرك مفتاحًا، مما يغلق زوجًا من التلامسات ويكمل دائرة الإخراج.
+
+![عندما يكون في وضع الإيقاف، لا يخلق المغناطيس الكهربائي مجالًا مغناطيسيًا، مما يوقف المفتاح لدائرة الإخراج](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ar.png)
+
+عندما تكون دائرة التحكم في وضع الإيقاف، يتم إيقاف تشغيل المغناطيس الكهربائي، مما يحرر الذراع ويفتح التلامسات، مما يوقف دائرة الإخراج. الريليه هو مشغل رقمي - إشارة عالية إلى الريليه تشغله، وإشارة منخفضة توقفه.
+
+يمكن استخدام دائرة الإخراج لتشغيل أجهزة إضافية، مثل نظام الريّ. يمكن لجهاز إنترنت الأشياء تشغيل الريليه، مما يكمل دائرة الإخراج التي تشغل نظام الريّ، ويتم ريّ النباتات. يمكن لجهاز إنترنت الأشياء بعد ذلك إيقاف تشغيل الريليه، مما يقطع الطاقة عن نظام الريّ، ويوقف الماء.
+
+![ريليه يشغل مضخة ترسل الماء إلى النبات](../../../../../images/strawberry-pump.gif)
+
+في الفيديو أعلاه، يتم تشغيل الريليه. يضيء مصباح LED على الريليه للإشارة إلى أنه في وضع التشغيل (تحتوي بعض لوحات الريليه على مصابيح LED للإشارة إلى ما إذا كان الريليه في وضع التشغيل أو الإيقاف)، ويتم إرسال الطاقة إلى المضخة، مما يشغلها ويضخ الماء إلى النبات.
+
+> 💁 يمكن أيضًا استخدام الريليه للتبديل بين دائرتي إخراج بدلاً من تشغيل واحدة وإيقافها. عندما يتحرك الذراع، فإنه يحرك مفتاحًا من إكمال دائرة إخراج واحدة إلى إكمال دائرة إخراج مختلفة، عادةً بمشاركة اتصال طاقة مشترك أو اتصال أرضي مشترك.
+
+✅ قم ببعض البحث: هناك أنواع متعددة من الريليه، مع اختلافات مثل ما إذا كانت دائرة التحكم تشغل الريليه أو توقفه عند تطبيق الطاقة، أو وجود دوائر إخراج متعددة. اكتشف هذه الأنواع المختلفة.
+
+عندما يتحرك الذراع، يمكنك عادةً سماع صوت واضح للنقر عند الاتصال بالمغناطيس الكهربائي.
+
+> 💁 يمكن توصيل الريليه بحيث يؤدي إنشاء الاتصال فعليًا إلى قطع الطاقة عن الريليه، مما يوقف تشغيله، والذي يرسل بعد ذلك الطاقة إلى الريليه لتشغيله مرة أخرى، وهكذا. هذا يعني أن الريليه سينقر بسرعة كبيرة مما يخلق صوت طنين. هذه هي الطريقة التي عملت بها بعض الأجراس الكهربائية الأولى المستخدمة في أجراس الأبواب.
+
+### طاقة الريليه
+
+لا يحتاج المغناطيس الكهربائي إلى الكثير من الطاقة للتفعيل وسحب الذراع، يمكن التحكم فيه باستخدام خرج 3.3 فولت أو 5 فولت من مجموعة تطوير إنترنت الأشياء. يمكن لدائرة الإخراج أن تحمل طاقة أكبر بكثير، اعتمادًا على الريليه، بما في ذلك الجهد الرئيسي أو حتى مستويات طاقة أعلى للاستخدام الصناعي. بهذه الطريقة يمكن لمجموعة تطوير إنترنت الأشياء التحكم في نظام الريّ، من مضخة صغيرة لنبات واحد، وصولًا إلى نظام صناعي ضخم لمزرعة تجارية كاملة.
+
+![ريليه Grove مع دائرة التحكم، دائرة الإخراج والريليه موضحة](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ar.png)
+
+الصورة أعلاه تظهر ريليه Grove. دائرة التحكم تتصل بجهاز إنترنت الأشياء وتقوم بتشغيل الريليه أو إيقافه باستخدام 3.3 فولت أو 5 فولت. دائرة الإخراج تحتوي على طرفين، يمكن لأي منهما أن يكون الطاقة أو الأرض. دائرة الإخراج يمكنها التعامل مع ما يصل إلى 250 فولت عند 10 أمبير، وهو ما يكفي لمجموعة من الأجهزة التي تعمل بالطاقة الرئيسية. يمكنك الحصول على ريليه يمكنه التعامل مع مستويات طاقة أعلى.
+
+![مضخة موصولة عبر ريليه](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ar.png)
+
+في الصورة أعلاه، يتم توفير الطاقة لمضخة عبر ريليه. هناك سلك أحمر يربط الطرف +5 فولت من مصدر طاقة USB بأحد أطراف دائرة الإخراج للريليه، وسلك أحمر آخر يربط الطرف الآخر لدائرة الإخراج بالمضخة. سلك أسود يربط المضخة بالأرض على مصدر طاقة USB. عندما يتم تشغيل الريليه، فإنه يكمل الدائرة، ويرسل 5 فولت إلى المضخة، مما يشغل المضخة.
+
+## التحكم في الريليه
+
+يمكنك التحكم في الريليه من مجموعة تطوير إنترنت الأشياء الخاصة بك.
+
+### المهمة - التحكم في الريليه
+
+قم بتنفيذ الدليل المناسب للتحكم في الريليه باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-relay.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-relay.md)
+
+## التحكم في نباتك عبر MQTT
+
+حتى الآن يتم التحكم في الريليه بواسطة جهاز إنترنت الأشياء مباشرة بناءً على قراءة واحدة لرطوبة التربة. في نظام الريّ التجاري، يتم مركزية منطق التحكم، مما يسمح له باتخاذ قرارات الريّ باستخدام بيانات من مستشعرات متعددة، والسماح بتغيير أي إعدادات في مكان واحد. لمحاكاة ذلك، يمكنك التحكم في الريليه عبر MQTT.
+
+### المهمة - التحكم في الريليه عبر MQTT
+
+1. أضف مكتبات MQTT/pip المناسبة والكود إلى مشروع `soil-moisture-sensor` للاتصال بـ MQTT. قم بتسمية معرف العميل كـ `soilmoisturesensor_client` مسبوقًا بمعرفك.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات للاتصال بـ MQTT في المشروع 1، الدرس 4 إذا لزم الأمر](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt).
+
+1. أضف كود الجهاز المناسب لإرسال البيانات مع إعدادات رطوبة التربة. بالنسبة لرسالة البيانات، قم بتسمية الخاصية `soil_moisture`.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإرسال البيانات إلى MQTT في المشروع 1، الدرس 4 إذا لزم الأمر](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device).
+
+1. قم بإنشاء كود خادم محلي للاشتراك في البيانات وإرسال أمر للتحكم في الريليه في مجلد يسمى `soil-moisture-sensor-server`. قم بتسمية الخاصية في رسالة الأمر `relay_on`، وقم بتعيين معرف العميل كـ `soilmoisturesensor_server` مسبوقًا بمعرفك. حافظ على نفس هيكل كود الخادم الذي كتبته للمشروع 1، الدرس 4 حيث ستضيف إلى هذا الكود لاحقًا في هذا الدرس.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإرسال البيانات إلى MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) و[إرسال الأوامر عبر MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) في المشروع 1، الدرس 4 إذا لزم الأمر.
+
+1. أضف كود الجهاز المناسب للتحكم في الريليه من الأوامر المستلمة، باستخدام الخاصية `relay_on` من الرسالة. أرسل true لـ `relay_on` إذا كانت `soil_moisture` أكبر من 450، وإلا أرسل false، بنفس المنطق الذي أضفته لجهاز إنترنت الأشياء سابقًا.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات للاستجابة للأوامر من MQTT في المشروع 1، الدرس 4 إذا لزم الأمر](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device).
+
+> 💁 يمكنك العثور على هذا الكود في [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) folder.
+
+تأكد من تشغيل الكود على جهازك والخادم المحلي، واختبره عن طريق تغيير مستويات رطوبة التربة، إما عن طريق تغيير القيم المرسلة بواسطة المستشعر الافتراضي، أو عن طريق تغيير مستويات الرطوبة في التربة بإضافة الماء أو إزالة المستشعر من التربة.
+
+## توقيت المستشعرات والمشغلات
+
+في الدرس الثالث، قمت ببناء ضوء ليلي - مصباح LED يضيء بمجرد اكتشاف مستوى منخفض من الضوء بواسطة مستشعر الضوء. مستشعر الضوء اكتشف تغيرًا في مستويات الضوء على الفور، وكان الجهاز قادرًا على الاستجابة بسرعة، فقط محدودًا بطول التأخير في وظيفة `loop` أو حلقة `while True:`. كمطور إنترنت الأشياء، لا يمكنك دائمًا الاعتماد على مثل هذه الحلقة السريعة.
+
+### توقيت رطوبة التربة
+
+إذا قمت بالدرس الأخير حول رطوبة التربة باستخدام مستشعر فعلي، ربما لاحظت أنه استغرق بضع ثوانٍ حتى تنخفض قراءة رطوبة التربة بعد ريّ النبات. هذا ليس لأن المستشعر بطيء، ولكن لأن الماء يستغرق وقتًا للتغلغل في التربة.
+💁 إذا قمت بري التربة بالقرب من المستشعر، قد تكون لاحظت انخفاض القراءة بسرعة ثم عودتها للارتفاع - يحدث هذا بسبب انتشار الماء بالقرب من المستشعر في باقي التربة، مما يقلل من رطوبة التربة حول المستشعر.
+![قياس رطوبة التربة بقيمة 658 لا يتغير أثناء الري، ولكنه ينخفض إلى 320 بعد الري عندما يتشبع الماء في التربة](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ar.png)
+
+في الرسم البياني أعلاه، يظهر قياس رطوبة التربة بقيمة 658. يتم ري النبات، لكن هذه القيمة لا تتغير فورًا لأن الماء لم يصل بعد إلى المستشعر. يمكن أن ينتهي الري حتى قبل أن يصل الماء إلى المستشعر وتنخفض القيمة لتعكس مستوى الرطوبة الجديد.
+
+إذا كنت تكتب كودًا للتحكم في نظام الري باستخدام مرحل بناءً على مستويات رطوبة التربة، فستحتاج إلى أخذ هذا التأخير في الاعتبار وبناء توقيت أكثر ذكاءً في جهاز إنترنت الأشياء الخاص بك.
+
+✅ خذ لحظة للتفكير في كيفية القيام بذلك.
+
+### التحكم في توقيت المستشعر والمشغل
+
+تخيل أنك مكلف ببناء نظام ري لمزرعة. بناءً على نوع التربة، تم تحديد أن مستوى الرطوبة المثالي للنباتات المزروعة يتطابق مع قراءة جهد تناظري بين 400-450.
+
+يمكنك برمجة الجهاز بنفس طريقة المصباح الليلي - طوال الوقت الذي يقرأ فيه المستشعر قيمة أعلى من 450، قم بتشغيل المرحل لتشغيل المضخة. المشكلة هي أن الماء يستغرق وقتًا للوصول من المضخة عبر التربة إلى المستشعر. سيتوقف المستشعر عن الماء عندما يكتشف مستوى 450، لكن مستوى الماء سيستمر في الانخفاض مع استمرار تشبع الماء في التربة. النتيجة النهائية هي هدر الماء وخطر تلف الجذور.
+
+✅ تذكر - الكثير من الماء يمكن أن يكون سيئًا للنباتات مثل القليل منه، ويهدر موردًا ثمينًا.
+
+الحل الأفضل هو فهم أن هناك تأخيرًا بين تشغيل المشغل وتغير الخاصية التي يقرأها المستشعر. هذا يعني أنه لا يجب فقط أن ينتظر المستشعر لفترة قبل قياس القيمة مرة أخرى، ولكن يجب أن يتوقف المشغل لفترة قبل أخذ قياس المستشعر التالي.
+
+كم من الوقت يجب أن يكون المرحل قيد التشغيل في كل مرة؟ من الأفضل أن تكون حذرًا وتشغيل المرحل لفترة قصيرة فقط، ثم الانتظار حتى يتشبع الماء، ثم إعادة التحقق من مستويات الرطوبة. بعد كل شيء، يمكنك دائمًا تشغيله مرة أخرى لإضافة المزيد من الماء، لكن لا يمكنك إزالة الماء من التربة.
+
+> 💁 هذا النوع من التحكم في التوقيت محدد جدًا لجهاز إنترنت الأشياء الذي تقوم ببنائه، والخاصية التي تقيسها، والمستشعرات والمشغلات المستخدمة.
+
+![نبات الفراولة متصل بالماء عبر مضخة، والمضخة متصلة بمرحل. المرحل ومستشعر رطوبة التربة في النبات كلاهما متصل بـ Raspberry Pi](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ar.png)
+
+على سبيل المثال، لدي نبات فراولة مع مستشعر رطوبة التربة ومضخة يتم التحكم فيها بواسطة مرحل. لقد لاحظت أنه عندما أضيف الماء يستغرق حوالي 20 ثانية حتى تستقر قراءة رطوبة التربة. هذا يعني أنني بحاجة إلى إيقاف المرحل والانتظار لمدة 20 ثانية قبل التحقق من مستويات الرطوبة. أفضل أن يكون هناك القليل من الماء بدلاً من الكثير - يمكنني دائمًا تشغيل المضخة مرة أخرى، لكن لا يمكنني إزالة الماء من النبات.
+
+![الخطوة 1: أخذ القياس. الخطوة 2: إضافة الماء. الخطوة 3: الانتظار حتى يتشبع الماء في التربة. الخطوة 4: إعادة أخذ القياس](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ar.png)
+
+هذا يعني أن أفضل عملية ستكون دورة ري تشبه:
+
+* تشغيل المضخة لمدة 5 ثوانٍ
+* الانتظار لمدة 20 ثانية
+* التحقق من رطوبة التربة
+* إذا كان المستوى لا يزال أعلى مما أحتاجه، كرر الخطوات أعلاه
+
+قد تكون 5 ثوانٍ طويلة جدًا بالنسبة للمضخة، خاصة إذا كانت مستويات الرطوبة أعلى قليلاً فقط من المستوى المطلوب. أفضل طريقة لمعرفة التوقيت المناسب هي تجربته، ثم التعديل عندما تحصل على بيانات المستشعر، مع حلقة تغذية راجعة مستمرة. يمكن أن يؤدي ذلك حتى إلى توقيت أكثر دقة، مثل تشغيل المضخة لمدة ثانية واحدة لكل 100 أعلى من مستوى رطوبة التربة المطلوب، بدلاً من 5 ثوانٍ ثابتة.
+
+✅ قم ببعض البحث: هل هناك اعتبارات توقيت أخرى؟ هل يمكن ري النبات في أي وقت تكون فيه رطوبة التربة منخفضة جدًا، أم أن هناك أوقات معينة من اليوم تكون جيدة أو سيئة لري النباتات؟
+
+> 💁 يمكن أيضًا أخذ توقعات الطقس في الاعتبار عند التحكم في أنظمة الري الآلية للنمو الخارجي. إذا كان من المتوقع هطول الأمطار، يمكن تأجيل الري حتى انتهاء المطر. في تلك المرحلة قد تكون التربة رطبة بما يكفي بحيث لا تحتاج إلى الري، وهو أكثر كفاءة من هدر الماء بالري قبل المطر مباشرة.
+
+## إضافة توقيت إلى خادم التحكم بالنباتات
+
+يمكن تعديل كود الخادم لإضافة التحكم حول توقيت دورة الري، والانتظار حتى تتغير مستويات رطوبة التربة. منطق الخادم للتحكم في توقيت المرحل هو:
+
+1. استلام رسالة القياس عن بعد
+1. التحقق من مستوى رطوبة التربة
+1. إذا كان المستوى مناسبًا، لا تفعل شيئًا. إذا كانت القراءة مرتفعة جدًا (مما يعني أن رطوبة التربة منخفضة جدًا)، فقم بما يلي:
+    1. إرسال أمر لتشغيل المرحل
+    1. الانتظار لمدة 5 ثوانٍ
+    1. إرسال أمر لإيقاف المرحل
+    1. الانتظار لمدة 20 ثانية حتى تستقر مستويات رطوبة التربة
+
+دورة الري، العملية من استلام رسالة القياس عن بعد إلى أن تكون جاهزًا لمعالجة مستويات رطوبة التربة مرة أخرى، تستغرق حوالي 25 ثانية. نحن نرسل مستويات رطوبة التربة كل 10 ثوانٍ، لذا هناك تداخل حيث يتم استلام رسالة بينما ينتظر الخادم استقرار مستويات رطوبة التربة، مما قد يبدأ دورة ري أخرى.
+
+هناك خياران للتعامل مع هذا:
+
+* تغيير كود جهاز إنترنت الأشياء لإرسال القياس عن بعد كل دقيقة فقط، بهذه الطريقة ستكتمل دورة الري قبل إرسال الرسالة التالية
+* إلغاء الاشتراك من القياس عن بعد أثناء دورة الري
+
+الخيار الأول ليس دائمًا حلاً جيدًا للمزارع الكبيرة. قد يرغب المزارع في التقاط مستويات رطوبة التربة أثناء ري التربة لتحليلها لاحقًا، على سبيل المثال ليكون على دراية بتدفق الماء في مناطق مختلفة من المزرعة لتوجيه الري بشكل أكثر دقة. الخيار الثاني أفضل - الكود يتجاهل القياس عن بعد عندما لا يمكن استخدامه، لكن القياس عن بعد لا يزال موجودًا لخدمات أخرى قد تشترك فيه.
+
+> 💁 بيانات إنترنت الأشياء لا يتم إرسالها من جهاز واحد إلى خدمة واحدة فقط، بل يمكن للعديد من الأجهزة إرسال البيانات إلى وسيط، ويمكن للعديد من الخدمات الاستماع إلى البيانات من الوسيط. على سبيل المثال، يمكن لخدمة واحدة الاستماع إلى بيانات رطوبة التربة وتخزينها في قاعدة بيانات لتحليلها لاحقًا. يمكن لخدمة أخرى أيضًا الاستماع إلى نفس القياس عن بعد للتحكم في نظام الري.
+
+### المهمة - إضافة توقيت إلى خادم التحكم بالنباتات
+
+قم بتحديث كود الخادم لتشغيل المرحل لمدة 5 ثوانٍ، ثم الانتظار لمدة 20 ثانية.
+
+1. افتح مجلد `soil-moisture-sensor-server` في VS Code إذا لم يكن مفتوحًا بالفعل. تأكد من تنشيط البيئة الافتراضية.
+
+1. افتح ملف `app.py`
+
+1. أضف الكود التالي إلى ملف `app.py` أسفل الواردات الحالية:
+
+    ```python
+    import threading
+    ```
+
+    هذا البيان يستورد `threading` من مكتبات Python، مما يسمح لـ Python بتنفيذ كود آخر أثناء الانتظار.
+
+1. أضف الكود التالي قبل وظيفة `handle_telemetry` التي تعالج رسائل القياس عن بعد المستلمة بواسطة كود الخادم:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    هذا يحدد مدة تشغيل المرحل (`water_time`)، ومدة الانتظار بعدها للتحقق من رطوبة التربة (`wait_time`).
+
+1. أسفل هذا الكود، أضف ما يلي:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    هذا الكود يعرف وظيفة تسمى `send_relay_command` التي ترسل أمرًا عبر MQTT للتحكم في المرحل. يتم إنشاء القياس عن بعد كقاموس، ثم تحويله إلى سلسلة JSON. القيمة الممررة إلى `state` تحدد ما إذا كان المرحل يجب أن يكون قيد التشغيل أو الإيقاف.
+
+1. بعد وظيفة `send_relay_code`، أضف الكود التالي:
+
+    ```python
+    def control_relay(client):
+        print("Unsubscribing from telemetry")
+        mqtt_client.unsubscribe(client_telemetry_topic)
+    
+        send_relay_command(client, True)
+        time.sleep(water_time)
+        send_relay_command(client, False)
+    
+        time.sleep(wait_time)
+    
+        print("Subscribing to telemetry")
+        mqtt_client.subscribe(client_telemetry_topic)
+    ```
+
+    هذا يعرف وظيفة للتحكم في المرحل بناءً على التوقيت المطلوب. يبدأ بإلغاء الاشتراك من القياس عن بعد بحيث لا تتم معالجة رسائل رطوبة التربة أثناء الري. بعد ذلك يرسل أمرًا لتشغيل المرحل. ثم ينتظر لمدة `water_time` قبل إرسال أمر لإيقاف المرحل. أخيرًا ينتظر استقرار مستويات رطوبة التربة لمدة `wait_time` ثانية. ثم يعيد الاشتراك في القياس عن بعد.
+
+1. قم بتغيير وظيفة `handle_telemetry` إلى ما يلي:
+
+    ```python
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['soil_moisture'] > 450:
+            threading.Thread(target=control_relay, args=(client,)).start()
+    ```
+
+    هذا الكود يتحقق من مستوى رطوبة التربة. إذا كانت أكبر من 450، فإن التربة تحتاج إلى الري، لذا يتم استدعاء وظيفة `control_relay`. يتم تشغيل هذه الوظيفة على خيط منفصل، يعمل في الخلفية.
+
+1. تأكد من تشغيل جهاز إنترنت الأشياء الخاص بك، ثم قم بتشغيل هذا الكود. قم بتغيير مستويات رطوبة التربة ولاحظ ما يحدث للمرحل - يجب أن يعمل لمدة 5 ثوانٍ ثم يبقى مغلقًا لمدة 20 ثانية على الأقل، ولا يعمل إلا إذا كانت مستويات رطوبة التربة غير كافية.
+
+    ```output
+    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
+    Message received: {'soil_moisture': 457}
+    Unsubscribing from telemetry
+    Sending message: {'relay_on': True}
+    Sending message: {'relay_on': False}
+    Subscribing to telemetry
+    Message received: {'soil_moisture': 302}
+    ```
+
+    طريقة جيدة لاختبار ذلك في نظام ري محاكي هي استخدام تربة جافة، ثم صب الماء يدويًا أثناء تشغيل المرحل، والتوقف عن الصب عندما يتوقف المرحل.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing).
+
+> 💁 إذا كنت تريد استخدام مضخة لبناء نظام ري حقيقي، يمكنك استخدام [مضخة ماء 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) مع [مزود طاقة طرفي USB](https://www.adafruit.com/product/3628). تأكد من أن الطاقة إلى أو من المضخة متصلة عبر المرحل.
+
+---
+
+## 🚀 التحدي
+
+هل يمكنك التفكير في أي أجهزة إنترنت الأشياء أو أجهزة كهربائية أخرى تواجه مشكلة مشابهة حيث يستغرق الأمر وقتًا حتى تصل نتائج المشغل إلى المستشعر؟ ربما لديك بعض منها في منزلك أو مدرستك.
+
+* ما الخصائص التي تقيسها؟
+* كم من الوقت يستغرق تغير الخاصية بعد استخدام المشغل؟
+* هل من المقبول أن تتغير الخاصية بعد القيمة المطلوبة؟
+* كيف يمكن إعادتها إلى القيمة المطلوبة إذا لزم الأمر؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن المرحلات بما في ذلك استخدامها التاريخي في تبادل الهواتف على [صفحة ويكيبيديا عن المرحلات](https://wikipedia.org/wiki/Relay).
+
+## الواجب
+
+[بناء دورة ري أكثر كفاءة](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/ar/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..8593ac62
--- /dev/null
+++ b/translations/ar/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T22:27:41+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "ar"
+}
+-->
+# بناء دورة ري أكثر كفاءة
+
+## التعليمات
+
+تناولت هذه الدرس كيفية التحكم في المرحل باستخدام بيانات المستشعر، ويمكن لهذا المرحل بدوره التحكم في مضخة لنظام الري. بالنسبة لمساحة محددة من التربة، فإن تشغيل المضخة لفترة زمنية ثابتة يجب أن يكون له نفس التأثير دائمًا على رطوبة التربة. هذا يعني أنه يمكنك الحصول على فكرة عن عدد الثواني اللازمة للري التي تتوافق مع انخفاض معين في قراءة رطوبة التربة. باستخدام هذه البيانات، يمكنك بناء نظام ري أكثر تحكمًا.
+
+في هذا التمرين، ستقوم بحساب المدة التي يجب أن تعمل فيها المضخة لتحقيق زيادة معينة في رطوبة التربة.
+
+> ⚠️ إذا كنت تستخدم أجهزة إنترنت الأشياء الافتراضية، يمكنك اتباع هذه العملية، ولكن قم بمحاكاة النتائج عن طريق زيادة قراءة رطوبة التربة يدويًا بمقدار ثابت لكل ثانية تكون فيها المضخة قيد التشغيل.
+
+1. ابدأ بتربة جافة. قم بقياس رطوبة التربة.
+
+1. أضف كمية ثابتة من الماء، إما عن طريق تشغيل المضخة لمدة ثانية واحدة أو عن طريق صب كمية ثابتة من الماء.
+
+    > يجب أن تعمل المضخة دائمًا بمعدل ثابت، لذا فإن كل ثانية تعمل فيها المضخة يجب أن توفر نفس الكمية من الماء.
+
+1. انتظر حتى تستقر مستويات رطوبة التربة ثم قم بأخذ قراءة.
+
+1. كرر هذه العملية عدة مرات وقم بإنشاء جدول للنتائج. مثال على هذا الجدول موضح أدناه.
+
+    | إجمالي وقت تشغيل المضخة | رطوبة التربة | الانخفاض |
+    | --- | --: | -: |
+    | جاف | 643 |  0 |
+    | 1 ثانية | 621 | 22 |
+    | 2 ثانية | 601 | 20 |
+    | 3 ثانية | 579 | 22 |
+    | 4 ثانية | 560 | 19 |
+    | 5 ثانية | 539 | 21 |
+    | 6 ثانية | 521 | 18 |
+
+1. احسب متوسط الزيادة في رطوبة التربة لكل ثانية من الماء. في المثال أعلاه، كل ثانية من الماء تقلل القراءة بمعدل متوسط قدره 20.3.
+
+1. استخدم هذه البيانات لتحسين كفاءة كود الخادم الخاص بك، بحيث تعمل المضخة للمدة المطلوبة للوصول إلى مستوى الرطوبة المطلوب.
+
+## المعايير
+
+| المعيار | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| قياس بيانات رطوبة التربة | قادر على التقاط قراءات متعددة بعد إضافة كميات ثابتة من الماء | قادر على التقاط بعض القراءات مع كميات ثابتة من الماء | يمكنه التقاط قراءة واحدة أو اثنتين فقط، أو غير قادر على استخدام كميات ثابتة من الماء |
+| معايرة كود الخادم | قادر على حساب متوسط الانخفاض في قراءة رطوبة التربة وتحديث كود الخادم لاستخدام هذا المتوسط | قادر على حساب متوسط الانخفاض، ولكنه غير قادر على تحديث كود الخادم، أو غير قادر على حساب المتوسط بشكل صحيح ولكنه يستخدم هذه القيمة لتحديث كود الخادم بشكل صحيح | غير قادر على حساب المتوسط أو تحديث كود الخادم |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/ar/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..bc36974c
--- /dev/null
+++ b/translations/ar/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T22:29:30+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في الريليه - Raspberry Pi
+
+في هذا الجزء من الدرس، ستضيف ريليه إلى Raspberry Pi بالإضافة إلى مستشعر رطوبة التربة، وستتحكم فيه بناءً على مستوى رطوبة التربة.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى ريليه.
+
+الريليه الذي ستستخدمه هو [Grove relay](https://www.seeedstudio.com/Grove-Relay.html)، وهو ريليه مفتوح عادةً (مما يعني أن دائرة الإخراج تكون مفتوحة أو غير متصلة عندما لا يتم إرسال إشارة إلى الريليه) ويمكنه التعامل مع دوائر الإخراج حتى 250V و10A.
+
+هذا جهاز رقمي، لذا يتم توصيله بدبوس رقمي على قبعة Grove Base.
+
+### توصيل الريليه
+
+يمكن توصيل ريليه Grove بـ Raspberry Pi.
+
+#### المهمة
+
+قم بتوصيل الريليه.
+
+![ريليه Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على الريليه. لن يدخل إلا بطريقة واحدة.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الرقمي المسمى **D5** على قبعة Grove Base المثبتة على Pi. هذا المقبس هو الثاني من اليسار، في صف المقابس بجانب دبابيس GPIO. اترك مستشعر رطوبة التربة متصلاً بالمقبس **A0**.
+
+![ريليه Grove متصل بمقبس D5 ومستشعر رطوبة التربة متصل بمقبس A0](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ar.png)
+
+1. أدخل مستشعر رطوبة التربة في التربة، إذا لم يكن بالفعل من الدرس السابق.
+
+## برمجة الريليه
+
+يمكن الآن برمجة Raspberry Pi لاستخدام الريليه المتصل.
+
+### المهمة
+
+قم ببرمجة الجهاز.
+
+1. قم بتشغيل Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح مشروع `soil-moisture-sensor` من الدرس السابق في VS Code إذا لم يكن مفتوحًا بالفعل. ستقوم بإضافة إلى هذا المشروع.
+
+1. أضف الكود التالي إلى ملف `app.py` أسفل الواردات الحالية:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    هذا البيان يستورد `GroveRelay` من مكتبات Python الخاصة بـ Grove للتفاعل مع ريليه Grove.
+
+1. أضف الكود التالي أسفل تعريف فئة `ADC` لإنشاء مثيل لـ `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    هذا ينشئ ريليه باستخدام دبوس **D5**، الدبوس الرقمي الذي قمت بتوصيل الريليه به.
+
+1. لاختبار عمل الريليه، أضف التالي إلى حلقة `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    يقوم الكود بتشغيل الريليه، ينتظر 0.5 ثانية، ثم يطفئ الريليه.
+
+1. قم بتشغيل تطبيق Python. سيقوم الريليه بالتشغيل والإيقاف كل 10 ثوانٍ، مع تأخير نصف ثانية بين التشغيل والإيقاف. ستسمع صوت نقرة الريليه عند التشغيل ثم عند الإيقاف. سيضيء LED على لوحة Grove عندما يكون الريليه قيد التشغيل، ثم ينطفئ عندما يكون الريليه متوقفًا.
+
+    ![الريليه يعمل ويتوقف](../../../../../images/relay-turn-on-off.gif)
+
+## التحكم في الريليه بناءً على رطوبة التربة
+
+الآن بعد أن أصبح الريليه يعمل، يمكن التحكم فيه استجابةً لقراءات رطوبة التربة.
+
+### المهمة
+
+تحكم في الريليه.
+
+1. احذف الأسطر الثلاثة من الكود التي أضفتها لاختبار الريليه. استبدلها بالكود التالي:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    يقوم هذا الكود بفحص مستوى رطوبة التربة من مستشعر رطوبة التربة. إذا كان أعلى من 450، فإنه يشغل الريليه، ويطفئه عندما ينخفض ​​تحت 450.
+
+    > 💁 تذكر أن مستشعر رطوبة التربة السعوي يقرأ كلما كان مستوى رطوبة التربة أقل، كلما زادت الرطوبة في التربة والعكس صحيح.
+
+1. قم بتشغيل تطبيق Python. سترى الريليه يعمل أو يتوقف بناءً على مستوى رطوبة التربة. جرب في تربة جافة، ثم أضف الماء.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi).
+
+😀 لقد نجحت في برمجة مستشعر رطوبة التربة للتحكم في الريليه!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/ar/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..08729dfe
--- /dev/null
+++ b/translations/ar/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T22:30:33+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في المرحل - أجهزة إنترنت الأشياء الافتراضية
+
+في هذا الجزء من الدرس، ستضيف مرحلًا إلى جهاز إنترنت الأشياء الافتراضي الخاص بك بالإضافة إلى مستشعر رطوبة التربة، وستتحكم فيه بناءً على مستوى رطوبة التربة.
+
+## الأجهزة الافتراضية
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي مرحلًا محاكيًا من نوع Grove. هذا يجعل هذا المختبر مشابهًا لاستخدام Raspberry Pi مع مرحل Grove فعلي.
+
+في جهاز إنترنت الأشياء الفعلي، سيكون المرحل من النوع المفتوح عادةً (أي أن دائرة الخرج تكون مفتوحة أو غير متصلة عندما لا يتم إرسال إشارة إلى المرحل). يمكن لمثل هذا المرحل التعامل مع دوائر الخرج حتى 250 فولت و10 أمبير.
+
+### إضافة المرحل إلى CounterFit
+
+لاستخدام مرحل افتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة
+
+أضف المرحل إلى تطبيق CounterFit.
+
+1. افتح مشروع `soil-moisture-sensor` من الدرس السابق في VS Code إذا لم يكن مفتوحًا بالفعل. ستقوم بإضافة المزيد إلى هذا المشروع.
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء مرحل:
+
+    1. في مربع *Create actuator* في لوحة *Actuators*، انقر على القائمة المنسدلة *Actuator type* واختر *Relay*.
+
+    1. قم بتعيين *Pin* إلى *5*.
+
+    1. اضغط على زر **Add** لإنشاء المرحل على Pin 5.
+
+    ![إعدادات المرحل](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ar.png)
+
+    سيتم إنشاء المرحل وسيظهر في قائمة المشغلات.
+
+    ![المرحل الذي تم إنشاؤه](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ar.png)
+
+## برمجة المرحل
+
+يمكن الآن برمجة تطبيق مستشعر رطوبة التربة لاستخدام المرحل الافتراضي.
+
+### المهمة
+
+برمج الجهاز الافتراضي.
+
+1. افتح مشروع `soil-moisture-sensor` من الدرس السابق في VS Code إذا لم يكن مفتوحًا بالفعل. ستقوم بإضافة المزيد إلى هذا المشروع.
+
+1. أضف الكود التالي إلى ملف `app.py` أسفل الواردات الحالية:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    يقوم هذا السطر باستيراد `GroveRelay` من مكتبات Grove Python shim للتفاعل مع مرحل Grove الافتراضي.
+
+1. أضف الكود التالي أسفل تعريف فئة `ADC` لإنشاء كائن `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    يقوم هذا بإنشاء مرحل باستخدام Pin **5**، وهو نفس الـ Pin الذي قمت بتوصيل المرحل به.
+
+1. لاختبار عمل المرحل، أضف الكود التالي إلى حلقة `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    يقوم الكود بتشغيل المرحل، ثم ينتظر 0.5 ثانية، ثم يطفئ المرحل.
+
+1. قم بتشغيل تطبيق Python. سيعمل المرحل ويطفأ كل 10 ثوانٍ، مع تأخير نصف ثانية بين التشغيل والإطفاء. سترى المرحل الافتراضي في تطبيق CounterFit يغلق ويفتح مع تشغيل وإطفاء المرحل.
+
+    ![المرحل الافتراضي يعمل ويطفأ](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## التحكم في المرحل بناءً على رطوبة التربة
+
+الآن بعد أن أصبح المرحل يعمل، يمكن التحكم فيه استجابةً لقراءات رطوبة التربة.
+
+### المهمة
+
+تحكم في المرحل.
+
+1. احذف الأسطر الثلاثة من الكود التي أضفتها لاختبار المرحل. استبدلها بالكود التالي في مكانها:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    يقوم هذا الكود بفحص مستوى رطوبة التربة من مستشعر رطوبة التربة. إذا كان أعلى من 450، فإنه يشغل المرحل، ويطفئه إذا انخفض عن 450.
+
+    > 💁 تذكر أن مستشعر رطوبة التربة السعوي يقرأ أنه كلما انخفض مستوى رطوبة التربة، زادت الرطوبة في التربة والعكس صحيح.
+
+1. قم بتشغيل تطبيق Python. سترى المرحل يعمل أو يطفأ بناءً على مستويات رطوبة التربة. قم بتغيير *Value* أو إعدادات *Random* لمستشعر رطوبة التربة لرؤية التغيير في القيمة.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device).
+
+😀 لقد نجحت في إنشاء برنامج يتحكم في مرحل باستخدام مستشعر رطوبة التربة الافتراضي!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/ar/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..8f6b9572
--- /dev/null
+++ b/translations/ar/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T22:28:34+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "ar"
+}
+-->
+# التحكم في المرحل - Wio Terminal
+
+في هذا الجزء من الدرس، ستضيف مرحلًا إلى Wio Terminal الخاص بك بالإضافة إلى مستشعر رطوبة التربة، وستتحكم فيه بناءً على مستوى رطوبة التربة.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى مرحل.
+
+المرحل الذي ستستخدمه هو [مرحل Grove](https://www.seeedstudio.com/Grove-Relay.html)، وهو مرحل مفتوح عادةً (مما يعني أن دائرة الخرج تكون مفتوحة أو غير متصلة عندما لا يتم إرسال إشارة إلى المرحل) ويمكنه التعامل مع دوائر الخرج حتى 250 فولت و10 أمبير.
+
+هذا جهاز تحكم رقمي، لذا يتم توصيله بدبابيس رقمية على Wio Terminal. المنفذ المشترك بين التناظري والرقمي قيد الاستخدام بالفعل مع مستشعر رطوبة التربة، لذا يتم توصيل هذا المرحل بالمنفذ الآخر، وهو منفذ مشترك بين التناظري والرقمي.
+
+### توصيل المرحل
+
+يمكن توصيل مرحل Grove بمنفذ Wio Terminal الرقمي.
+
+#### المهمة
+
+قم بتوصيل المرحل.
+
+![مرحل Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على المرحل. لن يدخل إلا بطريقة واحدة.
+
+1. مع فصل Wio Terminal عن الكمبيوتر أو مصدر الطاقة الآخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الموجود على الجانب الأيسر من Wio Terminal أثناء النظر إلى الشاشة. اترك مستشعر رطوبة التربة متصلًا بالمقبس الموجود على الجانب الأيمن.
+
+![مرحل Grove متصل بالمقبس الأيسر، ومستشعر رطوبة التربة متصل بالمقبس الأيمن](../../../../../translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ar.png)
+
+1. أدخل مستشعر رطوبة التربة في التربة، إذا لم يكن موجودًا بالفعل من الدرس السابق.
+
+## برمجة المرحل
+
+يمكن الآن برمجة Wio Terminal لاستخدام المرحل المتصل.
+
+### المهمة
+
+برمج الجهاز.
+
+1. افتح مشروع `soil-moisture-sensor` من الدرس السابق في VS Code إذا لم يكن مفتوحًا بالفعل. ستقوم بإضافة المزيد إلى هذا المشروع.
+
+2. لا توجد مكتبة لهذا الجهاز - إنه جهاز تحكم رقمي يتم التحكم فيه بإشارة عالية أو منخفضة. لتشغيله، ترسل إشارة عالية إلى الدبوس (3.3 فولت)، ولإيقافه ترسل إشارة منخفضة (0 فولت). يمكنك القيام بذلك باستخدام وظيفة Arduino المدمجة [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/). ابدأ بإضافة ما يلي إلى أسفل دالة `setup` لإعداد المنفذ المشترك بين التناظري والرقمي كدبوس إخراج لإرسال الجهد إلى المرحل:
+
+    ```cpp
+    pinMode(PIN_WIRE_SCL, OUTPUT);
+    ```
+
+    `PIN_WIRE_SCL` هو رقم المنفذ للمنفذ المشترك بين التناظري والرقمي.
+
+1. لاختبار ما إذا كان المرحل يعمل، أضف ما يلي إلى دالة `loop`، أسفل آخر `delay`:
+
+    ```cpp
+    digitalWrite(PIN_WIRE_SCL, HIGH);
+    delay(500);
+    digitalWrite(PIN_WIRE_SCL, LOW);
+    ```
+
+    يقوم الكود بإرسال إشارة عالية إلى الدبوس المتصل بالمرحل لتشغيله، ثم ينتظر 500 مللي ثانية (نصف ثانية)، ثم يرسل إشارة منخفضة لإيقاف المرحل.
+
+1. قم ببناء ورفع الكود إلى Wio Terminal.
+
+1. بمجرد رفع الكود، سيعمل المرحل ويطفئ كل 10 ثوانٍ، مع تأخير نصف ثانية بين التشغيل والإيقاف. ستسمع صوت نقرة عند تشغيل المرحل ثم نقرة أخرى عند إيقافه. سيضيء مصباح LED على لوحة Grove عندما يكون المرحل قيد التشغيل، ثم ينطفئ عندما يكون المرحل متوقفًا.
+
+    ![المرحل يعمل ويتوقف](../../../../../images/relay-turn-on-off.gif)
+
+## التحكم في المرحل بناءً على رطوبة التربة
+
+الآن بعد أن أصبح المرحل يعمل، يمكن التحكم فيه استجابةً لقراءات رطوبة التربة.
+
+### المهمة
+
+تحكم في المرحل.
+
+1. احذف الأسطر الثلاثة من الكود التي أضفتها لاختبار المرحل. استبدلها بالكود التالي:
+
+    ```cpp
+    if (soil_moisture > 450)
+    {
+        Serial.println("Soil Moisture is too low, turning relay on.");
+        digitalWrite(PIN_WIRE_SCL, HIGH);
+    }
+    else
+    {
+        Serial.println("Soil Moisture is ok, turning relay off.");
+        digitalWrite(PIN_WIRE_SCL, LOW);
+    }
+    ```
+
+    يتحقق هذا الكود من مستوى رطوبة التربة من مستشعر رطوبة التربة. إذا كان أعلى من 450، فإنه يشغل المرحل، ويوقفه عندما ينخفض ​​إلى أقل من 450.
+
+    > 💁 تذكر أن مستشعر رطوبة التربة السعوي يقرأ أنه كلما كان مستوى رطوبة التربة أقل، كانت التربة أكثر رطوبة، والعكس صحيح.
+
+1. قم ببناء ورفع الكود إلى Wio Terminal.
+
+1. راقب الجهاز عبر المراقب التسلسلي. سترى المرحل يعمل أو يتوقف بناءً على مستوى رطوبة التربة. جربه في تربة جافة، ثم أضف الماء.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal).
+
+😀 لقد نجحت في برمجة مستشعر رطوبة التربة للتحكم في المرحل!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..9db2c5e7
--- /dev/null
+++ b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T22:54:45+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "ar"
+}
+-->
+# انقل نباتك إلى السحابة
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+تم تقديم هذا الدرس كجزء من [مشروع إنترنت الأشياء للمبتدئين - سلسلة الزراعة الرقمية](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![قم بتوصيل جهازك بالسحابة باستخدام Azure IoT Hub](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## المقدمة
+
+في الدرس السابق، تعلمت كيفية توصيل نباتك بوسيط MQTT والتحكم في مرحل باستخدام كود خادم يعمل محليًا. هذا يشكل جوهر نظام الري الآلي المتصل بالإنترنت، والذي يُستخدم من النباتات الفردية في المنازل إلى المزارع التجارية.
+
+تواصل جهاز إنترنت الأشياء مع وسيط MQTT عام كطريقة لتوضيح المبادئ، ولكن هذه ليست الطريقة الأكثر موثوقية أو أمانًا. في هذا الدرس، ستتعلم عن السحابة وقدرات إنترنت الأشياء التي توفرها خدمات السحابة العامة. كما ستتعلم كيفية نقل نباتك إلى إحدى هذه الخدمات السحابية بدلاً من وسيط MQTT العام.
+
+في هذا الدرس سنتناول:
+
+* [ما هي السحابة؟](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [إنشاء اشتراك سحابي](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [خدمات إنترنت الأشياء السحابية](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [إنشاء خدمة إنترنت الأشياء في السحابة](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [التواصل مع IoT Hub](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [توصيل جهازك بخدمة إنترنت الأشياء](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## ما هي السحابة؟
+
+قبل ظهور السحابة، عندما كانت الشركات ترغب في تقديم خدمات لموظفيها (مثل قواعد البيانات أو تخزين الملفات) أو للجمهور (مثل المواقع الإلكترونية)، كانت تبني وتدير مركز بيانات. قد يكون هذا المركز غرفة تحتوي على عدد قليل من الحواسيب أو مبنى يحتوي على العديد منها. وكانت الشركة تدير كل شيء، بما في ذلك:
+
+* شراء الحواسيب
+* صيانة الأجهزة
+* الطاقة والتبريد
+* الشبكات
+* الأمان، بما في ذلك تأمين المبنى وتأمين البرمجيات على الحواسيب
+* تثبيت البرمجيات وتحديثها
+
+كان هذا مكلفًا للغاية، ويتطلب مجموعة واسعة من الموظفين المهرة، وكان بطيئًا في التغيير عند الحاجة. على سبيل المثال، إذا احتاج متجر إلكتروني إلى التخطيط لموسم عطلات مزدحم، كان عليه التخطيط قبل أشهر لشراء المزيد من الأجهزة، وتكوينها، وتثبيت البرمجيات اللازمة لتشغيل عملية البيع. وبعد انتهاء موسم العطلات وانخفاض المبيعات، كانت الأجهزة التي تم شراؤها تظل غير مستخدمة حتى الموسم المزدحم التالي.
+
+✅ هل تعتقد أن هذا يسمح للشركات بالتحرك بسرعة؟ إذا أصبح متجر ملابس إلكتروني مشهورًا فجأة بسبب ارتداء أحد المشاهير لملابسهم، هل سيكون بإمكانهم زيادة قدرتهم الحاسوبية بسرعة كافية لدعم التدفق المفاجئ للطلبات؟
+
+### حاسوب شخص آخر
+
+غالبًا ما يُشار إلى السحابة مازحًا بأنها "حاسوب شخص آخر". كانت الفكرة الأولية بسيطة - بدلاً من شراء الحواسيب، يمكنك استئجار حاسوب شخص آخر. يقوم مزود خدمات السحابة بإدارة مراكز بيانات ضخمة. يكونون مسؤولين عن شراء وتثبيت الأجهزة، وإدارة الطاقة والتبريد، والشبكات، وأمان المباني، وتحديثات الأجهزة والبرمجيات، وكل شيء. كعميل، يمكنك استئجار الحواسيب التي تحتاجها، واستئجار المزيد عند زيادة الطلب، ثم تقليل العدد عند انخفاض الطلب. تنتشر مراكز البيانات السحابية هذه في جميع أنحاء العالم.
+
+![مركز بيانات سحابي من مايكروسوفت](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ar.png)
+![توسعة مخططة لمركز بيانات سحابي من مايكروسوفت](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ar.png)
+
+يمكن أن تكون هذه المراكز بمساحة عدة كيلومترات مربعة. الصور أعلاه تم التقاطها قبل بضع سنوات في مركز بيانات سحابي من مايكروسوفت، وتُظهر الحجم الأولي، إلى جانب توسعة مخططة. المنطقة المخصصة للتوسعة تزيد عن 5 كيلومترات مربعة.
+
+> 💁 تتطلب هذه المراكز كميات كبيرة من الطاقة لدرجة أن بعضها يمتلك محطات طاقة خاصة به. وبسبب حجمها ومستوى الاستثمار من مزودي السحابة، تكون عادة صديقة للبيئة. فهي أكثر كفاءة من عدد كبير من مراكز البيانات الصغيرة، وتعمل في الغالب على الطاقة المتجددة، ويعمل مزودو السحابة بجد لتقليل النفايات، وخفض استهلاك المياه، وإعادة زراعة الغابات لتعويض تلك التي تم قطعها لتوفير مساحة لبناء مراكز البيانات. يمكنك قراءة المزيد عن كيفية عمل أحد مزودي السحابة على الاستدامة على [موقع استدامة Azure](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn).
+
+✅ قم ببعض البحث: اقرأ عن السحابات الرئيسية مثل [Azure من مايكروسوفت](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) أو [GCP من جوجل](https://cloud.google.com). كم عدد مراكز البيانات التي لديهم، وأين تقع في العالم؟
+
+استخدام السحابة يقلل التكاليف على الشركات، ويسمح لها بالتركيز على ما تفعله بشكل أفضل، مع ترك خبرة الحوسبة السحابية في أيدي المزود. لم تعد الشركات بحاجة إلى استئجار أو شراء مساحة في مراكز البيانات، أو دفع تكاليف الاتصال والطاقة لمزودين مختلفين، أو توظيف خبراء. بدلاً من ذلك، يمكنهم دفع فاتورة شهرية واحدة لمزود السحابة لتولي كل شيء.
+
+يمكن لمزود السحابة بعد ذلك استخدام اقتصاديات الحجم لتقليل التكاليف، وشراء الحواسيب بالجملة بأسعار أقل، والاستثمار في الأدوات لتقليل عبء العمل الخاص بالصيانة، وحتى تصميم وبناء أجهزتهم الخاصة لتحسين عروض السحابة.
+
+### مايكروسوفت أزور
+
+Azure هي السحابة المخصصة للمطورين من مايكروسوفت، وهي السحابة التي ستستخدمها في هذه الدروس. الفيديو أدناه يقدم نظرة عامة قصيرة عن Azure:
+
+[![فيديو نظرة عامة على Azure](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ar.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## إنشاء اشتراك سحابي
+
+لاستخدام الخدمات في السحابة، ستحتاج إلى الاشتراك مع مزود سحابي. في هذا الدرس، ستقوم بالتسجيل للحصول على اشتراك في مايكروسوفت أزور. إذا كان لديك بالفعل اشتراك في Azure، يمكنك تخطي هذه المهمة. التفاصيل الموضحة هنا صحيحة وقت كتابة هذا النص، ولكن قد تتغير.
+
+> 💁 إذا كنت تصل إلى هذه الدروس من خلال مدرستك، قد يكون لديك بالفعل اشتراك في Azure متاح لك. تحقق مع معلمك.
+
+هناك نوعان مختلفان من الاشتراكات المجانية في Azure التي يمكنك التسجيل فيها:
+
+* **Azure للطلاب** - هذا اشتراك مصمم للطلاب الذين تبلغ أعمارهم 18 عامًا أو أكثر. لا تحتاج إلى بطاقة ائتمان للتسجيل، وتستخدم بريدك الإلكتروني المدرسي للتحقق من أنك طالب. عند التسجيل، تحصل على 100 دولار أمريكي لاستخدامها في موارد السحابة، بالإضافة إلى خدمات مجانية بما في ذلك نسخة مجانية من خدمة إنترنت الأشياء. يستمر هذا لمدة 12 شهرًا، ويمكنك تجديده كل عام طالما كنت طالبًا.
+
+* **اشتراك Azure المجاني** - هذا اشتراك لأي شخص ليس طالبًا. ستحتاج إلى بطاقة ائتمان للتسجيل، ولكن لن يتم خصم أي مبلغ من بطاقتك، حيث تُستخدم فقط للتحقق من أنك إنسان حقيقي، وليس روبوتًا. تحصل على 200 دولار من الرصيد لاستخدامها في أول 30 يومًا على أي خدمة، بالإضافة إلى مستويات مجانية من خدمات Azure. بمجرد استنفاد رصيدك، لن يتم خصم أي مبلغ من بطاقتك إلا إذا قمت بتحويل الاشتراك إلى اشتراك مدفوع حسب الاستخدام.
+
+> 💁 تقدم مايكروسوفت أيضًا اشتراك Azure للطلاب المبتدئين للطلاب الذين تقل أعمارهم عن 18 عامًا، ولكن في وقت كتابة هذا النص، لا يدعم هذا الاشتراك أي خدمات إنترنت الأشياء.
+
+### المهمة - التسجيل للحصول على اشتراك سحابي مجاني
+
+إذا كنت طالبًا يبلغ من العمر 18 عامًا أو أكثر، يمكنك التسجيل للحصول على اشتراك Azure للطلاب. ستحتاج إلى التحقق باستخدام بريدك الإلكتروني المدرسي. يمكنك القيام بذلك بإحدى طريقتين:
+
+* التسجيل للحصول على حزمة مطور الطلاب من GitHub على [education.github.com/pack](https://education.github.com/pack). تمنحك هذه الحزمة الوصول إلى مجموعة من الأدوات والعروض، بما في ذلك GitHub وMicrosoft Azure. بمجرد التسجيل في حزمة المطور، يمكنك تفعيل عرض Azure للطلاب.
+
+* التسجيل مباشرة للحصول على حساب Azure للطلاب على [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn).
+
+> ⚠️ إذا لم يتم التعرف على بريدك الإلكتروني المدرسي، قم بفتح [مشكلة في هذا المستودع](https://github.com/Microsoft/IoT-For-Beginners/issues) وسنرى ما إذا كان يمكن إضافته إلى قائمة السماح في Azure للطلاب.
+
+إذا لم تكن طالبًا، أو لم يكن لديك بريد إلكتروني مدرسي صالح، يمكنك التسجيل للحصول على اشتراك Azure المجاني.
+
+* قم بالتسجيل للحصول على اشتراك Azure المجاني على [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn)
+
+## خدمات إنترنت الأشياء السحابية
+
+وسيط MQTT العام الذي كنت تستخدمه هو أداة رائعة عند التعلم، ولكنه يحتوي على عدد من العيوب كأداة للاستخدام في بيئة تجارية:
+
+* الموثوقية - إنه خدمة مجانية بدون ضمانات، ويمكن إيقافها في أي وقت
+* الأمان - إنه عام، مما يعني أن أي شخص يمكنه الاستماع إلى بياناتك أو إرسال أوامر للتحكم في أجهزتك
+* الأداء - مصمم فقط لعدد قليل من الرسائل التجريبية، لذلك لن يتحمل عددًا كبيرًا من الرسائل
+* الاكتشاف - لا توجد طريقة لمعرفة الأجهزة المتصلة
+
+خدمات إنترنت الأشياء السحابية تحل هذه المشكلات. يتم صيانتها بواسطة مزودي السحابة الكبار الذين يستثمرون بكثافة في الموثوقية ويكونون على استعداد لإصلاح أي مشكلات قد تنشأ. لديهم أمان مدمج لمنع المتسللين من قراءة بياناتك أو إرسال أوامر خبيثة. كما أنها عالية الأداء، قادرة على التعامل مع ملايين الرسائل يوميًا، مستفيدة من السحابة للتوسع حسب الحاجة.
+
+> 💁 على الرغم من أنك تدفع مقابل هذه المزايا برسوم شهرية، فإن معظم مزودي السحابة يقدمون نسخة مجانية من خدمات إنترنت الأشياء الخاصة بهم مع عدد محدود من الرسائل يوميًا أو الأجهزة التي يمكنها الاتصال. هذه النسخة المجانية عادة ما تكون أكثر من كافية للمطور لتعلم الخدمة. في هذا الدرس، ستستخدم النسخة المجانية.
+
+تتصل أجهزة إنترنت الأشياء بخدمة سحابية إما باستخدام SDK خاص بالجهاز (مكتبة توفر كودًا للعمل مع ميزات الخدمة)، أو مباشرة عبر بروتوكول اتصال مثل MQTT أو HTTP. عادةً ما يكون استخدام SDK هو الطريق الأسهل لأنه يتولى كل شيء نيابة عنك، مثل معرفة المواضيع التي يجب النشر أو الاشتراك فيها، وكيفية التعامل مع الأمان.
+
+![الأجهزة تتصل بالخدمة باستخدام SDK خاص بالجهاز. الكود الخادم يتصل أيضًا بالخدمة عبر SDK](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ar.png)
+
+يتواصل جهازك بعد ذلك مع أجزاء أخرى من تطبيقك عبر هذه الخدمة - مشابهة للطريقة التي أرسلت بها البيانات واستقبلت الأوامر عبر MQTT. يتم ذلك عادةً باستخدام SDK خاص بالخدمة أو مكتبة مشابهة. تصل الرسائل من جهازك إلى الخدمة حيث يمكن لأجزاء أخرى من تطبيقك قراءتها، ويمكن إرسال الرسائل مرة أخرى إلى جهازك.
+
+![الأجهزة التي لا تمتلك مفتاحًا سريًا صالحًا لا يمكنها الاتصال بخدمة إنترنت الأشياء](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ar.png)
+
+تقوم هذه الخدمات بتنفيذ الأمان من خلال معرفة جميع الأجهزة التي يمكنها الاتصال وإرسال البيانات، إما عن طريق تسجيل الأجهزة مسبقًا مع الخدمة، أو من خلال إعطاء الأجهزة مفاتيح سرية أو شهادات يمكنها استخدامها لتسجيل نفسها مع الخدمة عند الاتصال لأول مرة. الأجهزة غير المعروفة لا يمكنها الاتصال، وإذا حاولت، ترفض الخدمة الاتصال وتتجاهل الرسائل المرسلة منها.
+
+✅ قم ببعض البحث: ما هو الجانب السلبي لوجود خدمة إنترنت الأشياء مفتوحة حيث يمكن لأي جهاز أو كود الاتصال؟ هل يمكنك العثور على أمثلة محددة لمتسللين استغلوا هذا؟ 
+
+يمكن لأجزاء أخرى من تطبيقك الاتصال بخدمة إنترنت الأشياء ومعرفة جميع الأجهزة المتصلة أو المسجلة، والتواصل معها مباشرة بشكل فردي أو جماعي.
+💁 خدمات إنترنت الأشياء (IoT) توفر أيضًا قدرات إضافية، كما أن مزودي الخدمات السحابية يقدمون خدمات وتطبيقات إضافية يمكن ربطها بالخدمة. على سبيل المثال، إذا كنت ترغب في تخزين جميع رسائل القياس عن بُعد التي ترسلها جميع الأجهزة في قاعدة بيانات، فعادةً ما يتطلب الأمر بضع نقرات فقط في أداة إعدادات مزود الخدمة السحابية لربط الخدمة بقاعدة البيانات وبث البيانات إليها.
+## إنشاء خدمة إنترنت الأشياء (IoT) في السحابة
+
+الآن بعد أن أصبح لديك اشتراك في Azure، يمكنك التسجيل للحصول على خدمة إنترنت الأشياء. خدمة إنترنت الأشياء من Microsoft تُسمى Azure IoT Hub.
+
+![شعار Azure IoT Hub](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ar.png)
+
+الفيديو أدناه يقدم نظرة عامة قصيرة عن Azure IoT Hub:
+
+[![فيديو نظرة عامة على Azure IoT Hub](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+✅ خذ لحظة للبحث وقراءة نظرة عامة عن IoT Hub في [وثائق Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn).
+
+الخدمات السحابية المتوفرة في Azure يمكن إعدادها من خلال بوابة ويب أو عبر واجهة سطر الأوامر (CLI). في هذه المهمة، ستستخدم CLI.
+
+### المهمة - تثبيت Azure CLI
+
+لاستخدام Azure CLI، يجب أولاً تثبيته على جهاز الكمبيوتر أو جهاز Mac الخاص بك.
+
+1. اتبع التعليمات في [وثائق Azure CLI](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) لتثبيت CLI.
+
+1. يدعم Azure CLI عددًا من الإضافات التي تضيف قدرات لإدارة مجموعة واسعة من خدمات Azure. قم بتثبيت إضافة IoT عن طريق تشغيل الأمر التالي من سطر الأوامر أو الطرفية:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. من سطر الأوامر أو الطرفية، قم بتشغيل الأمر التالي لتسجيل الدخول إلى اشتراك Azure الخاص بك من خلال Azure CLI.
+
+    ```sh
+    az login
+    ```
+
+    سيتم فتح صفحة ويب في المتصفح الافتراضي الخاص بك. قم بتسجيل الدخول باستخدام الحساب الذي استخدمته للتسجيل في اشتراك Azure الخاص بك. بمجرد تسجيل الدخول، يمكنك إغلاق علامة التبويب في المتصفح.
+
+1. إذا كان لديك اشتراكات Azure متعددة، مثل اشتراك مقدم من المدرسة واشتراك Azure for Students الخاص بك، ستحتاج إلى تحديد الاشتراك الذي تريد استخدامه. قم بتشغيل الأمر التالي لعرض جميع الاشتراكات التي لديك حق الوصول إليها:
+
+    ```sh
+    az account list --output table
+    ```
+
+    في المخرجات، سترى اسم كل اشتراك مع `SubscriptionId`.
+
+    ```output
+    ➜  ~ az account list --output table
+    Name                    CloudName    SubscriptionId                        State    IsDefault
+    ----------------------  -----------  ------------------------------------  -------  -----------
+    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
+    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
+    ```
+
+    لتحديد الاشتراك الذي تريد استخدامه، استخدم الأمر التالي:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    استبدل `<SubscriptionId>` بمعرف الاشتراك الذي تريد استخدامه. بعد تشغيل هذا الأمر، أعد تشغيل الأمر لعرض حساباتك. سترى أن العمود `IsDefault` تم تعيينه إلى `True` للاشتراك الذي قمت بتحديده للتو.
+
+### المهمة - إنشاء مجموعة موارد
+
+خدمات Azure، مثل مثيلات IoT Hub، الآلات الافتراضية، قواعد البيانات، أو خدمات الذكاء الاصطناعي، تُعرف باسم **الموارد**. كل مورد يجب أن يكون داخل **مجموعة موارد**، وهي مجموعة منطقية تحتوي على مورد واحد أو أكثر.
+
+> 💁 استخدام مجموعات الموارد يعني أنه يمكنك إدارة خدمات متعددة دفعة واحدة. على سبيل المثال، بمجرد الانتهاء من جميع الدروس لهذا المشروع، يمكنك حذف مجموعة الموارد، وسيتم حذف جميع الموارد الموجودة فيها تلقائيًا.
+
+1. هناك العديد من مراكز بيانات Azure حول العالم، مقسمة إلى مناطق. عند إنشاء مورد أو مجموعة موارد في Azure، يجب تحديد المكان الذي تريد إنشاؤه فيه. قم بتشغيل الأمر التالي للحصول على قائمة المواقع:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    سترى قائمة بالمواقع. ستكون هذه القائمة طويلة.
+
+    > 💁 في وقت كتابة هذا النص، هناك 65 موقعًا يمكنك النشر إليها.
+
+    ```output
+        ➜  ~ az account list-locations --output table
+    DisplayName               Name                 RegionalDisplayName
+    ------------------------  -------------------  -------------------------------------
+    East US                   eastus               (US) East US
+    East US 2                 eastus2              (US) East US 2
+    South Central US          southcentralus       (US) South Central US
+    ...
+    ```
+
+    قم بتدوين القيمة من عمود `Name` للمنطقة الأقرب إليك. يمكنك العثور على المناطق على خريطة في [صفحة جغرافيات Azure](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn).
+
+1. قم بتشغيل الأمر التالي لإنشاء مجموعة موارد باسم `soil-moisture-sensor`. يجب أن تكون أسماء مجموعات الموارد فريدة في اشتراكك.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي اخترته في الخطوة السابقة.
+
+### المهمة - إنشاء IoT Hub
+
+يمكنك الآن إنشاء مورد IoT Hub في مجموعة الموارد الخاصة بك.
+
+1. استخدم الأمر التالي لإنشاء مورد IoT Hub الخاص بك:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم لمحورك. يجب أن يكون هذا الاسم فريدًا عالميًا - أي لا يمكن لأي IoT Hub آخر تم إنشاؤه من قبل أي شخص أن يحمل نفس الاسم. يتم استخدام هذا الاسم في عنوان URL يشير إلى المحور، لذا يجب أن يكون فريدًا. استخدم شيئًا مثل `soil-moisture-sensor-` وأضف معرفًا فريدًا في النهاية، مثل بعض الكلمات العشوائية أو اسمك.
+
+    الخيار `--sku F1` يخبره باستخدام الطبقة المجانية. تدعم الطبقة المجانية 8,000 رسالة يوميًا إلى جانب معظم ميزات الطبقات المدفوعة.
+
+    > 🎓 مستويات التسعير المختلفة لخدمات Azure تُعرف بالطبقات. كل طبقة لها تكلفة مختلفة وتوفر ميزات أو أحجام بيانات مختلفة.
+
+    > 💁 إذا كنت تريد معرفة المزيد عن التسعير، يمكنك الاطلاع على [دليل تسعير Azure IoT Hub](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn).
+
+    الخيار `--partition-count 2` يحدد عدد تدفقات البيانات التي يدعمها IoT Hub. المزيد من الأقسام يقلل من حجب البيانات عندما تقرأ وتكتب أشياء متعددة من IoT Hub. الأقسام خارج نطاق هذه الدروس، ولكن يجب تعيين هذه القيمة لإنشاء IoT Hub بطبقة مجانية.
+
+    > 💁 يمكنك فقط الحصول على IoT Hub واحد بطبقة مجانية لكل اشتراك.
+
+سيتم إنشاء IoT Hub. قد يستغرق ذلك دقيقة أو نحو ذلك لإكماله.
+
+## التواصل مع IoT Hub
+
+في الدرس السابق، استخدمت MQTT وأرسلت رسائل ذهابًا وإيابًا على مواضيع مختلفة، مع وجود أغراض مختلفة لكل موضوع. بدلاً من إرسال الرسائل عبر مواضيع مختلفة، يوفر IoT Hub طرقًا محددة للتواصل بين الجهاز والمحور، أو بين المحور والجهاز.
+
+> 💁 في الخلفية، يمكن أن يتم هذا التواصل بين IoT Hub وجهازك باستخدام MQTT أو HTTPS أو AMQP.
+
+* رسائل من الجهاز إلى السحابة (D2C) - هذه رسائل تُرسل من الجهاز إلى IoT Hub، مثل بيانات القياس عن بُعد. يمكن بعد ذلك قراءتها من IoT Hub بواسطة كود التطبيق الخاص بك.
+
+    > 🎓 في الخلفية، يستخدم IoT Hub خدمة Azure تُسمى [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn). عندما تكتب كودًا لقراءة الرسائل المرسلة إلى المحور، غالبًا ما تُسمى هذه الرسائل بالأحداث.
+
+* رسائل من السحابة إلى الجهاز (C2D) - هذه رسائل تُرسل من كود التطبيق، عبر IoT Hub إلى جهاز IoT.
+
+* طلبات الطرق المباشرة - هذه رسائل تُرسل من كود التطبيق عبر IoT Hub إلى جهاز IoT لطلب تنفيذ شيء ما، مثل التحكم في مشغل. تتطلب هذه الرسائل استجابة حتى يتمكن كود التطبيق من معرفة ما إذا تمت معالجتها بنجاح.
+
+* التوائم الرقمية للأجهزة - هذه مستندات JSON تُحافظ على التزامن بين الجهاز وIoT Hub، وتُستخدم لتخزين الإعدادات أو الخصائص الأخرى التي يُبلغ عنها الجهاز، أو التي يجب تعيينها على الجهاز (المعروفة بالرغبات) بواسطة IoT Hub.
+
+يمكن لـ IoT Hub تخزين الرسائل وطلبات الطرق المباشرة لفترة زمنية قابلة للتكوين (الافتراضي يوم واحد)، لذلك إذا فقد الجهاز أو كود التطبيق الاتصال، يمكنه استرداد الرسائل المرسلة أثناء انقطاع الاتصال بمجرد إعادة الاتصال. يتم الاحتفاظ بالتوائم الرقمية للأجهزة بشكل دائم في IoT Hub، لذلك في أي وقت يمكن للجهاز إعادة الاتصال والحصول على أحدث توأم رقمي.
+
+✅ قم ببعض البحث: اقرأ المزيد عن أنواع الرسائل هذه في [إرشادات الاتصال من الجهاز إلى السحابة](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn)، و[إرشادات الاتصال من السحابة إلى الجهاز](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) في وثائق IoT Hub.
+
+## توصيل جهازك بخدمة IoT
+
+بمجرد إنشاء المحور، يمكن لجهاز IoT الخاص بك الاتصال به. فقط الأجهزة المسجلة يمكنها الاتصال بالخدمة، لذلك ستحتاج إلى تسجيل جهازك أولاً. عند التسجيل، يمكنك الحصول على سلسلة اتصال يمكن للجهاز استخدامها للاتصال. سلسلة الاتصال هذه خاصة بالجهاز، وتحتوي على معلومات حول IoT Hub، والجهاز، ومفتاح سري يسمح لهذا الجهاز بالاتصال.
+
+> 🎓 سلسلة الاتصال هي مصطلح عام يشير إلى نص يحتوي على تفاصيل الاتصال. تُستخدم عند الاتصال بـ IoT Hubs، قواعد البيانات، والعديد من الخدمات الأخرى. تتكون عادةً من معرف للخدمة، مثل عنوان URL، ومعلومات أمان مثل مفتاح سري. يتم تمريرها إلى SDKs للاتصال بالخدمة.
+
+> ⚠️ يجب الحفاظ على سرية سلاسل الاتصال! سيتم تناول الأمان بمزيد من التفاصيل في درس مستقبلي.
+
+### المهمة - تسجيل جهاز IoT الخاص بك
+
+يمكن تسجيل جهاز IoT الخاص بك مع IoT Hub باستخدام Azure CLI.
+
+1. قم بتشغيل الأمر التالي لتسجيل جهاز:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` بالاسم الذي استخدمته لـ IoT Hub الخاص بك.
+
+    سيؤدي ذلك إلى إنشاء جهاز بمعرف `soil-moisture-sensor`.
+
+1. عندما يتصل جهاز IoT الخاص بك بـ IoT Hub باستخدام SDK، يحتاج إلى استخدام سلسلة اتصال تحتوي على عنوان URL للمحور، إلى جانب مفتاح سري. قم بتشغيل الأمر التالي للحصول على سلسلة الاتصال:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` بالاسم الذي استخدمته لـ IoT Hub الخاص بك.
+
+1. قم بحفظ سلسلة الاتصال التي تظهر في المخرجات حيث ستحتاج إليها لاحقًا.
+
+### المهمة - توصيل جهاز IoT الخاص بك بالسحابة
+
+اعمل من خلال الدليل المناسب لتوصيل جهاز IoT الخاص بك بالسحابة:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز IoT افتراضي](single-board-computer-connect-hub.md)
+
+### المهمة - مراقبة الأحداث
+
+في الوقت الحالي، لن تقوم بتحديث كود الخادم الخاص بك. بدلاً من ذلك، يمكنك استخدام Azure CLI لمراقبة الأحداث من جهاز IoT الخاص بك.
+
+1. تأكد من أن جهاز IoT الخاص بك يعمل ويرسل قيم قياس رطوبة التربة.
+
+1. قم بتشغيل الأمر التالي في موجه الأوامر أو الطرفية لمراقبة الرسائل المرسلة إلى IoT Hub الخاص بك:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` بالاسم الذي استخدمته لـ IoT Hub الخاص بك.
+
+    سترى الرسائل تظهر في مخرجات الطرفية أثناء إرسالها من جهاز IoT الخاص بك.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 376}"
+        }
+    },
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    محتويات `payload` ستتطابق مع الرسالة المرسلة من جهاز IoT الخاص بك.
+
+    > في وقت كتابة هذا النص، الإضافة `az iot` لا تعمل بشكل كامل على أجهزة Apple Silicon. إذا كنت تستخدم جهاز Apple Silicon، ستحتاج إلى مراقبة الرسائل بطريقة مختلفة، مثل استخدام [أدوات Azure IoT لـ Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging).
+
+1. تحتوي هذه الرسائل على عدد من الخصائص المرفقة بها تلقائيًا، مثل الطابع الزمني الذي أُرسلت فيه. تُعرف هذه الخصائص بـ *التعليقات التوضيحية*. لعرض جميع التعليقات التوضيحية للرسائل، استخدم الأمر التالي:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` بالاسم الذي استخدمته لـ IoT Hub الخاص بك.
+
+    سترى الرسائل تظهر في مخرجات الطرفية أثناء إرسالها من جهاز IoT الخاص بك.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "properties": {},
+            "annotations": {
+                "iothub-connection-device-id": "soil-moisture-sensor",
+                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
+                "iothub-connection-auth-generation-id": "637553997165220462",
+                "iothub-enqueuedtime": 1619976150288,
+                "iothub-message-source": "Telemetry",
+                "x-opt-sequence-number": 1379,
+                "x-opt-offset": "550576",
+                "x-opt-enqueued-time": 1619976150277
+            },
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    القيم الزمنية في التعليقات التوضيحية تكون بتنسيق [UNIX time](https://wikipedia.org/wiki/Unix_time)، الذي يمثل عدد الثواني منذ منتصف الليل في 1 يناير 1970.
+
+    اخرج من مراقب الأحداث عندما تنتهي.
+
+### المهمة - التحكم في جهاز IoT الخاص بك
+
+يمكنك أيضًا استخدام Azure CLI لاستدعاء الطرق المباشرة على جهاز IoT الخاص بك.
+
+1. قم بتشغيل الأمر التالي في موجه الأوامر أو الطرفية لاستدعاء طريقة `relay_on` على جهاز IoT الخاص بك:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    استبدل `
+<hub_name>
+` باستخدام الاسم الذي استخدمته لـ IoT Hub الخاص بك.
+
+    هذا يرسل طلب طريقة مباشرة للطريقة المحددة بواسطة `method-name`. يمكن أن تحتوي الطرق المباشرة على حمولة بيانات للطريقة، ويمكن تحديد ذلك في معلمة `method-payload` كـ JSON.
+
+    سترى تشغيل المرحل، والمخرجات المقابلة من جهاز IoT الخاص بك:
+
+    ```output
+    Direct method received -  relay_on
+    ```
+
+1. كرر الخطوة السابقة، ولكن قم بتعيين `--method-name` إلى `relay_off`. سترى إيقاف المرحل والمخرجات المقابلة من جهاز IoT الخاص بك.
+
+---
+
+## 🚀 التحدي
+
+الطبقة المجانية من IoT Hub تسمح بـ 8,000 رسالة يوميًا. الكود الذي كتبته يرسل رسائل التتبع كل 10 ثوانٍ. كم عدد الرسائل يوميًا إذا كانت الرسالة تُرسل كل 10 ثوانٍ؟
+
+فكر في عدد المرات التي يجب إرسال قياسات رطوبة التربة؟ كيف يمكنك تعديل الكود الخاص بك للبقاء ضمن الطبقة المجانية والتحقق بالقدر المطلوب ولكن ليس بشكل مفرط؟ ماذا لو أردت إضافة جهاز ثانٍ؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## المراجعة والدراسة الذاتية
+
+SDK الخاص بـ IoT Hub مفتوح المصدر لكل من Arduino و Python. في مستودعات الكود على GitHub، هناك عدد من الأمثلة التي تظهر كيفية العمل مع ميزات مختلفة لـ IoT Hub.
+
+* إذا كنت تستخدم Wio Terminal، تحقق من [أمثلة Arduino على GitHub](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* إذا كنت تستخدم Raspberry Pi أو جهاز افتراضي، تحقق من [أمثلة Python على GitHub](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## الواجب
+
+[تعرف على خدمات السحابة](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..9b4f84cc
--- /dev/null
+++ b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T22:59:00+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "ar"
+}
+-->
+# تعرف على خدمات السحابة
+
+## التعليمات
+
+السحابات، مثل Azure من Microsoft، تقدم أكثر من مجرد استئجار الحوسبة. الأنواع الرئيسية من العروض السحابية تشمل:
+
+* البنية التحتية كخدمة (IaaS)  
+* المنصة كخدمة (PaaS)  
+* بدون خادم (Serverless)  
+* البرمجيات كخدمة (SaaS)  
+
+تعرف على هذه الأنواع المختلفة من العروض، واشرح ما هي وكيف تختلف عن بعضها البعض. اشرح أي من هذه العروض ذات صلة بمطوري إنترنت الأشياء (IoT).
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| شرح العروض السحابية المختلفة | قدم تفسيرات واضحة لجميع الأنواع الأربعة من العروض | تمكن من شرح 3 أنواع من العروض | تمكن فقط من شرح نوع أو نوعين من العروض |
+| شرح العروض ذات الصلة بإنترنت الأشياء | قدم شرحًا عن العروض ذات الصلة بمطوري إنترنت الأشياء ولماذا | قدم شرحًا عن العروض ذات الصلة بمطوري إنترنت الأشياء ولكن دون توضيح السبب | لم يتمكن من شرح العروض ذات الصلة بمطوري إنترنت الأشياء |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..c4b493a8
--- /dev/null
+++ b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T22:59:37+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "ar"
+}
+-->
+# ربط جهاز إنترنت الأشياء بالسحابة - جهاز إنترنت الأشياء الافتراضي و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بربط جهاز إنترنت الأشياء الافتراضي الخاص بك أو Raspberry Pi بمركز إنترنت الأشياء الخاص بك، لإرسال البيانات واستقبال الأوامر.
+
+## ربط جهازك بمركز إنترنت الأشياء
+
+الخطوة التالية هي ربط جهازك بمركز إنترنت الأشياء.
+
+### المهمة - الربط بمركز إنترنت الأشياء
+
+1. افتح مجلد `soil-moisture-sensor` في VS Code. تأكد من تشغيل البيئة الافتراضية في الطرفية إذا كنت تستخدم جهاز إنترنت أشياء افتراضي.
+
+1. قم بتثبيت بعض حزم Pip الإضافية:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    مكتبة `azure-iot-device` تُستخدم للتواصل مع مركز إنترنت الأشياء الخاص بك.
+
+1. أضف الواردات التالية إلى أعلى ملف `app.py`، أسفل الواردات الموجودة:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    هذا الكود يستورد SDK للتواصل مع مركز إنترنت الأشياء الخاص بك.
+
+1. قم بإزالة السطر `import paho.mqtt.client as mqtt` حيث لم تعد هذه المكتبة مطلوبة. قم بإزالة كل كود MQTT بما في ذلك أسماء المواضيع، وكل الكود الذي يستخدم `mqtt_client` و `handle_command`. احتفظ بحلقة `while True:`، فقط احذف سطر `mqtt_client.publish` من هذه الحلقة.
+
+1. أضف الكود التالي أسفل عبارات الواردات:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    استبدل `<connection string>` بسلسلة الاتصال التي استرجعتها للجهاز في وقت سابق من هذا الدرس.
+
+    > 💁 هذا ليس أفضل ممارسة. لا يجب أبدًا تخزين سلاسل الاتصال في كود المصدر، حيث يمكن أن يتم إدخالها في نظام التحكم في الكود والعثور عليها من قبل أي شخص. نحن نفعل ذلك هنا من أجل التبسيط. من الأفضل استخدام شيء مثل متغير بيئة وأداة مثل [`python-dotenv`](https://pypi.org/project/python-dotenv/). ستتعلم المزيد عن هذا في درس قادم.
+
+1. أسفل هذا الكود، أضف التالي لإنشاء كائن عميل جهاز يمكنه التواصل مع مركز إنترنت الأشياء، وربطه:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. قم بتشغيل هذا الكود. سترى جهازك يتصل.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## إرسال البيانات
+
+الآن بعد أن تم ربط جهازك، يمكنك إرسال البيانات إلى مركز إنترنت الأشياء بدلاً من وسيط MQTT.
+
+### المهمة - إرسال البيانات
+
+1. أضف الكود التالي داخل حلقة `while True`، قبل السطر الخاص بالنوم:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    هذا الكود ينشئ رسالة `Message` لمركز إنترنت الأشياء تحتوي على قراءة رطوبة التربة كـ JSON، ثم يرسلها إلى مركز إنترنت الأشياء كرسالة من الجهاز إلى السحابة.
+
+## التعامل مع الأوامر
+
+يحتاج جهازك إلى التعامل مع أمر من كود الخادم للتحكم في المرحل. يتم إرسال هذا كطلب طريقة مباشرة.
+
+## المهمة - التعامل مع طلب طريقة مباشرة
+
+1. أضف الكود التالي قبل حلقة `while True`:
+
+    ```python
+    def handle_method_request(request):
+        print("Direct method received - ", request.name)
+    
+        if request.name == "relay_on":
+            relay.on()
+        elif request.name == "relay_off":
+            relay.off()    
+    ```
+
+    هذا الكود يعرّف طريقة، `handle_method_request`، سيتم استدعاؤها عند استدعاء طريقة مباشرة من قبل مركز إنترنت الأشياء. كل طريقة مباشرة لها اسم، ويتوقع هذا الكود طريقة تسمى `relay_on` لتشغيل المرحل، و`relay_off` لإيقافه.
+
+    > 💁 يمكن أيضًا تنفيذ ذلك في طلب طريقة مباشرة واحدة، مع تمرير الحالة المطلوبة للمرحل في حمولة يمكن تمريرها مع طلب الطريقة وتكون متاحة من كائن `request`.
+
+1. تتطلب الطرق المباشرة استجابة لإبلاغ الكود المستدعي بأنه تم التعامل معها. أضف الكود التالي في نهاية وظيفة `handle_method_request` لإنشاء استجابة للطلب:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    هذا الكود يرسل استجابة لطلب الطريقة المباشرة مع رمز حالة HTTP 200، ويرسلها مرة أخرى إلى مركز إنترنت الأشياء.
+
+1. أضف الكود التالي أسفل تعريف هذه الوظيفة:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    هذا الكود يخبر عميل مركز إنترنت الأشياء باستدعاء وظيفة `handle_method_request` عند استدعاء طريقة مباشرة.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) أو [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device).
+
+😀 برنامج مستشعر رطوبة التربة الخاص بك متصل بمركز إنترنت الأشياء!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..7357136e
--- /dev/null
+++ b/translations/ar/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T23:00:53+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "ar"
+}
+-->
+# قم بتوصيل جهاز إنترنت الأشياء الخاص بك بالسحابة - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بتوصيل Wio Terminal الخاص بك بـ IoT Hub لإرسال البيانات واستقبال الأوامر.
+
+## توصيل جهازك بـ IoT Hub
+
+الخطوة التالية هي توصيل جهازك بـ IoT Hub.
+
+### المهمة - الاتصال بـ IoT Hub
+
+1. افتح مشروع `soil-moisture-sensor` في VS Code.
+
+1. افتح ملف `platformio.ini`. قم بإزالة تبعية مكتبة `knolleary/PubSubClient`. كانت هذه المكتبة تُستخدم للاتصال بوسيط MQTT العام، ولم تعد ضرورية للاتصال بـ IoT Hub.
+
+1. أضف تبعيات المكتبة التالية:
+
+    ```ini
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    arduino-libraries/AzureIoTHub @ 1.6.0
+    azure/AzureIoTUtility @ 1.6.1
+    azure/AzureIoTProtocol_MQTT @ 1.6.0
+    azure/AzureIoTProtocol_HTTP @ 1.6.0
+    azure/AzureIoTSocket_WiFi @ 1.0.2
+    ```
+
+    توفر مكتبة `Seeed Arduino RTC` الكود للتفاعل مع ساعة الوقت الحقيقي في Wio Terminal، والتي تُستخدم لتتبع الوقت. تسمح المكتبات الأخرى لجهاز إنترنت الأشياء الخاص بك بالاتصال بـ IoT Hub.
+
+1. أضف ما يلي إلى نهاية ملف `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    هذا يحدد علامة المترجم المطلوبة عند ترجمة كود Arduino IoT Hub.
+
+1. افتح ملف الرأس `config.h`. قم بإزالة جميع إعدادات MQTT وأضف الثابت التالي لسلسلة اتصال الجهاز:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    استبدل `<connection string>` بسلسلة الاتصال الخاصة بجهازك التي نسختها سابقًا.
+
+1. يعتمد الاتصال بـ IoT Hub على رمز مميز يعتمد على الوقت. هذا يعني أن جهاز إنترنت الأشياء يحتاج إلى معرفة الوقت الحالي. على عكس أنظمة التشغيل مثل Windows أو macOS أو Linux، لا تقوم المتحكمات الدقيقة بمزامنة الوقت الحالي تلقائيًا عبر الإنترنت. لذلك ستحتاج إلى إضافة كود للحصول على الوقت الحالي من [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). بمجرد استرداد الوقت، يمكن تخزينه في ساعة الوقت الحقيقي في Wio Terminal، مما يسمح بطلب الوقت الصحيح لاحقًا، بشرط ألا يفقد الجهاز الطاقة. أضف ملفًا جديدًا يسمى `ntp.h` بالكود التالي:
+
+    ```cpp
+    #pragma once
+    
+    #include "DateTime.h"
+    #include <time.h>
+    #include "samd/NTPClientAz.h"
+    #include <sys/time.h>
+
+    static void initTime()
+    {
+        WiFiUDP _udp;
+        time_t epochTime = (time_t)-1;
+        NTPClientAz ntpClient;
+
+        ntpClient.begin();
+
+        while (true)
+        {
+            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
+
+            if (epochTime == (time_t)-1)
+            {
+                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
+                delay(2000);
+            }
+            else
+            {
+                Serial.print("Fetched NTP epoch time is: ");
+
+                char buff[32];
+                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
+                Serial.println(buff);
+                break;
+            }
+        }
+
+        ntpClient.end();
+
+        struct timeval tv;
+        tv.tv_sec = epochTime;
+        tv.tv_usec = 0;
+
+        settimeofday(&tv, NULL);
+    }
+    ```
+
+    تفاصيل هذا الكود خارج نطاق هذا الدرس. يقوم بتعريف وظيفة تسمى `initTime` التي تحصل على الوقت الحالي من خادم NTP وتستخدمه لضبط الساعة على Wio Terminal.
+
+1. افتح ملف `main.cpp` وقم بإزالة جميع كود MQTT، بما في ذلك ملف الرأس `PubSubClient.h`، وتعريف متغير `PubSubClient`، وطرق `reconnectMQTTClient` و `createMQTTClient`، وأي استدعاءات لهذه المتغيرات والطرق. يجب أن يحتوي هذا الملف فقط على الكود الخاص بالاتصال بشبكة WiFi، والحصول على رطوبة التربة، وإنشاء مستند JSON بها.
+
+1. أضف توجيهات `#include` التالية إلى أعلى ملف `main.cpp` لتضمين ملفات الرأس الخاصة بمكتبات IoT Hub ولضبط الوقت:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. أضف الاستدعاء التالي إلى نهاية وظيفة `setup` لضبط الوقت الحالي:
+
+    ```cpp
+    initTime();
+    ```
+
+1. أضف تعريف المتغير التالي إلى أعلى الملف، مباشرةً أسفل توجيهات التضمين:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    هذا يعرّف `IOTHUB_DEVICE_CLIENT_LL_HANDLE`، وهو مقبض اتصال بـ IoT Hub.
+
+1. أسفل هذا، أضف الكود التالي:
+
+    ```cpp
+    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
+    {
+        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
+        {
+            Serial.println("The device client is connected to iothub");
+        }
+        else
+        {
+            Serial.println("The device client has been disconnected");
+        }
+    }
+    ```
+
+    هذا يعرّف وظيفة رد نداء يتم استدعاؤها عندما يتغير حالة الاتصال بـ IoT Hub، مثل الاتصال أو الانفصال. يتم إرسال الحالة إلى منفذ التسلسل.
+
+1. أسفل هذا، أضف وظيفة للاتصال بـ IoT Hub:
+
+    ```cpp
+    void connectIoTHub()
+    {
+        IoTHub_Init();
+    
+        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
+        
+        if (_device_ll_handle == NULL)
+        {
+            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
+            return;
+        }
+    
+        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
+    }
+    ```
+
+    يقوم هذا الكود بتهيئة كود مكتبة IoT Hub، ثم ينشئ اتصالًا باستخدام سلسلة الاتصال في ملف الرأس `config.h`. يعتمد هذا الاتصال على MQTT. إذا فشل الاتصال، يتم إرسال ذلك إلى منفذ التسلسل - إذا رأيت هذا في الإخراج، تحقق من سلسلة الاتصال. وأخيرًا يتم إعداد رد نداء حالة الاتصال.
+
+1. قم باستدعاء هذه الوظيفة في وظيفة `setup` أسفل استدعاء `initTime`:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. تمامًا مثل عميل MQTT، يعمل هذا الكود على خيط واحد لذا يحتاج إلى وقت لمعالجة الرسائل التي يتم إرسالها من وإلى IoT Hub. أضف ما يلي إلى أعلى وظيفة `loop` للقيام بذلك:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. قم ببناء ورفع هذا الكود. سترى الاتصال في شاشة التسلسل:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    في الإخراج يمكنك رؤية وقت NTP يتم استرداده، يليه اتصال عميل الجهاز. قد يستغرق الاتصال بضع ثوانٍ، لذا قد ترى رطوبة التربة في الإخراج أثناء اتصال الجهاز.
+
+    > 💁 يمكنك تحويل وقت UNIX الخاص بـ NTP إلى نسخة أكثر قابلية للقراءة باستخدام موقع ويب مثل [unixtimestamp.com](https://www.unixtimestamp.com)
+
+## إرسال البيانات
+
+الآن بعد أن تم توصيل جهازك، يمكنك إرسال البيانات إلى IoT Hub بدلاً من وسيط MQTT.
+
+### المهمة - إرسال البيانات
+
+1. أضف الوظيفة التالية أعلى وظيفة `setup`:
+
+    ```cpp
+    void sendTelemetry(const char *telemetry)
+    {
+        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
+        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
+        IoTHubMessage_Destroy(message_handle);
+    }
+    ```
+
+    يقوم هذا الكود بإنشاء رسالة IoT Hub من سلسلة يتم تمريرها كمعامل، ويرسلها إلى IoT Hub، ثم ينظف كائن الرسالة.
+
+1. قم باستدعاء هذا الكود في وظيفة `loop`، مباشرةً بعد السطر الذي يتم فيه إرسال البيانات إلى منفذ التسلسل:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## معالجة الأوامر
+
+يحتاج جهازك إلى معالجة أمر من كود الخادم للتحكم في المرحل. يتم إرسال هذا كطلب طريقة مباشرة.
+
+### المهمة - معالجة طلب طريقة مباشرة
+
+1. أضف الكود التالي قبل وظيفة `connectIoTHub`:
+
+    ```cpp
+    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
+    {
+        Serial.printf("Direct method received %s\r\n", method_name);
+    
+        if (strcmp(method_name, "relay_on") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, HIGH);
+        }
+        else if (strcmp(method_name, "relay_off") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, LOW);
+        }
+    }
+    ```
+
+    يقوم هذا الكود بتعريف وظيفة رد نداء يمكن لمكتبة IoT Hub استدعاؤها عند تلقي طلب طريقة مباشرة. يتم إرسال الطريقة المطلوبة في معامل `method_name`. تطبع هذه الوظيفة الطريقة المستدعاة إلى منفذ التسلسل، ثم تقوم بتشغيل المرحل أو إيقافه بناءً على اسم الطريقة.
+
+    > 💁 يمكن أيضًا تنفيذ ذلك في طلب طريقة مباشرة واحدة، حيث يتم تمرير الحالة المطلوبة للمرحل في حمولة يمكن تمريرها مع طلب الطريقة وتكون متاحة من معامل `payload`.
+
+1. أضف الكود التالي إلى نهاية وظيفة `directMethodCallback`:
+
+    ```cpp
+    char resultBuff[16];
+    sprintf(resultBuff, "{\"Result\":\"\"}");
+    *response_size = strlen(resultBuff);
+    *response = (unsigned char *)malloc(*response_size);
+    memcpy(*response, resultBuff, *response_size);
+
+    return IOTHUB_CLIENT_OK;
+    ```
+
+    تحتاج طلبات الطريقة المباشرة إلى استجابة، والاستجابة تكون في جزئين - استجابة كنص ورمز إرجاع. يقوم هذا الكود بإنشاء نتيجة كوثيقة JSON التالية:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    يتم نسخ هذا بعد ذلك إلى معامل `response`، ويتم ضبط حجم هذه الاستجابة في معامل `response_size`. ثم يقوم هذا الكود بإرجاع `IOTHUB_CLIENT_OK` لإظهار أن الطريقة تمت معالجتها بشكل صحيح.
+
+1. قم بتوصيل رد النداء عن طريق إضافة ما يلي إلى نهاية وظيفة `connectIoTHub`:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. ستقوم وظيفة `loop` باستدعاء وظيفة `IoTHubDeviceClient_LL_DoWork` لمعالجة الأحداث المرسلة من IoT Hub. يتم استدعاء هذه الوظيفة فقط كل 10 ثوانٍ بسبب `delay`، مما يعني أن الطرق المباشرة تتم معالجتها فقط كل 10 ثوانٍ. لجعل هذا أكثر كفاءة، يمكن تنفيذ التأخير لمدة 10 ثوانٍ كعدة تأخيرات قصيرة، مع استدعاء `IoTHubDeviceClient_LL_DoWork` في كل مرة. للقيام بذلك، أضف الكود التالي أعلى وظيفة `loop`:
+
+    ```cpp
+    void work_delay(int delay_time)
+    {
+        int current = 0;
+        do
+        {
+            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+            delay(100);
+            current += 100;
+        } while (current < delay_time);
+    }
+    ```
+
+    سيقوم هذا الكود بالتكرار بشكل متكرر، مستدعيًا `IoTHubDeviceClient_LL_DoWork` ومؤخرًا لمدة 100 مللي ثانية في كل مرة. سيقوم بذلك بقدر ما هو مطلوب للتأخير للمدة الزمنية المحددة في معامل `delay_time`. هذا يعني أن الجهاز ينتظر بحد أقصى 100 مللي ثانية لمعالجة طلبات الطريقة المباشرة.
+
+1. في وظيفة `loop`، قم بإزالة استدعاء `IoTHubDeviceClient_LL_DoWork`، واستبدل استدعاء `delay(10000)` بما يلي لاستدعاء هذه الوظيفة الجديدة:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal).
+
+😀 برنامج مستشعر رطوبة التربة الخاص بك متصل بـ IoT Hub!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..3ec601b9
--- /dev/null
+++ b/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,623 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T22:34:47+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "ar"
+}
+-->
+# نقل منطق تطبيقك إلى السحابة
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ar.jpg)
+
+> رسم توضيحي من [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة لعرض نسخة أكبر.
+
+تم تقديم هذا الدرس كجزء من [مشروع إنترنت الأشياء للمبتدئين - سلسلة الزراعة الرقمية](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) من [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![تحكم في جهاز إنترنت الأشياء الخاص بك باستخدام كود بدون خادم](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## المقدمة
+
+في الدرس السابق، تعلمت كيفية توصيل جهاز مراقبة رطوبة التربة الخاص بالنباتات والتحكم في المرحل بخدمة إنترنت الأشياء المستندة إلى السحابة. الخطوة التالية هي نقل الكود الخادمي الذي يتحكم في توقيت المرحل إلى السحابة. في هذا الدرس، ستتعلم كيفية القيام بذلك باستخدام الوظائف بدون خادم.
+
+في هذا الدرس سنتناول:
+
+* [ما هي الوظائف بدون خادم؟](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [إنشاء تطبيق بدون خادم](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [إنشاء مشغل حدث IoT Hub](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [إرسال طلبات الطرق المباشرة من الكود بدون خادم](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [نشر الكود بدون خادم إلى السحابة](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## ما هي الوظائف بدون خادم؟
+
+الوظائف بدون خادم، أو الحوسبة بدون خادم، تتضمن إنشاء كتل صغيرة من الكود يتم تشغيلها في السحابة استجابة لأنواع مختلفة من الأحداث. عندما يحدث الحدث، يتم تشغيل الكود الخاص بك ويتم تمرير بيانات حول الحدث إليه. يمكن أن تأتي هذه الأحداث من أشياء متعددة، بما في ذلك طلبات الويب، الرسائل الموضوعة في قائمة انتظار، تغييرات البيانات في قاعدة بيانات، أو الرسائل المرسلة إلى خدمة إنترنت الأشياء من أجهزة إنترنت الأشياء.
+
+![الأحداث المرسلة من خدمة إنترنت الأشياء إلى خدمة بدون خادم، تتم معالجتها جميعًا في نفس الوقت بواسطة وظائف متعددة](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ar.png)
+
+> 💁 إذا كنت قد استخدمت مشغلات قواعد البيانات من قبل، يمكنك التفكير في هذا على أنه نفس الشيء، حيث يتم تشغيل الكود بواسطة حدث مثل إدخال صف.
+
+![عندما يتم إرسال العديد من الأحداث في نفس الوقت، تقوم الخدمة بدون خادم بالتوسع لتشغيلها جميعًا في نفس الوقت](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ar.png)
+
+يتم تشغيل الكود الخاص بك فقط عندما يحدث الحدث، ولا يتم الاحتفاظ بالكود الخاص بك قيد التشغيل في أوقات أخرى. عندما يحدث الحدث، يتم تحميل الكود الخاص بك وتشغيله. هذا يجعل الوظائف بدون خادم قابلة للتوسع بشكل كبير - إذا حدثت العديد من الأحداث في نفس الوقت، يمكن لموفر السحابة تشغيل الوظيفة الخاصة بك بقدر ما تحتاج في نفس الوقت عبر أي خوادم متاحة لديهم. الجانب السلبي لهذا هو أنه إذا كنت بحاجة إلى مشاركة المعلومات بين الأحداث، يجب عليك حفظها في مكان ما مثل قاعدة بيانات بدلاً من تخزينها في الذاكرة.
+
+يتم كتابة الكود الخاص بك كدالة تأخذ تفاصيل حول الحدث كمعامل. يمكنك استخدام مجموعة واسعة من لغات البرمجة لكتابة هذه الوظائف بدون خادم.
+
+> 🎓 تُعرف الوظائف بدون خادم أيضًا باسم "الوظائف كخدمة" (FaaS) حيث يتم تنفيذ كل مشغل حدث كدالة في الكود.
+
+على الرغم من الاسم، فإن الوظائف بدون خادم تستخدم بالفعل خوادم. التسمية تعني أنك كمطور لا تهتم بالخوادم اللازمة لتشغيل الكود الخاص بك، كل ما تهتم به هو أن الكود الخاص بك يتم تشغيله استجابة لحدث. يوفر موفر السحابة *بيئة تشغيل بدون خادم* تدير تخصيص الخوادم، الشبكات، التخزين، وحدة المعالجة المركزية، الذاكرة وكل شيء آخر مطلوب لتشغيل الكود الخاص بك. هذا النموذج يعني أنك لا تدفع لكل خادم للخدمة، حيث لا يوجد خادم. بدلاً من ذلك، تدفع مقابل الوقت الذي يتم فيه تشغيل الكود الخاص بك، وكمية الذاكرة المستخدمة.
+
+> 💰 الوظائف بدون خادم هي واحدة من أرخص الطرق لتشغيل الكود في السحابة. على سبيل المثال، في وقت كتابة هذا النص، يسمح أحد موفري السحابة لجميع الوظائف بدون خادم الخاصة بك بالتنفيذ مليون مرة شهريًا قبل أن يبدأوا في فرض رسوم عليك، وبعد ذلك يفرضون 0.20 دولار أمريكي لكل مليون تنفيذ. عندما لا يتم تشغيل الكود الخاص بك، لا تدفع شيئًا.
+
+كمطور إنترنت الأشياء، فإن نموذج الوظائف بدون خادم مثالي. يمكنك كتابة دالة يتم استدعاؤها استجابة للرسائل المرسلة من أي جهاز إنترنت الأشياء متصل بخدمة إنترنت الأشياء المستضافة في السحابة. الكود الخاص بك سيتعامل مع جميع الرسائل المرسلة، ولكنه سيعمل فقط عند الحاجة.
+
+✅ ألقِ نظرة على الكود الذي كتبته ككود خادمي يستمع للرسائل عبر MQTT. كيف يمكن أن يعمل هذا في السحابة باستخدام الوظائف بدون خادم؟ كيف تعتقد أن الكود قد يحتاج إلى التغيير لدعم الحوسبة بدون خادم؟
+
+> 💁 نموذج الوظائف بدون خادم ينتقل إلى خدمات سحابية أخرى بالإضافة إلى تشغيل الكود. على سبيل المثال، قواعد البيانات بدون خادم متوفرة في السحابة باستخدام نموذج تسعير بدون خادم حيث تدفع لكل طلب يتم إجراؤه ضد قاعدة البيانات، مثل استعلام أو إدخال، عادةً باستخدام تسعير يعتمد على مقدار العمل المطلوب لخدمة الطلب. على سبيل المثال، استعلام بسيط عن صف واحد باستخدام مفتاح أساسي سيكلف أقل من عملية معقدة تنضم إلى العديد من الجداول وتعيد آلاف الصفوف.
+
+## إنشاء تطبيق بدون خادم
+
+خدمة الحوسبة بدون خادم من مايكروسوفت تُعرف باسم Azure Functions.
+
+![شعار Azure Functions](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ar.png)
+
+الفيديو القصير أدناه يقدم نظرة عامة على Azure Functions:
+
+[![فيديو نظرة عامة على Azure Functions](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+✅ خذ لحظة للبحث وقراءة نظرة عامة على Azure Functions في [وثائق Microsoft Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn).
+
+لإنشاء Azure Functions، تبدأ بتطبيق Azure Functions بلغة البرمجة التي تختارها. يدعم Azure Functions بشكل افتراضي Python، JavaScript، TypeScript، C#، F#، Java، وPowerShell. في هذا الدرس، ستتعلم كيفية كتابة تطبيق Azure Functions باستخدام Python.
+
+> 💁 يدعم Azure Functions أيضًا معالجات مخصصة بحيث يمكنك كتابة الوظائف بأي لغة تدعم طلبات HTTP، بما في ذلك اللغات القديمة مثل COBOL.
+
+تتكون تطبيقات الوظائف من واحد أو أكثر من *المشغلات* - وهي وظائف تستجيب للأحداث. يمكنك أن تحتوي على مشغلات متعددة داخل تطبيق الوظائف الواحد، تشترك جميعها في نفس الإعدادات. على سبيل المثال، في ملف الإعدادات الخاص بتطبيق الوظائف، يمكنك وضع تفاصيل الاتصال بـ IoT Hub الخاص بك، ويمكن لجميع الوظائف في التطبيق استخدام هذا الاتصال للاستماع إلى الأحداث.
+
+### المهمة - تثبيت أدوات Azure Functions
+
+> في وقت كتابة هذا النص، أدوات كود Azure Functions ليست مدعومة بالكامل على أجهزة Apple Silicon مع مشاريع Python. ستحتاج إلى استخدام جهاز Mac بمعالج Intel، أو جهاز كمبيوتر يعمل بنظام Windows، أو جهاز كمبيوتر يعمل بنظام Linux بدلاً من ذلك.
+
+إحدى الميزات الرائعة لـ Azure Functions هي أنه يمكنك تشغيلها محليًا. نفس بيئة التشغيل المستخدمة في السحابة يمكن تشغيلها على جهاز الكمبيوتر الخاص بك، مما يسمح لك بكتابة كود يستجيب لرسائل إنترنت الأشياء وتشغيله محليًا. يمكنك حتى تصحيح الكود الخاص بك أثناء معالجة الأحداث. بمجرد أن تكون راضيًا عن الكود الخاص بك، يمكن نشره إلى السحابة.
+
+أدوات Azure Functions متوفرة كواجهة سطر أوامر (CLI)، تُعرف باسم Azure Functions Core Tools.
+
+1. قم بتثبيت أدوات Azure Functions Core Tools باتباع التعليمات الموجودة في [وثائق Azure Functions Core Tools](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn).
+
+2. قم بتثبيت إضافة Azure Functions لـ VS Code. توفر هذه الإضافة دعمًا لإنشاء وتصحيح ونشر وظائف Azure. راجع [وثائق إضافة Azure Functions](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) للحصول على تعليمات حول تثبيت هذه الإضافة في VS Code.
+
+عندما تقوم بنشر تطبيق Azure Functions الخاص بك إلى السحابة، فإنه يحتاج إلى استخدام كمية صغيرة من التخزين السحابي لتخزين أشياء مثل ملفات التطبيق وملفات السجل. عندما تقوم بتشغيل تطبيق الوظائف الخاص بك محليًا، لا يزال يتعين عليك الاتصال بالتخزين السحابي، ولكن بدلاً من استخدام التخزين السحابي الفعلي، يمكنك استخدام محاكي تخزين يسمى [Azurite](https://github.com/Azure/Azurite). يعمل هذا المحاكي محليًا ولكنه يتصرف مثل التخزين السحابي.
+
+> 🎓 في Azure، التخزين الذي تستخدمه Azure Functions هو حساب تخزين Azure. يمكن لهذه الحسابات تخزين الملفات، الكتل، البيانات في الجداول أو البيانات في قوائم الانتظار. يمكنك مشاركة حساب تخزين واحد بين العديد من التطبيقات، مثل تطبيق وظائف وتطبيق ويب.
+
+1. Azurite هو تطبيق Node.js، لذا ستحتاج إلى تثبيت Node.js. يمكنك العثور على تعليمات التنزيل والتثبيت على [موقع Node.js](https://nodejs.org/). إذا كنت تستخدم جهاز Mac، يمكنك أيضًا تثبيته من [Homebrew](https://formulae.brew.sh/formula/node).
+
+2. قم بتثبيت Azurite باستخدام الأمر التالي (`npm` هو أداة يتم تثبيتها عند تثبيت Node.js):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+3. قم بإنشاء مجلد يسمى `azurite` ليستخدمه Azurite لتخزين البيانات:
+
+    ```sh
+    mkdir azurite
+    ```
+
+4. قم بتشغيل Azurite، مع تمرير هذا المجلد الجديد:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    سيبدأ محاكي التخزين Azurite وسيكون جاهزًا لاتصال بيئة التشغيل المحلية للوظائف.
+
+    ```output
+    ➜  ~ azurite --location azurite  
+    Azurite Blob service is starting at http://127.0.0.1:10000
+    Azurite Blob service is successfully listening at http://127.0.0.1:10000
+    Azurite Queue service is starting at http://127.0.0.1:10001
+    Azurite Queue service is successfully listening at http://127.0.0.1:10001
+    Azurite Table service is starting at http://127.0.0.1:10002
+    Azurite Table service is successfully listening at http://127.0.0.1:10002
+    ```
+
+### المهمة - إنشاء مشروع Azure Functions
+
+يمكن استخدام CLI الخاص بـ Azure Functions لإنشاء تطبيق وظائف جديد.
+
+1. قم بإنشاء مجلد لتطبيق الوظائف الخاص بك وانتقل إليه. قم بتسميته `soil-moisture-trigger`:
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+2. قم بإنشاء بيئة افتراضية لـ Python داخل هذا المجلد:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+3. قم بتفعيل البيئة الافتراضية:
+
+    * على Windows:
+        * إذا كنت تستخدم Command Prompt، أو Command Prompt من خلال Windows Terminal، قم بتشغيل:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * إذا كنت تستخدم PowerShell، قم بتشغيل:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * على macOS أو Linux، قم بتشغيل:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 يجب تشغيل هذه الأوامر من نفس الموقع الذي قمت فيه بتشغيل الأمر لإنشاء البيئة الافتراضية. لن تحتاج أبدًا إلى الانتقال إلى مجلد `.venv`، يجب عليك دائمًا تشغيل أمر التفعيل وأي أوامر لتثبيت الحزم أو تشغيل الكود من المجلد الذي كنت فيه عند إنشاء البيئة الافتراضية.
+
+4. قم بتشغيل الأمر التالي لإنشاء تطبيق وظائف داخل هذا المجلد:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    سيؤدي هذا إلى إنشاء ثلاثة ملفات داخل المجلد الحالي:
+
+    * `host.json` - هذا المستند JSON يحتوي على إعدادات تطبيق الوظائف الخاص بك. لن تحتاج إلى تعديل هذه الإعدادات.
+    * `local.settings.json` - هذا المستند JSON يحتوي على الإعدادات التي سيستخدمها التطبيق عند التشغيل محليًا، مثل سلاسل الاتصال بـ IoT Hub. هذه الإعدادات محلية فقط، ولا ينبغي إضافتها إلى التحكم في الشيفرة المصدرية. عندما تقوم بنشر التطبيق إلى السحابة، لن يتم نشر هذه الإعدادات، بدلاً من ذلك سيتم تحميل الإعدادات الخاصة بك من إعدادات التطبيق. سيتم تغطية هذا لاحقًا في هذا الدرس.
+    * `requirements.txt` - هذا هو [ملف متطلبات Pip](https://pip.p
+> ⚠️ إذا ظهرت لك إشعار جدار الحماية، امنح الوصول لأن تطبيق `func` يحتاج إلى القدرة على القراءة والكتابة على شبكتك.
+> ⚠️ إذا كنت تستخدم macOS، قد تظهر تحذيرات في المخرجات:
+>
+> ```output
+    > (.venv) ➜  soil-moisture-trigger func start
+    > Found Python version 3.9.1 (python3).
+    >
+    > Azure Functions Core Tools
+    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    > Function Runtime Version: 3.0.15417.0
+    >
+    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
+    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
+    > [2021-06-16T08:18:30.361Z] No job functions found.
+    > ```
+>
+> يمكنك تجاهل هذه التحذيرات طالما أن تطبيق Functions يعمل بشكل صحيح ويعرض الوظائف الجارية. كما هو مذكور في [هذا السؤال على Microsoft Docs Q&A](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn)، يمكن تجاهلها.
+
+1. أوقف تشغيل تطبيق Functions بالضغط على `ctrl+c`.
+
+1. افتح المجلد الحالي في VS Code، إما عن طريق فتح VS Code ثم فتح هذا المجلد، أو عن طريق تشغيل الأمر التالي:
+
+    ```sh
+    code .
+    ```
+
+    سيكتشف VS Code مشروع Functions الخاص بك ويعرض إشعارًا يقول:
+
+    ```output
+    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
+    VS Code. Initialize for optimal use with VS Code?
+    ```
+
+    ![الإشعار](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ar.png)
+
+    اختر **Yes** من هذا الإشعار.
+
+1. تأكد من أن البيئة الافتراضية لـ Python تعمل في الطرفية داخل VS Code. قم بإنهائها وأعد تشغيلها إذا لزم الأمر.
+
+## إنشاء مشغل حدث IoT Hub
+
+تطبيق Functions هو الإطار الخارجي لكودك الخالي من الخوادم. للرد على أحداث IoT Hub، يمكنك إضافة مشغل IoT Hub إلى هذا التطبيق. يحتاج هذا المشغل إلى الاتصال بتدفق الرسائل المرسلة إلى IoT Hub والرد عليها. للحصول على هذا التدفق من الرسائل، يجب أن يتصل المشغل بنقطة النهاية المتوافقة مع Event Hub الخاصة بـ IoT Hub.
+
+يعتمد IoT Hub على خدمة Azure أخرى تُسمى Azure Event Hubs. Event Hubs هي خدمة تتيح إرسال واستقبال الرسائل، بينما يضيف IoT Hub ميزات إضافية للأجهزة المتصلة بالإنترنت. طريقة الاتصال لقراءة الرسائل من IoT Hub هي نفسها كما لو كنت تستخدم Event Hubs.
+
+✅ قم ببعض البحث: اقرأ نظرة عامة على Event Hubs في [وثائق Azure Event Hubs](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn). كيف تقارن الميزات الأساسية مع IoT Hub؟
+
+لكي يتصل جهاز IoT بـ IoT Hub، يجب أن يستخدم مفتاحًا سريًا يضمن أن الأجهزة المصرح لها فقط يمكنها الاتصال. ينطبق نفس الأمر عند الاتصال لقراءة الرسائل، حيث سيحتاج كودك إلى سلسلة اتصال تحتوي على مفتاح سري، بالإضافة إلى تفاصيل IoT Hub.
+
+> 💁 سلسلة الاتصال الافتراضية التي تحصل عليها تحتوي على أذونات **iothubowner**، مما يمنح أي كود يستخدمها أذونات كاملة على IoT Hub. من الأفضل أن تتصل بأقل مستوى من الأذونات المطلوبة. سيتم تغطية هذا في الدرس التالي.
+
+بمجرد أن يتصل المشغل، سيتم استدعاء الكود داخل الوظيفة لكل رسالة يتم إرسالها إلى IoT Hub، بغض النظر عن الجهاز الذي أرسلها. سيتم تمرير الرسالة إلى المشغل كمعامل.
+
+### المهمة - الحصول على سلسلة اتصال نقطة النهاية المتوافقة مع Event Hub
+
+1. من الطرفية في VS Code، قم بتشغيل الأمر التالي للحصول على سلسلة الاتصال لنقطة النهاية المتوافقة مع Event Hub الخاصة بـ IoT Hub:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الذي استخدمته.
+
+1. في VS Code، افتح ملف `local.settings.json`. أضف القيمة الإضافية التالية داخل قسم `Values`:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    استبدل `<connection string>` بالقيمة من الخطوة السابقة. ستحتاج إلى إضافة فاصلة بعد السطر السابق لجعل هذا JSON صالحًا.
+
+### المهمة - إنشاء مشغل حدث
+
+أنت الآن جاهز لإنشاء مشغل الحدث.
+
+1. من الطرفية في VS Code، قم بتشغيل الأمر التالي من داخل مجلد `soil-moisture-trigger`:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    سيؤدي هذا إلى إنشاء وظيفة جديدة تُسمى `iot-hub-trigger`. سيتصل المشغل بنقطة النهاية المتوافقة مع Event Hub على IoT Hub، لذا يمكنك استخدام مشغل Event Hub. لا يوجد مشغل محدد لـ IoT Hub.
+
+سيتم إنشاء مجلد داخل مجلد `soil-moisture-trigger` يُسمى `iot-hub-trigger` يحتوي على هذه الوظيفة. سيحتوي هذا المجلد على الملفات التالية:
+
+* `__init__.py` - هذا هو ملف كود Python الذي يحتوي على المشغل، باستخدام تسمية ملفات Python القياسية لتحويل هذا المجلد إلى وحدة Python.
+
+    سيحتوي هذا الملف على الكود التالي:
+
+    ```python
+    import logging
+
+    import azure.functions as func
+
+
+    def main(event: func.EventHubEvent):
+        logging.info('Python EventHub trigger processed an event: %s',
+                    event.get_body().decode('utf-8'))
+    ```
+
+    جوهر المشغل هو وظيفة `main`. يتم استدعاء هذه الوظيفة مع الأحداث من IoT Hub. تحتوي هذه الوظيفة على معامل يُسمى `event` يحتوي على `EventHubEvent`. في كل مرة يتم فيها إرسال رسالة إلى IoT Hub، يتم استدعاء هذه الوظيفة وتمرير تلك الرسالة كـ `event`، إلى جانب الخصائص التي تشبه التعليقات التوضيحية التي رأيتها في الدرس السابق.
+
+    جوهر هذه الوظيفة يقوم بتسجيل الحدث.
+
+* `function.json` - يحتوي هذا الملف على تكوين المشغل. التكوين الرئيسي موجود في قسم يُسمى `bindings`. الربط هو المصطلح المستخدم لوصف الاتصال بين Azure Functions والخدمات الأخرى في Azure. تحتوي هذه الوظيفة على ربط إدخال إلى Event Hub - حيث تتصل بـ Event Hub وتتلقى البيانات.
+
+    > 💁 يمكنك أيضًا الحصول على روابط إخراج بحيث يتم إرسال مخرجات الوظيفة إلى خدمة أخرى. على سبيل المثال، يمكنك إضافة ربط إخراج إلى قاعدة بيانات وإرجاع حدث IoT Hub من الوظيفة، وسيتم إدخاله تلقائيًا في قاعدة البيانات.
+
+    ✅ قم ببعض البحث: اقرأ عن الروابط في [وثائق مفاهيم المشغلات والروابط في Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python).
+
+    يتضمن قسم `bindings` تكوين الربط. القيم ذات الأهمية هي:
+
+  * `"type": "eventHubTrigger"` - يشير هذا إلى أن الوظيفة تحتاج إلى الاستماع إلى الأحداث من Event Hub
+  * `"name": "events"` - هذا هو اسم المعامل المستخدم لأحداث Event Hub. يتطابق هذا مع اسم المعامل في وظيفة `main` في كود Python.
+  * `"direction": "in"` - هذا هو ربط إدخال، حيث تأتي البيانات من Event Hub إلى الوظيفة
+  * `"connection": ""` - يحدد هذا اسم الإعداد لقراءة سلسلة الاتصال منه. عند التشغيل محليًا، سيقرأ هذا الإعداد من ملف `local.settings.json`.
+
+    > 💁 لا يمكن تخزين سلسلة الاتصال في ملف `function.json`، بل يجب قراءتها من الإعدادات. هذا لمنعك من كشف سلسلة الاتصال عن طريق الخطأ.
+
+1. بسبب [خطأ في قالب Azure Functions](https://github.com/Azure/azure-functions-templates/issues/1250)، يحتوي ملف `function.json` على قيمة غير صحيحة لحقل `cardinality`. قم بتحديث هذا الحقل من `many` إلى `one`:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. قم بتحديث قيمة `"connection"` في ملف `function.json` للإشارة إلى القيمة الجديدة التي أضفتها إلى ملف `local.settings.json`:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 تذكر - يجب أن تشير هذه القيمة إلى الإعداد، وليس أن تحتوي على سلسلة الاتصال الفعلية.
+
+1. تحتوي سلسلة الاتصال على قيمة `eventHubName`، لذا يجب مسح القيمة الخاصة بها في ملف `function.json`. قم بتحديث هذه القيمة إلى سلسلة فارغة:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### المهمة - تشغيل مشغل الحدث
+
+1. تأكد من أنك لا تقوم بتشغيل مراقب أحداث IoT Hub. إذا كان هذا يعمل في نفس الوقت مع تطبيق Functions، فلن يتمكن تطبيق Functions من الاتصال واستهلاك الأحداث.
+
+    > 💁 يمكن لتطبيقات متعددة الاتصال بنقاط نهاية IoT Hub باستخدام *مجموعات مستهلكين* مختلفة. سيتم تغطية هذه في درس لاحق.
+
+1. لتشغيل تطبيق Functions، قم بتشغيل الأمر التالي من الطرفية في VS Code:
+
+    ```sh
+    func start
+    ```
+
+    سيبدأ تطبيق Functions، وسيكتشف وظيفة `iot-hub-trigger`. بعد ذلك، سيعالج أي أحداث تم إرسالها بالفعل إلى IoT Hub خلال اليوم الماضي.
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    Functions:
+    
+            iot-hub-trigger: eventHubTrigger
+    
+    For detailed output, run func with --verbose flag.
+    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
+    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
+    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
+    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
+    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
+    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
+    ```
+
+    سيتم إحاطة كل استدعاء للوظيفة بكتلة `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` في المخرجات، بحيث يمكنك معرفة عدد الرسائل التي تمت معالجتها في كل استدعاء للوظيفة.
+
+1. تأكد من أن جهاز IoT الخاص بك يعمل. سترى رسائل جديدة عن رطوبة التربة تظهر في تطبيق Functions.
+
+1. أوقف وأعد تشغيل تطبيق Functions. سترى أنه لن يعالج الرسائل السابقة مرة أخرى، بل سيعالج الرسائل الجديدة فقط.
+
+> 💁 يدعم VS Code أيضًا تصحيح الأخطاء في وظائفك. يمكنك تعيين نقاط توقف بالنقر على الحافة بجانب بداية كل سطر من الكود، أو وضع المؤشر على سطر الكود واختيار *Run -> Toggle breakpoint*، أو الضغط على `F9`. يمكنك تشغيل المصحح باختيار *Run -> Start debugging*، أو الضغط على `F5`، أو اختيار لوحة *Run and debug* واختيار زر **Start debugging**. من خلال القيام بذلك، يمكنك رؤية تفاصيل الأحداث التي تتم معالجتها.
+
+#### استكشاف الأخطاء وإصلاحها
+
+* إذا حصلت على الخطأ التالي:
+
+    ```output
+    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
+    ```
+
+    تحقق من أن Azurite يعمل وأنك قمت بتعيين `AzureWebJobsStorage` في ملف `local.settings.json` إلى `UseDevelopmentStorage=true`.
+
+* إذا حصلت على الخطأ التالي:
+
+    ```output
+    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
+    ```
+
+    تحقق من أنك قمت بتعيين `cardinality` في ملف `function.json` إلى `one`.
+
+* إذا حصلت على الخطأ التالي:
+
+    ```output
+    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
+    ```
+
+    تحقق من أنك قمت بتعيين `eventHubName` في ملف `function.json` إلى سلسلة فارغة.
+
+## إرسال طلبات طريقة مباشرة من الكود الخالي من الخوادم
+
+حتى الآن، يستمع تطبيق Functions الخاص بك إلى الرسائل من IoT Hub باستخدام نقطة النهاية المتوافقة مع Event Hub. الآن تحتاج إلى إرسال أوامر إلى جهاز IoT. يتم ذلك باستخدام اتصال مختلف بـ IoT Hub عبر *مدير السجل*. مدير السجل هو أداة تتيح لك رؤية الأجهزة المسجلة مع IoT Hub، والتواصل مع تلك الأجهزة عن طريق إرسال رسائل من السحابة إلى الجهاز، أو طلبات طريقة مباشرة، أو تحديث التوأم الرقمي للجهاز. يمكنك أيضًا استخدامه لتسجيل أو تحديث أو حذف أجهزة IoT من IoT Hub.
+
+للاتصال بمدير السجل، تحتاج إلى سلسلة اتصال.
+
+### المهمة - الحصول على سلسلة اتصال مدير السجل
+
+1. للحصول على سلسلة الاتصال، قم بتشغيل الأمر التالي:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الذي استخدمته.
+
+    يتم طلب سلسلة الاتصال لسياسة *ServiceConnect* باستخدام المعامل `--policy-name service`. عند طلب سلسلة اتصال، يمكنك تحديد الأذونات التي ستسمح بها سلسلة الاتصال هذه. سياسة ServiceConnect تسمح لكودك بالاتصال وإرسال الرسائل إلى أجهزة IoT.
+
+    ✅ قم ببعض البحث: اقرأ عن السياسات المختلفة في [وثائق أذونات IoT Hub](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn)
+
+1. في VS Code، افتح ملف `local.settings.json`. أضف القيمة الإضافية التالية داخل قسم `Values`:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    استبدل `<connection string>` بالقيمة من الخطوة السابقة. ستحتاج إلى إضافة فاصلة بعد السطر السابق لجعل هذا JSON صالحًا.
+
+### المهمة - إرسال طلب طريقة مباشرة إلى جهاز
+
+1. يتوفر SDK الخاص بمدير السجل عبر حزمة Pip. أضف السطر التالي إلى ملف `requirements.txt` لإضافة الاعتماد على هذه الحزمة:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. تأكد من أن الطرفية في VS Code تحتوي على البيئة الافتراضية مفعّلة، وقم بتشغيل الأمر التالي لتثبيت حزم Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. أضف الواردات التالية إلى ملف `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    هذا يستورد بعض مكتبات النظام، بالإضافة إلى المكتبات للتفاعل مع مدير السجل وإرسال طلبات الطريقة المباشرة.
+
+1. قم بإزالة الكود من داخل طريقة `main`، ولكن احتفظ بالطريقة نفسها.
+
+1. في طريقة `main`، أضف الكود التالي:
+
+    ```python
+    body = json.loads(event.get_body().decode('utf-8'))
+    device_id = event.iothub_metadata['connection-device-id']
+
+    logging.info(f'Received message: {body} from {device_id}')
+    ```
+
+    يقوم هذا الكود باستخراج محتوى الحدث الذي يحتوي على رسالة JSON المرسلة بواسطة جهاز IoT.
+
+    ثم يحصل على معرف الجهاز من التعليقات التوضيحية المرسلة مع الرسالة. يحتوي محتوى الحدث على الرسالة المرسلة كتليمتر، بينما يحتوي القاموس `iothub_metadata` على الخصائص التي يحددها IoT Hub مثل معرف الجهاز المرسل، ووقت إرسال الرسالة.
+
+    يتم بعد ذلك تسجيل هذه المعلومات. سترى هذا التسجيل في الطرفية عند تشغيل تطبيق Functions محليًا.
+
+1. أسفل هذا، أضف الكود التالي:
+
+    ```python
+    soil_moisture = body['soil_moisture']
+
+    if soil_moisture > 450:
+        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
+    else:
+        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
+    ```
+
+    يقوم هذا الكود بالحصول على مستوى رطوبة التربة من الرسالة. ثم يتحقق من مستوى الرطوبة، وبناءً على القيمة، ينشئ فئة مساعدة لطلب الطريقة المباشرة لطريقة `relay_on` أو `relay_off`. لا يحتاج طلب الطريقة إلى حمولة، لذا يتم إرسال مستند JSON فارغ.
+
+1. أسفل هذا أضف الكود التالي:
+
+    ```python
+    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
+
+    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
+    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
+    ```
+يتم تحميل `REGISTRY_MANAGER_CONNECTION_STRING` من ملف `local.settings.json`. القيم الموجودة في هذا الملف تصبح متاحة كمتغيرات بيئية، ويمكن قراءتها باستخدام وظيفة `os.environ`، وهي وظيفة تُرجع قاموسًا يحتوي على جميع المتغيرات البيئية.
+
+> 💁 عندما يتم نشر هذا الكود إلى السحابة، سيتم تعيين القيم الموجودة في ملف `local.settings.json` كإعدادات للتطبيق (*Application Settings*)، ويمكن قراءتها من المتغيرات البيئية.
+
+بعد ذلك، يقوم الكود بإنشاء نسخة من فئة المساعد Registry Manager باستخدام سلسلة الاتصال.
+
+1. أضف الكود التالي:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    يخبر هذا الكود مدير السجل بإرسال طلب الطريقة المباشرة إلى الجهاز الذي أرسل البيانات.
+
+    > 💁 في الإصدارات السابقة من التطبيق التي أنشأتها في الدروس السابقة باستخدام MQTT، كانت أوامر التحكم في الترحيل تُرسل إلى جميع الأجهزة. كان الكود يفترض أن لديك جهازًا واحدًا فقط. هذا الإصدار من الكود يرسل طلب الطريقة إلى جهاز واحد فقط، لذا سيعمل إذا كان لديك إعدادات متعددة لأجهزة استشعار الرطوبة والترحيل، حيث يتم إرسال طلب الطريقة المباشرة إلى الجهاز الصحيح.
+
+1. قم بتشغيل تطبيق Functions، وتأكد من أن جهاز IoT الخاص بك يرسل البيانات. سترى الرسائل يتم معالجتها وطلبات الطريقة المباشرة يتم إرسالها. قم بتحريك مستشعر رطوبة التربة داخل وخارج التربة لترى القيم تتغير والترحيل يعمل ويتوقف.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions).
+
+## نشر الكود بدون خادم إلى السحابة
+
+الكود يعمل الآن محليًا، والخطوة التالية هي نشر تطبيق Functions إلى السحابة.
+
+### المهمة - إنشاء موارد السحابة
+
+يحتاج تطبيق Functions الخاص بك إلى أن يتم نشره إلى مورد Functions App في Azure، داخل مجموعة الموارد التي أنشأتها لـ IoT Hub. ستحتاج أيضًا إلى إنشاء حساب تخزين في Azure ليحل محل المحاكي الذي يعمل محليًا.
+
+1. قم بتشغيل الأمر التالي لإنشاء حساب تخزين:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    استبدل `<storage_name>` باسم لحساب التخزين الخاص بك. يجب أن يكون هذا الاسم فريدًا عالميًا لأنه يشكل جزءًا من عنوان URL المستخدم للوصول إلى حساب التخزين. يمكنك استخدام الأحرف الصغيرة والأرقام فقط لهذا الاسم، ولا يُسمح بأي أحرف أخرى، وهو محدود بـ 24 حرفًا. استخدم شيئًا مثل `sms` وأضف معرفًا فريدًا في النهاية، مثل بعض الكلمات العشوائية أو اسمك.
+
+    الخيار `--sku Standard_LRS` يحدد فئة التسعير، حيث يتم اختيار أقل تكلفة لحساب عام. لا توجد فئة مجانية للتخزين، وتدفع مقابل ما تستخدمه. التكاليف منخفضة نسبيًا، حيث أن أغلى تخزين أقل من 0.05 دولار أمريكي شهريًا لكل جيجابايت مخزن.
+
+    ✅ اقرأ المزيد عن التسعير على [صفحة تسعير حساب تخزين Azure](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn)
+
+1. قم بتشغيل الأمر التالي لإنشاء تطبيق Functions:
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد في الدرس السابق.
+
+    استبدل `<storage_name>` باسم حساب التخزين الذي أنشأته في الخطوة السابقة.
+
+    استبدل `<functions_app_name>` باسم فريد لتطبيق Functions الخاص بك. يجب أن يكون هذا الاسم فريدًا عالميًا لأنه يشكل جزءًا من عنوان URL الذي يمكن استخدامه للوصول إلى تطبيق Functions. استخدم شيئًا مثل `soil-moisture-sensor-` وأضف معرفًا فريدًا في النهاية، مثل بعض الكلمات العشوائية أو اسمك.
+
+    الخيار `--functions-version 3` يحدد إصدار Azure Functions الذي سيتم استخدامه. الإصدار 3 هو أحدث إصدار.
+
+    الخيار `--os-type Linux` يخبر بيئة تشغيل Functions باستخدام Linux كنظام تشغيل لاستضافة هذه الوظائف. يمكن استضافة الوظائف على Linux أو Windows، اعتمادًا على لغة البرمجة المستخدمة. تطبيقات Python مدعومة فقط على Linux.
+
+### المهمة - تحميل إعدادات التطبيق
+
+عندما قمت بتطوير تطبيق Functions الخاص بك، قمت بتخزين بعض الإعدادات في ملف `local.settings.json` لسلاسل الاتصال الخاصة بـ IoT Hub. يجب كتابة هذه الإعدادات إلى إعدادات التطبيق في تطبيق Functions في Azure حتى يتمكن الكود من استخدامها.
+
+> 🎓 ملف `local.settings.json` مخصص لإعدادات التطوير المحلي فقط، ولا يجب أن يتم إدخاله في التحكم في مصدر الكود، مثل GitHub. عند النشر إلى السحابة، يتم استخدام إعدادات التطبيق. إعدادات التطبيق هي أزواج مفتاح/قيمة مستضافة في السحابة ويتم قراءتها من المتغيرات البيئية إما في الكود الخاص بك أو بواسطة بيئة التشغيل عند توصيل الكود بـ IoT Hub.
+
+1. قم بتشغيل الأمر التالي لتعيين إعداد `IOT_HUB_CONNECTION_STRING` في إعدادات تطبيق Functions:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    استبدل `<functions_app_name>` بالاسم الذي استخدمته لتطبيق Functions الخاص بك.
+
+    استبدل `<connection string>` بالقيمة الخاصة بـ `IOT_HUB_CONNECTION_STRING` من ملف `local.settings.json` الخاص بك.
+
+1. كرر الخطوة أعلاه، ولكن قم بتعيين قيمة `REGISTRY_MANAGER_CONNECTION_STRING` إلى القيمة المقابلة من ملف `local.settings.json` الخاص بك.
+
+عند تشغيل هذه الأوامر، ستظهر قائمة بجميع إعدادات التطبيق لتطبيق الوظائف. يمكنك استخدام هذه القائمة للتحقق من أن القيم تم تعيينها بشكل صحيح.
+
+> 💁 سترى قيمة تم تعيينها بالفعل لـ `AzureWebJobsStorage`. في ملف `local.settings.json` الخاص بك، تم تعيين هذه القيمة لاستخدام محاكي التخزين المحلي. عند إنشاء تطبيق Functions، يتم تمرير حساب التخزين كمعامل، ويتم تعيينه تلقائيًا في هذا الإعداد.
+
+### المهمة - نشر تطبيق Functions الخاص بك إلى السحابة
+
+الآن بعد أن أصبح تطبيق Functions جاهزًا، يمكن نشر الكود الخاص بك.
+
+1. قم بتشغيل الأمر التالي من نافذة VS Code لنشر تطبيق Functions الخاص بك:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    استبدل `<functions_app_name>` بالاسم الذي استخدمته لتطبيق Functions الخاص بك.
+
+سيتم تجميع الكود وإرساله إلى تطبيق Functions، حيث سيتم نشره وتشغيله. سيكون هناك الكثير من المخرجات في وحدة التحكم، تنتهي بتأكيد النشر وقائمة الوظائف المنشورة. في هذه الحالة، ستحتوي القائمة فقط على المشغل.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+تأكد من أن جهاز IoT الخاص بك يعمل. قم بتغيير مستويات الرطوبة عن طريق ضبط رطوبة التربة أو تحريك المستشعر داخل وخارج التربة. سترى الترحيل يعمل ويتوقف مع تغير رطوبة التربة.
+
+---
+
+## 🚀 التحدي
+
+في الدرس السابق، قمت بإدارة توقيت الترحيل عن طريق إلغاء الاشتراك من رسائل MQTT أثناء تشغيل الترحيل، ولمدة قصيرة بعد إيقافه. لا يمكنك استخدام هذه الطريقة هنا - لا يمكنك إلغاء الاشتراك من مشغل IoT Hub الخاص بك.
+
+فكر في طرق مختلفة يمكنك استخدامها للتعامل مع هذا في تطبيق Functions الخاص بك.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ عن الحوسبة بدون خادم على [صفحة الحوسبة بدون خادم على ويكيبيديا](https://wikipedia.org/wiki/Serverless_computing)
+* اقرأ عن استخدام الحوسبة بدون خادم في Azure بما في ذلك المزيد من الأمثلة في [مدونة Azure: الحوسبة بدون خادم لاحتياجات IoT الخاصة بك](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)
+* تعلم المزيد عن Azure Functions على [قناة Azure Functions على YouTube](https://www.youtube.com/c/AzureFunctions)
+
+## الواجب
+
+[إضافة التحكم اليدوي في الترحيل](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..9bdd7923
--- /dev/null
+++ b/translations/ar/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T22:41:19+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "ar"
+}
+-->
+# إضافة التحكم اليدوي في المرحل
+
+## التعليمات
+
+يمكن تشغيل الكود الخالي من الخوادم بواسطة العديد من الأشياء المختلفة، بما في ذلك طلبات HTTP. يمكنك استخدام مشغلات HTTP لإضافة تجاوز يدوي للتحكم في المرحل، مما يسمح لشخص ما بتشغيل المرحل أو إيقافه من خلال طلب ويب.
+
+في هذا التمرين، تحتاج إلى إضافة مشغلين HTTP إلى تطبيق Functions الخاص بك لتشغيل المرحل وإيقافه، مع إعادة استخدام ما تعلمته من هذا الدرس لإرسال الأوامر إلى الجهاز.
+
+بعض التلميحات:
+
+* يمكنك إضافة مشغل HTTP إلى تطبيق Functions الحالي الخاص بك باستخدام الأمر التالي:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    استبدل `<trigger name>` باسم مشغل HTTP الخاص بك. استخدم شيئًا مثل `relay_on` و `relay_off`.
+
+* يمكن أن تحتوي مشغلات HTTP على تحكم في الوصول. بشكل افتراضي، تتطلب مفتاح API خاص بوظيفة ليتم تمريره مع عنوان URL للتشغيل. في هذا التمرين، يمكنك إزالة هذا القيد حتى يتمكن أي شخص من تشغيل الوظيفة. للقيام بذلك، قم بتحديث إعداد `authLevel` في ملف `function.json` الخاص بمشغلات HTTP إلى ما يلي:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 يمكنك قراءة المزيد عن هذا التحكم في الوصول في [وثائق مفاتيح الوصول للوظائف](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys).
+
+* تدعم مشغلات HTTP بشكل افتراضي طلبات GET وPOST. هذا يعني أنه يمكنك استدعاؤها باستخدام متصفح الويب - حيث يقوم متصفح الويب بإجراء طلبات GET.
+
+    عند تشغيل تطبيق Functions الخاص بك محليًا، سترى عنوان URL الخاص بالمشغل:
+
+    ```output
+    Functions:
+
+        relay_off: [GET,POST] http://localhost:7071/api/relay_off
+
+        relay_on: [GET,POST] http://localhost:7071/api/relay_on
+
+        iot-hub-trigger: eventHubTrigger
+    ```
+
+    قم بلصق عنوان URL في متصفحك واضغط على `return`، أو `Ctrl+click` (`Cmd+click` على macOS) على الرابط في نافذة الطرفية في VS Code لفتحه في متصفحك الافتراضي. سيؤدي هذا إلى تشغيل المشغل.
+
+    > 💁 لاحظ أن عنوان URL يحتوي على `/api` - يتم وضع مشغلات HTTP افتراضيًا في النطاق الفرعي `api`.
+
+* عند نشر تطبيق Functions، سيكون عنوان URL الخاص بمشغل HTTP:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    حيث `<functions app name>` هو اسم تطبيق Functions الخاص بك، و `<trigger name>` هو اسم المشغل الخاص بك.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| إنشاء مشغلات HTTP | تم إنشاء مشغلين لتشغيل المرحل وإيقافه بأسماء مناسبة | تم إنشاء مشغل واحد باسم مناسب | لم يتمكن من إنشاء أي مشغلات |
+| التحكم في المرحل من خلال مشغلات HTTP | تم توصيل كلا المشغلين بـ IoT Hub والتحكم في المرحل بشكل صحيح | تم توصيل مشغل واحد بـ IoT Hub والتحكم في المرحل بشكل صحيح | لم يتمكن من توصيل المشغلات بـ IoT Hub |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..823d97ca
--- /dev/null
+++ b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T23:03:02+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "ar"
+}
+-->
+# حافظ على أمان جهازك النباتي
+
+![رسم توضيحي لهذا الدرس](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## المقدمة
+
+في الدروس السابقة، قمت بإنشاء جهاز إنترنت الأشياء لمراقبة التربة وربطه بالسحابة. ولكن ماذا لو تمكن قراصنة يعملون لصالح مزارع منافس من السيطرة على أجهزة إنترنت الأشياء الخاصة بك؟ ماذا لو أرسلوا قراءات عالية لرطوبة التربة بحيث لا يتم ري نباتاتك أبدًا، أو قاموا بتشغيل نظام الري الخاص بك طوال الوقت مما يؤدي إلى قتل نباتاتك بسبب الإفراط في الري وتكبدك خسائر مالية كبيرة في فاتورة المياه؟
+
+في هذا الدرس، ستتعلم كيفية تأمين أجهزة إنترنت الأشياء. وبما أن هذا هو الدرس الأخير في هذا المشروع، ستتعلم أيضًا كيفية تنظيف موارد السحابة الخاصة بك لتقليل أي تكاليف محتملة.
+
+في هذا الدرس سنتناول:
+
+* [لماذا تحتاج إلى تأمين أجهزة إنترنت الأشياء؟](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [التشفير](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [تأمين أجهزة إنترنت الأشياء الخاصة بك](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [إنشاء واستخدام شهادة X.509](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 هذا هو الدرس الأخير في هذا المشروع، لذا بعد إكمال هذا الدرس والتكليف، لا تنس تنظيف خدمات السحابة الخاصة بك. ستحتاج إلى هذه الخدمات لإكمال التكليف، لذا تأكد من إكماله أولاً.
+>
+> ارجع إلى [دليل تنظيف المشروع](../../../clean-up.md) إذا لزم الأمر للحصول على تعليمات حول كيفية القيام بذلك.
+
+## لماذا تحتاج إلى تأمين أجهزة إنترنت الأشياء؟
+
+يتعلق أمان إنترنت الأشياء بضمان أن الأجهزة المتوقعة فقط هي التي يمكنها الاتصال بخدمة إنترنت الأشياء السحابية الخاصة بك وإرسال البيانات إليها، وأن الخدمة السحابية الخاصة بك فقط هي التي يمكنها إرسال الأوامر إلى أجهزتك. يمكن أن تكون بيانات إنترنت الأشياء شخصية أيضًا، بما في ذلك بيانات طبية أو حساسة، لذا يجب أن تأخذ تطبيقاتك بأكملها الأمان بعين الاعتبار لمنع تسرب هذه البيانات.
+
+إذا لم يكن تطبيق إنترنت الأشياء الخاص بك آمنًا، فهناك عدد من المخاطر:
+
+* يمكن لجهاز مزيف إرسال بيانات غير صحيحة، مما يؤدي إلى استجابة غير صحيحة من التطبيق. على سبيل المثال، يمكنهم إرسال قراءات عالية مستمرة لرطوبة التربة، مما يعني أن نظام الري الخاص بك لن يعمل أبدًا، وستموت نباتاتك بسبب نقص الماء.
+* يمكن للمستخدمين غير المصرح لهم قراءة بيانات من أجهزة إنترنت الأشياء، بما في ذلك بيانات شخصية أو حساسة للأعمال.
+* يمكن للقراصنة إرسال أوامر للتحكم في جهاز بطريقة قد تسبب ضررًا للجهاز أو الأجهزة المتصلة.
+* من خلال الاتصال بجهاز إنترنت الأشياء، يمكن للقراصنة استخدامه للوصول إلى شبكات إضافية والحصول على وصول إلى أنظمة خاصة.
+* يمكن للمستخدمين الضارين الوصول إلى بيانات شخصية واستخدامها للابتزاز.
+
+هذه سيناريوهات واقعية تحدث طوال الوقت. تم ذكر بعض الأمثلة في الدروس السابقة، ولكن إليك المزيد:
+
+* في عام 2018، استخدم القراصنة نقطة وصول WiFi مفتوحة على منظم حرارة حوض أسماك للوصول إلى شبكة كازينو وسرقة البيانات. [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* في عام 2016، أطلق بوت نت Mirai هجوم حجب الخدمة ضد Dyn، وهو مزود خدمة إنترنت، مما أدى إلى تعطيل أجزاء كبيرة من الإنترنت. استخدم هذا البوت نت برامج ضارة للاتصال بأجهزة إنترنت الأشياء مثل أجهزة تسجيل الفيديو والكاميرات التي تستخدم أسماء مستخدمين وكلمات مرور افتراضية، ومن هناك أطلق الهجوم. [The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
+* شركة Spiral Toys تركت قاعدة بيانات مستخدمي ألعابها CloudPets متاحة للجمهور عبر الإنترنت. [Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/).
+* تطبيق Strava أظهر مسارات الجري للمستخدمين، مما سمح للغرباء بمعرفة مكان إقامتهم. [Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/).
+
+✅ قم بإجراء بحث: ابحث عن المزيد من أمثلة اختراقات إنترنت الأشياء وتسريبات بياناتها، خاصة مع الأجهزة الشخصية مثل فرش الأسنان أو الموازين المتصلة بالإنترنت. فكر في تأثير هذه الاختراقات على الضحايا أو العملاء.
+
+> 💁 الأمان موضوع ضخم، وهذا الدرس سيتناول فقط بعض الأساسيات المتعلقة بتوصيل جهازك بالسحابة. هناك مواضيع أخرى لن يتم تغطيتها مثل مراقبة تغييرات البيانات أثناء النقل، اختراق الأجهزة مباشرة، أو تغييرات تكوين الأجهزة. يعتبر اختراق إنترنت الأشياء تهديدًا كبيرًا، لذا تم تطوير أدوات مثل [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn). هذه الأدوات تشبه برامج مكافحة الفيروسات وأدوات الأمان التي قد تكون لديك على جهاز الكمبيوتر الخاص بك، لكنها مصممة للأجهزة الصغيرة منخفضة الطاقة.
+
+## التشفير
+
+عندما يتصل جهاز بخدمة إنترنت الأشياء، فإنه يستخدم معرفًا لتحديد هويته. المشكلة هي أن هذا المعرف يمكن نسخه - يمكن للقراصنة إعداد جهاز ضار يستخدم نفس المعرف كجهاز حقيقي ولكنه يرسل بيانات مزيفة.
+
+![يمكن لكل من الأجهزة الصالحة والضارة استخدام نفس المعرف لإرسال البيانات](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ar.png)
+
+الحل هو تحويل البيانات المرسلة إلى صيغة مشفرة باستخدام قيمة معينة معروفة فقط للجهاز والسحابة. تُعرف هذه العملية باسم *التشفير*، وتُسمى القيمة المستخدمة لتشفير البيانات *مفتاح التشفير*.
+
+![إذا تم استخدام التشفير، فسيتم قبول الرسائل المشفرة فقط، وسيتم رفض الرسائل الأخرى](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ar.png)
+
+يمكن لخدمة السحابة بعد ذلك تحويل البيانات مرة أخرى إلى صيغة قابلة للقراءة باستخدام عملية تُعرف باسم *فك التشفير*، باستخدام نفس مفتاح التشفير أو *مفتاح فك التشفير*. إذا لم تتمكن الرسالة المشفرة من فك تشفيرها باستخدام المفتاح، فهذا يعني أن الجهاز قد تم اختراقه وسيتم رفض الرسالة.
+
+تُعرف التقنية المستخدمة للتشفير وفك التشفير باسم *علم التشفير*.
+
+### التشفير القديم
+
+كانت أقدم أنواع التشفير هي شفرات الاستبدال، التي تعود إلى 3,500 عام. تتضمن شفرات الاستبدال استبدال حرف بآخر. على سبيل المثال، تتضمن [شفرة قيصر](https://wikipedia.org/wiki/Caesar_cipher) تحريك الحروف في الأبجدية بمقدار معين، مع معرفة المرسل والمستلم فقط بعدد الحروف التي يجب تحريكها.
+
+أخذت [شفرة فيجينير](https://wikipedia.org/wiki/Vigenère_cipher) هذا المفهوم إلى مستوى أعلى باستخدام كلمات لتشفير النص، بحيث يتم تحريك كل حرف في النص الأصلي بمقدار مختلف بدلاً من تحريك جميع الحروف بنفس العدد.
+
+تم استخدام التشفير لأغراض متنوعة، مثل حماية وصفة طلاء الفخار في بلاد ما بين النهرين القديمة، وكتابة رسائل حب سرية في الهند، أو الحفاظ على سرية التعاويذ السحرية في مصر القديمة.
+
+### التشفير الحديث
+
+التشفير الحديث أكثر تقدمًا، مما يجعله أصعب في الكسر مقارنة بالطرق القديمة. يستخدم التشفير الحديث رياضيات معقدة لتشفير البيانات مع عدد كبير جدًا من المفاتيح المحتملة، مما يجعل الهجمات بالقوة الغاشمة غير ممكنة.
+
+يُستخدم التشفير بطرق عديدة للاتصالات الآمنة. إذا كنت تقرأ هذه الصفحة على GitHub، قد تلاحظ أن عنوان الموقع يبدأ بـ *HTTPS*، مما يعني أن الاتصال بين متصفحك وخوادم GitHub مشفر. إذا تمكن شخص ما من قراءة حركة الإنترنت بين متصفحك وGitHub، فلن يتمكن من قراءة البيانات لأنها مشفرة. قد يقوم جهاز الكمبيوتر الخاص بك أيضًا بتشفير جميع البيانات على القرص الصلب، بحيث إذا تم سرقته، لن يتمكن أحد من قراءة بياناتك دون كلمة المرور الخاصة بك.
+
+> 🎓 HTTPS تعني بروتوكول نقل النص التشعبي **الآمن**
+
+للأسف، ليس كل شيء آمنًا. بعض الأجهزة لا تحتوي على أي أمان، والبعض الآخر مؤمن بمفاتيح سهلة الكسر، أو حتى جميع الأجهزة من نفس النوع تستخدم نفس المفتاح. هناك تقارير عن أجهزة إنترنت أشياء شخصية جدًا تحتوي جميعها على نفس كلمة المرور للاتصال بها عبر WiFi أو Bluetooth. إذا كان بإمكانك الاتصال بجهازك الخاص، يمكنك الاتصال بجهاز شخص آخر. وبمجرد الاتصال، يمكنك الوصول إلى بيانات خاصة جدًا أو التحكم في جهازهم.
+
+> 💁 على الرغم من تعقيد التشفير الحديث والادعاءات بأن كسر التشفير قد يستغرق مليارات السنين، فإن ظهور الحوسبة الكمومية قد أدى إلى إمكانية كسر جميع أنواع التشفير المعروفة في وقت قصير جدًا!
+
+### المفاتيح المتماثلة وغير المتماثلة
+
+يأتي التشفير في نوعين - متماثل وغير متماثل.
+
+**التشفير المتماثل** يستخدم نفس المفتاح لتشفير وفك تشفير البيانات. يحتاج كل من المرسل والمستلم إلى معرفة نفس المفتاح. هذا النوع أقل أمانًا، حيث يجب مشاركة المفتاح بطريقة ما. لكي يرسل المرسل رسالة مشفرة إلى المستلم، قد يضطر المرسل أولاً إلى إرسال المفتاح إلى المستلم.
+
+![التشفير المتماثل يستخدم نفس المفتاح لتشفير وفك تشفير الرسالة](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ar.png)
+
+إذا تم سرقة المفتاح أثناء النقل، أو تم اختراق المرسل أو المستلم وتم العثور على المفتاح، يمكن كسر التشفير.
+
+![التشفير المتماثل آمن فقط إذا لم يحصل القراصنة على المفتاح - إذا حصلوا عليه يمكنهم اعتراض وفك تشفير الرسالة](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ar.png)
+
+**التشفير غير المتماثل** يستخدم مفتاحين - مفتاح تشفير ومفتاح فك تشفير، يُعرفان باسم زوج المفتاح العام/الخاص. يُستخدم المفتاح العام لتشفير الرسالة، ولكنه لا يمكن استخدامه لفك تشفيرها، بينما يُستخدم المفتاح الخاص لفك تشفير الرسالة ولكنه لا يمكن استخدامه لتشفيرها.
+
+![التشفير غير المتماثل يستخدم مفتاحًا مختلفًا للتشفير وفك التشفير. يتم إرسال مفتاح التشفير إلى أي مرسل للرسائل حتى يتمكن من تشفير الرسالة قبل إرسالها إلى المستلم الذي يمتلك المفاتيح](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ar.png)
+
+يشارك المستلم مفتاحه العام، ويستخدمه المرسل لتشفير الرسالة. بمجرد إرسال الرسالة، يقوم المستلم بفك تشفيرها باستخدام مفتاحه الخاص. التشفير غير المتماثل أكثر أمانًا لأن المفتاح الخاص يظل خاصًا بالمستلم ولا يتم مشاركته أبدًا. يمكن لأي شخص الحصول على المفتاح العام لأنه يمكن استخدامه فقط لتشفير الرسائل.
+
+التشفير المتماثل أسرع من التشفير غير المتماثل، بينما التشفير غير المتماثل أكثر أمانًا. تستخدم بعض الأنظمة كلا النوعين - باستخدام التشفير غير المتماثل لتشفير ومشاركة المفتاح المتماثل، ثم استخدام المفتاح المتماثل لتشفير جميع البيانات. يجعل هذا مشاركة المفتاح المتماثل بين المرسل والمستلم أكثر أمانًا، وأسرع عند تشفير وفك تشفير البيانات.
+
+## تأمين أجهزة إنترنت الأشياء الخاصة بك
+
+يمكن تأمين أجهزة إنترنت الأشياء باستخدام التشفير المتماثل أو غير المتماثل. التشفير المتماثل أسهل، ولكنه أقل أمانًا.
+
+### المفاتيح المتماثلة
+
+عند إعداد جهاز إنترنت الأشياء الخاص بك للتفاعل مع IoT Hub، استخدمت سلسلة اتصال. مثال على سلسلة الاتصال هو:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+تتكون سلسلة الاتصال هذه من ثلاثة أجزاء مفصولة بفواصل منقوطة، مع كل جزء عبارة عن مفتاح وقيمة:
+
+| المفتاح | القيمة | الوصف |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | عنوان URL الخاص بـ IoT Hub |
+| DeviceId | `soil-moisture-sensor` | المعرف الفريد للجهاز |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | مفتاح متماثل معروف للجهاز وIoT Hub |
+
+الجزء الأخير من سلسلة الاتصال، `SharedAccessKey`، هو المفتاح المتماثل المعروف لكل من الجهاز وIoT Hub. هذا المفتاح لا يتم إرساله أبدًا من الجهاز إلى السحابة، أو من السحابة إلى الجهاز. بدلاً من ذلك، يتم استخدامه لتشفير البيانات المرسلة أو المستلمة.
+
+✅ قم بتجربة. ماذا تعتقد سيحدث إذا قمت بتغيير الجزء `SharedAccessKey` من سلسلة الاتصال عند توصيل جهاز إنترنت الأشياء الخاص بك؟ جرب ذلك.
+
+عندما يحاول الجهاز الاتصال لأول مرة، فإنه يرسل توقيع وصول مشترك (SAS) يتكون من عنوان URL الخاص بـ IoT Hub، ووقت انتهاء صلاحية التوقيع (عادةً يوم واحد من الوقت الحالي)، وتوقيع. يتكون هذا التوقيع من عنوان URL ووقت انتهاء الصلاحية مشفرين باستخدام المفتاح المتماثل من سلسلة الاتصال.
+
+يقوم IoT Hub بفك تشفير هذا التوقيع باستخدام المفتاح المتماثل، وإذا تطابق القيمة المفككة مع عنوان URL ووقت انتهاء الصلاحية، يُسمح للجهاز بالاتصال. كما يتحقق من أن الوقت الحالي قبل وقت انتهاء الصلاحية، لمنع جهاز ضار من التقاط توقيع SAS لجهاز حقيقي واستخدامه.
+
+هذه طريقة أنيقة للتحقق من أن المرسل هو الجهاز الصحيح. من خلال إرسال بعض البيانات المعروفة في شكل مفكك ومشفر، يمكن للخادم التحقق من الجهاز عن طريق التأكد من أنه عند فك تشفير البيانات المشفرة، تتطابق النتيجة مع النسخة المفككة التي تم إرسالها. إذا تطابقت، فهذا يعني أن المرسل والمستلم لديهما نفس مفتاح التشفير المتماثل.
+💁 نظرًا لانتهاء صلاحية الوقت، يحتاج جهاز إنترنت الأشياء الخاص بك إلى معرفة الوقت بدقة، وعادةً ما يتم قراءته من خادم [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). إذا لم يكن الوقت دقيقًا، ستفشل عملية الاتصال.
+بعد الاتصال، سيتم تشفير جميع البيانات المرسلة إلى IoT Hub من الجهاز أو إلى الجهاز من IoT Hub باستخدام مفتاح الوصول المشترك.
+
+✅ ما الذي تعتقد أنه سيحدث إذا شاركت أجهزة متعددة نفس سلسلة الاتصال؟
+
+> 💁 من الممارسات الأمنية السيئة تخزين هذا المفتاح في الكود. إذا حصل أحد المخترقين على الكود المصدري الخاص بك، يمكنه الحصول على المفتاح. كما أن الأمر يصبح أكثر صعوبة عند إصدار الكود حيث ستحتاج إلى إعادة تجميعه بمفتاح محدث لكل جهاز. من الأفضل تحميل هذا المفتاح من وحدة أمان الأجهزة - وهي شريحة في جهاز IoT تخزن القيم المشفرة التي يمكن قراءتها بواسطة الكود الخاص بك.
+>
+> عند تعلم IoT، غالبًا ما يكون من الأسهل وضع المفتاح في الكود، كما فعلت في درس سابق، ولكن يجب التأكد من أن هذا المفتاح لا يتم إدخاله في التحكم العام بالكود المصدري.
+
+الأجهزة لديها مفتاحان، وسلسلتان اتصال متطابقتان. يتيح ذلك تدوير المفاتيح - أي التبديل من مفتاح إلى آخر إذا تم اختراق المفتاح الأول، وإعادة توليد المفتاح الأول.
+
+### شهادات X.509
+
+عند استخدام التشفير غير المتماثل مع زوج مفتاح عام/خاص، تحتاج إلى تقديم مفتاحك العام لأي شخص يريد إرسال بيانات إليك. المشكلة هي، كيف يمكن لمستلم المفتاح أن يتأكد من أنه بالفعل مفتاحك العام وليس شخصًا آخر يدعي أنه أنت؟ بدلاً من تقديم مفتاح، يمكنك تقديم مفتاحك العام داخل شهادة تم التحقق منها من طرف ثالث موثوق به، تُعرف بشهادة X.509.
+
+شهادات X.509 هي مستندات رقمية تحتوي على الجزء العام من زوج المفتاح العام/الخاص. عادةً ما يتم إصدارها من قبل إحدى المنظمات الموثوقة المعروفة باسم [سلطات التصديق](https://wikipedia.org/wiki/Certificate_authority) (CAs)، ويتم توقيعها رقميًا من قبل CA للإشارة إلى أن المفتاح صالح ويعود إليك. تثق بالشهادة وبأن المفتاح العام يعود إلى الشخص الذي تقول الشهادة إنه منه، لأنك تثق بـ CA، مثلما تثق بجواز السفر أو رخصة القيادة لأنك تثق بالدولة التي أصدرتها. الشهادات تكلف مالًا، لذا يمكنك أيضًا "التوقيع الذاتي"، أي إنشاء شهادة بنفسك يتم توقيعها من قبلك، لأغراض الاختبار.
+
+> 💁 يجب ألا تستخدم شهادة موقعة ذاتيًا لإصدار الإنتاج.
+
+تحتوي هذه الشهادات على عدد من الحقول، بما في ذلك من هو صاحب المفتاح العام، تفاصيل CA التي أصدرتها، مدة صلاحيتها، والمفتاح العام نفسه. قبل استخدام شهادة، من الجيد التحقق منها عن طريق التأكد من أنها تم توقيعها من قبل CA الأصلي.
+
+✅ يمكنك قراءة قائمة كاملة بالحقول الموجودة في الشهادة في [دليل Microsoft لفهم شهادات المفتاح العام X.509](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields)
+
+عند استخدام شهادات X.509، سيكون لدى كل من المرسل والمستلم مفتاح عام وخاص خاص بهما، بالإضافة إلى شهادات X.509 تحتوي على المفتاح العام. ثم يتبادلون شهادات X.509 بطريقة ما، باستخدام المفاتيح العامة لبعضهم البعض لتشفير البيانات التي يرسلونها، ومفتاحهم الخاص لفك تشفير البيانات التي يتلقونها.
+
+![بدلاً من مشاركة مفتاح عام، يمكنك مشاركة شهادة. يمكن لمستخدم الشهادة التحقق من أنها تأتي منك عن طريق التحقق مع سلطة التصديق التي وقعتها.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ar.png)
+
+ميزة كبيرة لاستخدام شهادات X.509 هي أنه يمكن مشاركتها بين الأجهزة. يمكنك إنشاء شهادة واحدة، تحميلها إلى IoT Hub، واستخدامها لجميع أجهزتك. كل جهاز يحتاج فقط إلى معرفة المفتاح الخاص لفك تشفير الرسائل التي يتلقاها من IoT Hub.
+
+الشهادة التي يستخدمها جهازك لتشفير الرسائل التي يرسلها إلى IoT Hub يتم نشرها بواسطة Microsoft. إنها نفس الشهادة التي تستخدمها العديد من خدمات Azure، وأحيانًا تكون مدمجة في SDKs.
+
+> 💁 تذكر، المفتاح العام هو فقط - عام. يمكن استخدام المفتاح العام لـ Azure فقط لتشفير البيانات المرسلة إلى Azure، وليس لفك تشفيرها، لذا يمكن مشاركته في كل مكان، بما في ذلك في الكود المصدري. على سبيل المثال، يمكنك رؤيته في [الكود المصدري لـ Azure IoT C SDK](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c).
+
+✅ هناك الكثير من المصطلحات المتعلقة بشهادات X.509. يمكنك قراءة تعريفات بعض المصطلحات التي قد تصادفها في [دليل المصطلحات البسيط لشهادات X.509](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn)
+
+## إنشاء واستخدام شهادة X.509
+
+خطوات إنشاء شهادة X.509 هي:
+
+1. إنشاء زوج مفتاح عام/خاص. أحد أكثر الخوارزميات استخدامًا لإنشاء زوج مفتاح عام/خاص يُعرف بـ [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA).
+
+1. تقديم المفتاح العام مع البيانات المرتبطة للتوقيع، إما بواسطة CA، أو بالتوقيع الذاتي.
+
+يحتوي Azure CLI على أوامر لإنشاء هوية جهاز جديدة في IoT Hub، وتوليد زوج المفتاح العام/الخاص تلقائيًا وإنشاء شهادة موقعة ذاتيًا.
+
+> 💁 إذا كنت تريد رؤية الخطوات بالتفصيل، بدلاً من استخدام Azure CLI، يمكنك العثور عليها في [دليل استخدام OpenSSL لإنشاء شهادات موقعة ذاتيًا في وثائق Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn)
+
+### مهمة - إنشاء هوية جهاز باستخدام شهادة X.509
+
+1. قم بتشغيل الأمر التالي لتسجيل هوية الجهاز الجديدة، وتوليد المفاتيح والشهادات تلقائيًا:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الذي استخدمته.
+
+    سيقوم هذا بإنشاء جهاز بمعرف `soil-moisture-sensor-x509` لتمييزه عن هوية الجهاز التي أنشأتها في الدرس السابق. سيقوم هذا الأمر أيضًا بإنشاء ملفين في الدليل الحالي:
+
+    * `soil-moisture-sensor-x509-key.pem` - يحتوي هذا الملف على المفتاح الخاص للجهاز.
+    * `soil-moisture-sensor-x509-cert.pem` - هذا هو ملف شهادة X.509 للجهاز.
+
+    احتفظ بهذه الملفات بأمان! يجب ألا يتم إدخال ملف المفتاح الخاص في التحكم العام بالكود المصدري.
+
+### مهمة - استخدام شهادة X.509 في كود جهازك
+
+اعمل من خلال الدليل المناسب لتوصيل جهاز IoT الخاص بك بالسحابة باستخدام شهادة X.509:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز IoT افتراضي](single-board-computer-x509.md)
+
+---
+
+## 🚀 تحدي
+
+هناك طرق متعددة لإنشاء وإدارة وحذف خدمات Azure مثل مجموعات الموارد وIoT Hubs. إحدى الطرق هي [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) - واجهة ويب توفر لك واجهة رسومية لإدارة خدمات Azure الخاصة بك.
+
+توجه إلى [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) واستكشف البوابة. حاول إنشاء IoT Hub باستخدام البوابة، ثم قم بحذفه.
+
+**تلميح** - عند إنشاء الخدمات عبر البوابة، لا تحتاج إلى إنشاء مجموعة موارد مسبقًا، يمكن إنشاؤها أثناء إنشاء الخدمة. تأكد من حذفها عند الانتهاء!
+
+يمكنك العثور على الكثير من الوثائق، الدروس، والأدلة حول Azure Portal في [وثائق Azure Portal](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ عن تاريخ التشفير في [صفحة تاريخ التشفير على ويكيبيديا](https://wikipedia.org/wiki/History_of_cryptography).
+* اقرأ عن شهادات X.509 في [صفحة X.509 على ويكيبيديا](https://wikipedia.org/wiki/X.509).
+
+## الواجب
+
+[قم ببناء جهاز IoT جديد](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..cdd507e6
--- /dev/null
+++ b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T23:06:43+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "ar"
+}
+-->
+# بناء جهاز إنترنت الأشياء جديد
+
+## التعليمات
+
+على مدار الدروس الستة الماضية، تعلمت عن الزراعة الرقمية وكيفية استخدام أجهزة إنترنت الأشياء لجمع البيانات للتنبؤ بنمو النباتات، وأتمتة الري بناءً على قراءات رطوبة التربة.
+
+استخدم ما تعلمته لبناء جهاز إنترنت الأشياء جديد باستخدام مستشعر ومشغل من اختيارك. أرسل البيانات إلى IoT Hub، واستخدمها للتحكم في المشغل عبر كود بدون خادم. يمكنك استخدام مستشعر ومشغل سبق أن استخدمتهما في هذا المشروع أو المشروع السابق، أو إذا كان لديك أجهزة أخرى، جرب شيئًا جديدًا.
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| برمجة جهاز إنترنت الأشياء لاستخدام مستشعر ومشغل | تمت برمجة جهاز إنترنت الأشياء يعمل مع مستشعر ومشغل | تمت برمجة جهاز إنترنت الأشياء يعمل مع مستشعر أو مشغل | لم يتمكن من برمجة جهاز إنترنت الأشياء لاستخدام مستشعر أو مشغل |
+| توصيل جهاز إنترنت الأشياء بـ IoT Hub | تم نشر IoT Hub بنجاح وإرسال البيانات إليه واستقبال الأوامر منه | تم نشر IoT Hub بنجاح وإما إرسال البيانات إليه أو استقبال الأوامر منه | لم يتمكن من نشر IoT Hub أو التواصل معه من جهاز إنترنت الأشياء |
+| التحكم في المشغل باستخدام كود بدون خادم | تم نشر Azure Function للتحكم في الجهاز بناءً على أحداث البيانات | تم نشر Azure Function بناءً على أحداث البيانات ولكن لم يتمكن من التحكم في المشغل | لم يتمكن من نشر Azure Function |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..2117f6d7
--- /dev/null
+++ b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T23:07:20+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "ar"
+}
+-->
+# استخدام شهادة X.509 في كود جهازك - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بتوصيل جهاز إنترنت الأشياء الافتراضي الخاص بك أو Raspberry Pi بمركز إنترنت الأشياء الخاص بك باستخدام شهادة X.509.
+
+## توصيل جهازك بمركز إنترنت الأشياء
+
+الخطوة التالية هي توصيل جهازك بمركز إنترنت الأشياء باستخدام شهادات X.509.
+
+### المهمة - الاتصال بمركز إنترنت الأشياء
+
+1. انسخ ملفات المفتاح والشهادة إلى المجلد الذي يحتوي على كود جهاز إنترنت الأشياء الخاص بك. إذا كنت تستخدم Raspberry Pi عبر VS Code Remote SSH وقمت بإنشاء المفاتيح على جهاز الكمبيوتر أو Mac الخاص بك، يمكنك سحب وإفلات الملفات في المستكشف داخل VS Code لنسخها.
+
+1. افتح ملف `app.py`
+
+1. للاتصال باستخدام شهادة X.509، ستحتاج إلى اسم المضيف لمركز إنترنت الأشياء وشهادة X.509. ابدأ بإنشاء متغير يحتوي على اسم المضيف عن طريق إضافة الكود التالي قبل إنشاء عميل الجهاز:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    استبدل `<host_name>` باسم المضيف الخاص بمركز إنترنت الأشياء الخاص بك. يمكنك الحصول عليه من قسم `HostName` في `connection_string`. سيكون اسم مركز إنترنت الأشياء الخاص بك وينتهي بـ `.azure-devices.net`
+
+1. أسفل هذا، قم بتعريف متغير يحتوي على معرف الجهاز:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. ستحتاج إلى مثيل من فئة `X509` يحتوي على ملفات X.509. أضف `X509` إلى قائمة الفئات المستوردة من وحدة `azure.iot.device`:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. قم بإنشاء مثيل لفئة `X509` باستخدام ملفات الشهادة والمفتاح الخاصة بك عن طريق إضافة هذا الكود أسفل تعريف `host_name`:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    سيقوم هذا بإنشاء فئة `X509` باستخدام الملفات `soil-moisture-sensor-x509-cert.pem` و `soil-moisture-sensor-x509-key.pem` التي تم إنشاؤها سابقًا.
+
+1. استبدل سطر الكود الذي ينشئ `device_client` من سلسلة الاتصال بالسطر التالي:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    سيقوم هذا بالاتصال باستخدام شهادة X.509 بدلاً من سلسلة الاتصال.
+
+1. احذف السطر الذي يحتوي على متغير `connection_string`.
+
+1. قم بتشغيل الكود الخاص بك. راقب الرسائل المرسلة إلى مركز إنترنت الأشياء، وأرسل طلبات الطرق المباشرة كما فعلت سابقًا. سترى الجهاز يتصل ويرسل قراءات رطوبة التربة، بالإضافة إلى استقبال طلبات الطرق المباشرة.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) أو [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device).
+
+😀 برنامج مستشعر رطوبة التربة الخاص بك متصل بمركز إنترنت الأشياء باستخدام شهادة X.509!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..2522d083
--- /dev/null
+++ b/translations/ar/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T23:07:57+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "ar"
+}
+-->
+# استخدام شهادة X.509 في كود الجهاز الخاص بك - Wio Terminal
+
+في وقت كتابة هذه الوثيقة، لا يدعم Azure Arduino SDK شهادات X.509. إذا كنت ترغب في تجربة شهادات X.509، يمكنك الرجوع إلى [تعليمات الجهاز الافتراضي لإنترنت الأشياء باستخدام Python SDK](single-board-computer-x509.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/README.md b/translations/ar/3-transport/README.md
new file mode 100644
index 00000000..9371a474
--- /dev/null
+++ b/translations/ar/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-27T00:34:29+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "ar"
+}
+-->
+# النقل من المزرعة إلى المصنع - استخدام إنترنت الأشياء لتتبع شحنات الطعام
+
+يزرع العديد من المزارعين الطعام للبيع - إما أنهم مزارعون تجاريون يبيعون كل ما يزرعونه، أو مزارعون يعتمدون على الكفاف ويبيعون فائض إنتاجهم لشراء الضروريات. بطريقة ما، يجب أن يصل الطعام من المزرعة إلى المستهلك، وعادةً ما يعتمد ذلك على النقل بالجملة من المزارع إلى المراكز أو مصانع المعالجة، ثم إلى المتاجر. على سبيل المثال، يقوم مزارع الطماطم بحصاد الطماطم، وتعبئتها في صناديق، وتحميل الصناديق في شاحنة ثم تسليمها إلى مصنع المعالجة. يتم بعد ذلك فرز الطماطم، ومن هناك يتم تسليمها إلى المستهلكين على شكل طعام معالج، أو مبيعات التجزئة، أو تُستهلك في المطاعم.
+
+يمكن لإنترنت الأشياء أن يساعد في هذه السلسلة من التوريد من خلال تتبع الطعام أثناء النقل - ضمان أن السائقين يذهبون إلى الأماكن الصحيحة، مراقبة مواقع المركبات، والحصول على تنبيهات عند وصول المركبات حتى يتم تفريغ الطعام وتجهيزه للمعالجة بأسرع وقت ممكن.
+
+> 🎓 *سلسلة التوريد* هي تسلسل الأنشطة اللازمة لصنع وتسليم شيء ما. على سبيل المثال، في زراعة الطماطم تشمل البذور، التربة، توفير الأسمدة والمياه، زراعة الطماطم، تسليم الطماطم إلى مركز مركزي، نقلها إلى مركز محلي للسوبرماركت، نقلها إلى السوبرماركت الفردي، عرضها للبيع، ثم بيعها للمستهلك وأخذها إلى المنزل لتناولها. كل خطوة تشبه الروابط في سلسلة.
+
+> 🎓 الجزء الخاص بالنقل في سلسلة التوريد يُعرف بـ *اللوجستيات*.
+
+في هذه الدروس الأربعة، ستتعلم كيفية تطبيق إنترنت الأشياء لتحسين سلسلة التوريد من خلال مراقبة الطعام أثناء تحميله على شاحنة (افتراضية)، والتي يتم تتبعها أثناء انتقالها إلى وجهتها. ستتعلم عن تتبع نظام تحديد المواقع (GPS)، كيفية تخزين وتصور بيانات GPS، وكيفية الحصول على تنبيهات عند وصول الشاحنة إلى وجهتها.
+
+> 💁 ستستخدم هذه الدروس بعض الموارد السحابية. إذا لم تكمل جميع الدروس في هذا المشروع، تأكد من [تنظيف مشروعك](../clean-up.md).
+
+## المواضيع
+
+1. [تتبع الموقع](lessons/1-location-tracking/README.md)
+1. [تخزين بيانات الموقع](lessons/2-store-location-data/README.md)
+1. [تصور بيانات الموقع](lessons/3-visualize-location-data/README.md)
+1. [الأسوار الجغرافية](lessons/4-geofences/README.md)
+
+## الشكر
+
+تم كتابة جميع الدروس بكل ♥️ بواسطة [Jen Looper](https://github.com/jlooper) و [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/README.md b/translations/ar/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..594d88a0
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-27T00:45:38+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "ar"
+}
+-->
+# تتبع المواقع
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ar.jpg)
+
+> رسم توضيحي من [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## المقدمة
+
+العملية الرئيسية لنقل الطعام من المزارع إلى المستهلك تتضمن تحميل صناديق المنتجات على الشاحنات أو السفن أو الطائرات أو وسائل النقل التجارية الأخرى، ثم توصيل الطعام إلى مكان ما - إما مباشرة إلى العميل أو إلى مركز مركزي أو مستودع للمعالجة. العملية الكاملة من المزرعة إلى المستهلك تُعرف باسم *سلسلة التوريد*. الفيديو أدناه من كلية إدارة الأعمال W. P. Carey بجامعة ولاية أريزونا يشرح فكرة سلسلة التوريد وكيفية إدارتها بمزيد من التفصيل.
+
+[![ما هو إدارة سلسلة التوريد؟ فيديو من كلية إدارة الأعمال W. P. Carey بجامعة ولاية أريزونا](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+إضافة أجهزة إنترنت الأشياء يمكن أن تحسن بشكل كبير سلسلة التوريد الخاصة بك، مما يتيح لك إدارة مواقع العناصر، وتخطيط النقل والتعامل مع البضائع بشكل أفضل، والاستجابة بسرعة أكبر للمشاكل.
+
+عند إدارة أسطول من المركبات مثل الشاحنات، من المفيد معرفة موقع كل مركبة في وقت معين. يمكن تجهيز المركبات بأجهزة استشعار GPS ترسل موقعها إلى أنظمة إنترنت الأشياء، مما يسمح للمالكين بتحديد موقعها، ومعرفة المسار الذي سلكته، ومعرفة وقت وصولها إلى وجهتها. تعمل معظم المركبات خارج نطاق تغطية WiFi، لذا تستخدم شبكات الهاتف المحمول لإرسال هذا النوع من البيانات. أحيانًا يتم تضمين مستشعر GPS في أجهزة إنترنت الأشياء الأكثر تعقيدًا مثل سجلات القيادة الإلكترونية. تتبع هذه الأجهزة مدة بقاء الشاحنة في حالة تنقل لضمان امتثال السائقين للقوانين المحلية المتعلقة بساعات العمل.
+
+في هذا الدرس، ستتعلم كيفية تتبع موقع المركبات باستخدام مستشعر نظام تحديد المواقع العالمي (GPS).
+
+في هذا الدرس سنتناول:
+
+* [المركبات المتصلة](../../../../../3-transport/lessons/1-location-tracking)
+* [الإحداثيات الجغرافية](../../../../../3-transport/lessons/1-location-tracking)
+* [أنظمة تحديد المواقع العالمية (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [قراءة بيانات مستشعر GPS](../../../../../3-transport/lessons/1-location-tracking)
+* [بيانات NMEA GPS](../../../../../3-transport/lessons/1-location-tracking)
+* [فك تشفير بيانات مستشعر GPS](../../../../../3-transport/lessons/1-location-tracking)
+
+## المركبات المتصلة
+
+إنترنت الأشياء يغير طريقة نقل البضائع من خلال إنشاء أساطيل من *المركبات المتصلة*. هذه المركبات متصلة بأنظمة تكنولوجيا المعلومات المركزية التي تقدم معلومات عن موقعها وبيانات استشعار أخرى. وجود أسطول من المركبات المتصلة يوفر مجموعة واسعة من الفوائد:
+
+* تتبع الموقع - يمكنك تحديد موقع المركبة في أي وقت، مما يتيح لك:
+
+  * تلقي تنبيهات عند اقتراب المركبة من وجهتها لتحضير الطاقم للتفريغ.
+  * تحديد موقع المركبات المسروقة.
+  * دمج بيانات الموقع والمسار مع مشاكل المرور لإعادة توجيه المركبات أثناء الرحلة.
+  * الامتثال للضرائب. بعض الدول تفرض رسومًا على المركبات بناءً على المسافة المقطوعة على الطرق العامة (مثل [RUC في نيوزيلندا](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/))، لذا فإن معرفة متى تكون المركبة على الطرق العامة مقابل الطرق الخاصة يجعل من السهل حساب الضرائب المستحقة.
+  * معرفة مكان إرسال فرق الصيانة في حالة حدوث عطل.
+
+* بيانات السائق - القدرة على ضمان التزام السائقين بحدود السرعة، والانعطاف بسرعات مناسبة، والفرملة بكفاءة، والقيادة بأمان. يمكن أيضًا تجهيز المركبات المتصلة بكاميرات لتسجيل الحوادث. يمكن ربط ذلك بالتأمين، مما يوفر أسعارًا مخفضة للسائقين الجيدين.
+
+* الامتثال لساعات السائق - ضمان قيادة السائقين فقط خلال الساعات المسموح بها قانونيًا بناءً على أوقات تشغيل وإيقاف المحرك.
+
+يمكن دمج هذه الفوائد - على سبيل المثال، دمج الامتثال لساعات السائق مع تتبع الموقع لإعادة توجيه السائقين إذا لم يتمكنوا من الوصول إلى وجهتهم ضمن ساعات القيادة المسموح بها. يمكن أيضًا دمجها مع بيانات استشعار أخرى خاصة بالمركبة، مثل بيانات درجة الحرارة من الشاحنات المبردة، مما يسمح بإعادة توجيه المركبات إذا كان مسارها الحالي يعني أن البضائع لن تبقى في درجة الحرارة المناسبة.
+
+> 🎓 اللوجستيات هي عملية نقل البضائع من مكان إلى آخر، مثل من مزرعة إلى سوبرماركت عبر مستودع أو أكثر. يقوم المزارع بتعبئة صناديق الطماطم التي يتم تحميلها على شاحنة، وتسليمها إلى مستودع مركزي، ثم وضعها على شاحنة ثانية قد تحتوي على مزيج من أنواع مختلفة من المنتجات التي يتم تسليمها بعد ذلك إلى سوبرماركت.
+
+المكون الأساسي لتتبع المركبات هو GPS - أجهزة استشعار يمكنها تحديد موقعها في أي مكان على الأرض. في هذا الدرس، ستتعلم كيفية استخدام مستشعر GPS، بدءًا من تعلم كيفية تحديد موقع على الأرض.
+
+## الإحداثيات الجغرافية
+
+تُستخدم الإحداثيات الجغرافية لتحديد النقاط على سطح الأرض، مثلما تُستخدم الإحداثيات لتحديد بكسل على شاشة الكمبيوتر أو وضع الغرز في التطريز. بالنسبة لنقطة واحدة، لديك زوج من الإحداثيات. على سبيل المثال، يقع مقر مايكروسوفت في ريدموند، واشنطن، الولايات المتحدة عند 47.6423109, -122.1390293.
+
+### خطوط العرض والطول
+
+الأرض عبارة عن كرة - دائرة ثلاثية الأبعاد. لذلك، يتم تحديد النقاط عن طريق تقسيمها إلى 360 درجة، مثل هندسة الدوائر. تقيس خطوط العرض عدد الدرجات من الشمال إلى الجنوب، بينما تقيس خطوط الطول عدد الدرجات من الشرق إلى الغرب.
+
+> 💁 لا أحد يعرف السبب الأصلي لتقسيم الدوائر إلى 360 درجة. تغطي صفحة [الدرجة (زاوية) على ويكيبيديا](https://wikipedia.org/wiki/Degree_(angle)) بعض الأسباب المحتملة.
+
+![خطوط العرض من 90° عند القطب الشمالي، 45° في منتصف الطريق بين القطب الشمالي وخط الاستواء، 0° عند خط الاستواء، -45° في منتصف الطريق بين خط الاستواء والقطب الجنوبي، و -90° عند القطب الجنوبي](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ar.png)
+
+يتم قياس خطوط العرض باستخدام خطوط تدور حول الأرض وتوازي خط الاستواء، وتقسم نصفي الكرة الشمالي والجنوبي إلى 90° لكل منهما. خط الاستواء عند 0°، والقطب الشمالي عند 90°، المعروف أيضًا بـ 90° شمالًا، والقطب الجنوبي عند -90°، أو 90° جنوبًا.
+
+يتم قياس خطوط الطول كعدد الدرجات شرقًا وغربًا. نقطة الأصل عند 0° تُعرف باسم *خط الطول الرئيسي*، وتم تحديدها في عام 1884 كخط يمتد من القطب الشمالي إلى القطب الجنوبي ويمر عبر [المرصد الملكي البريطاني في غرينتش، إنجلترا](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich).
+
+![خطوط الطول التي تمتد من -180° إلى الغرب من خط الطول الرئيسي، إلى 0° على خط الطول الرئيسي، إلى 180° شرق خط الطول الرئيسي](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ar.png)
+
+> 🎓 خط الطول هو خط وهمي مستقيم يمتد من القطب الشمالي إلى القطب الجنوبي، مكونًا نصف دائرة.
+
+لقياس خط الطول لنقطة ما، يتم قياس عدد الدرجات حول خط الاستواء من خط الطول الرئيسي إلى خط الطول الذي يمر عبر تلك النقطة. خطوط الطول تمتد من -180°، أو 180° غربًا، عبر 0° عند خط الطول الرئيسي، إلى 180°، أو 180° شرقًا. تشير 180° و -180° إلى نفس النقطة، وهي خط الطول المقابل أو خط الطول 180. هذا خط طول على الجانب الآخر من الأرض بالنسبة لخط الطول الرئيسي.
+
+> 💁 لا ينبغي الخلط بين خط الطول المقابل وخط التاريخ الدولي، الذي يقع في نفس الموقع تقريبًا، ولكنه ليس خطًا مستقيمًا ويتغير ليتناسب مع الحدود الجيوسياسية.
+
+✅ قم ببعض البحث: حاول العثور على خطوط العرض والطول لموقعك الحالي.
+
+### الدرجات والدقائق والثواني مقابل الدرجات العشرية
+
+تقليديًا، كانت قياسات خطوط العرض والطول تُجرى باستخدام نظام العد الستيني، أو قاعدة-60، وهو نظام عد استخدمه البابليون القدماء الذين قاموا بأول قياسات وتسجيلات للوقت والمسافة. ربما تستخدم النظام الستيني يوميًا دون أن تدرك ذلك - تقسيم الساعات إلى 60 دقيقة والدقائق إلى 60 ثانية.
+
+يتم قياس خطوط الطول والعرض بالدرجات والدقائق والثواني، حيث تكون الدقيقة الواحدة 1/60 من الدرجة، والثانية الواحدة 1/60 من الدقيقة.
+
+على سبيل المثال، عند خط الاستواء:
+
+* 1° من خط العرض تساوي **111.3 كيلومتر**
+* 1 دقيقة من خط العرض تساوي 111.3/60 = **1.855 كيلومتر**
+* 1 ثانية من خط العرض تساوي 1.855/60 = **0.031 كيلومتر**
+
+رمز الدقيقة هو علامة اقتباس واحدة، ورمز الثانية هو علامتا اقتباس. على سبيل المثال، 2 درجة، 17 دقيقة، و43 ثانية تُكتب كـ 2°17'43". تُعطى أجزاء الثانية كأرقام عشرية، على سبيل المثال نصف ثانية تُكتب 0°0'0.5".
+
+لا تعمل أجهزة الكمبيوتر بنظام قاعدة-60، لذا تُعطى هذه الإحداثيات كدرجات عشرية عند استخدام بيانات GPS في معظم الأنظمة الحاسوبية. على سبيل المثال، 2°17'43" تُكتب كـ 2.295277. عادةً ما يتم حذف رمز الدرجة.
+
+تُعطى إحداثيات النقطة دائمًا كـ `خط العرض، خط الطول`، لذا المثال السابق لمقر مايكروسوفت عند 47.6423109,-122.117198 يحتوي على:
+
+* خط عرض 47.6423109 (47.6423109 درجة شمال خط الاستواء)
+* خط طول -122.1390293 (122.1390293 درجة غرب خط الطول الرئيسي).
+
+![مقر مايكروسوفت عند 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ar.png)
+
+## أنظمة تحديد المواقع العالمية (GPS)
+
+تستخدم أنظمة GPS عدة أقمار صناعية تدور حول الأرض لتحديد موقعك. ربما استخدمت أنظمة GPS دون أن تدرك ذلك - لتحديد موقعك على تطبيق خرائط على هاتفك مثل خرائط Apple أو Google، أو لمعرفة مكان سيارتك في تطبيقات مثل Uber أو Lyft، أو عند استخدام نظام الملاحة عبر الأقمار الصناعية (sat-nav) في سيارتك.
+
+> 🎓 الأقمار الصناعية في "الملاحة عبر الأقمار الصناعية" هي أقمار GPS!
+
+تعمل أنظمة GPS عن طريق وجود عدد من الأقمار الصناعية التي ترسل إشارة تحتوي على موقع كل قمر صناعي حاليًا، ووقت دقيق. تُرسل هذه الإشارات عبر موجات الراديو ويتم اكتشافها بواسطة هوائي في مستشعر GPS. يكتشف مستشعر GPS هذه الإشارات، وباستخدام الوقت الحالي يقيس المدة التي استغرقتها الإشارة للوصول من القمر الصناعي إلى المستشعر. نظرًا لأن سرعة موجات الراديو ثابتة، يمكن لمستشعر GPS استخدام الطابع الزمني المرسل لحساب المسافة بين المستشعر والقمر الصناعي. من خلال دمج البيانات من 3 أقمار صناعية على الأقل مع المواقع المرسلة، يمكن لمستشعر GPS تحديد موقعه على الأرض.
+
+> 💁 تحتاج مستشعرات GPS إلى هوائيات لاكتشاف موجات الراديو. الهوائيات المدمجة في الشاحنات والسيارات المزودة بنظام GPS مثبتة للحصول على إشارة جيدة، عادةً على الزجاج الأمامي أو السقف. إذا كنت تستخدم نظام GPS منفصلًا، مثل هاتف ذكي أو جهاز إنترنت الأشياء، فيجب التأكد من أن الهوائي المدمج في النظام أو الهاتف لديه رؤية واضحة للسماء، مثل التثبيت على الزجاج الأمامي.
+
+![من خلال معرفة المسافة بين المستشعر وعدة أقمار صناعية، يمكن حساب الموقع](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ar.png)
+
+تدور أقمار GPS حول الأرض، وليست في نقطة ثابتة فوق المستشعر، لذا تتضمن بيانات الموقع الارتفاع فوق مستوى سطح البحر بالإضافة إلى خطوط العرض والطول.
+
+كان لنظام GPS قيود على الدقة فرضتها القوات المسلحة الأمريكية، مما حد من الدقة إلى حوالي 5 أمتار. تمت إزالة هذا القيد في عام 2000، مما سمح بدقة تصل إلى 30 سنتيمترًا. ومع ذلك، قد لا تكون هذه الدقة ممكنة دائمًا بسبب التداخل مع الإشارات.
+
+✅ إذا كان لديك هاتف ذكي، افتح تطبيق الخرائط وشاهد مدى دقة موقعك. قد يستغرق الأمر بعض الوقت حتى يكتشف هاتفك عدة أقمار صناعية للحصول على موقع أكثر دقة.
+💁 تحتوي الأقمار الصناعية على ساعات ذرية دقيقة للغاية، لكنها تنحرف بمقدار 38 ميكروثانية (0.0000038 ثانية) يوميًا مقارنة بالساعات الذرية على الأرض، وذلك بسبب تباطؤ الزمن مع زيادة السرعة كما تنبأت نظريات أينشتاين في النسبية الخاصة والعامة - حيث تتحرك الأقمار الصناعية أسرع من دوران الأرض. تم استخدام هذا الانحراف لإثبات تنبؤات النسبية الخاصة والعامة، ويجب تعديله في تصميم أنظمة GPS. حرفيًا، الزمن يسير بشكل أبطأ على الأقمار الصناعية الخاصة بـ GPS.
+تم تطوير أنظمة GPS ونشرها من قبل عدد من الدول والاتحادات السياسية، بما في ذلك الولايات المتحدة وروسيا واليابان والهند والاتحاد الأوروبي والصين. يمكن لأجهزة استشعار GPS الحديثة الاتصال بمعظم هذه الأنظمة للحصول على تحديد أسرع وأكثر دقة.
+
+> 🎓 تُعرف مجموعات الأقمار الصناعية في كل نظام بـ "الكوكبات".
+
+## قراءة بيانات مستشعر GPS
+
+تقوم معظم مستشعرات GPS بإرسال البيانات عبر UART.
+
+> ⚠️ تم تغطية UART في [المشروع 2، الدرس 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart). ارجع إلى ذلك الدرس إذا لزم الأمر.
+
+يمكنك استخدام مستشعر GPS على جهاز إنترنت الأشياء الخاص بك للحصول على بيانات GPS.
+
+### المهمة - توصيل مستشعر GPS وقراءة بيانات GPS
+
+اتبع الدليل المناسب لقراءة بيانات GPS باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-gps-sensor.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-gps-sensor.md)
+
+## بيانات GPS بصيغة NMEA
+
+عند تشغيل الكود الخاص بك، قد ترى ما يبدو كأنه رموز غير مفهومة في المخرجات. هذه في الواقع بيانات GPS قياسية، وكل جزء منها له معنى.
+
+تقوم مستشعرات GPS بإخراج البيانات باستخدام رسائل NMEA، وفقًا لمعيار NMEA 0183. NMEA هو اختصار لـ [الرابطة الوطنية للإلكترونيات البحرية](https://www.nmea.org)، وهي منظمة تجارية مقرها الولايات المتحدة تضع معايير للتواصل بين الأجهزة الإلكترونية البحرية.
+
+> 💁 هذا المعيار مملوك ويباع بسعر لا يقل عن 2000 دولار أمريكي، ولكن هناك معلومات كافية عنه في المجال العام بحيث تم عكس هندسة معظم المعيار ويمكن استخدامه في الأكواد مفتوحة المصدر وغيرها من الأكواد غير التجارية.
+
+هذه الرسائل تعتمد على النصوص. تتكون كل رسالة من *جملة* تبدأ بالحرف `$`، يتبعها حرفان للإشارة إلى مصدر الرسالة (مثل GP لنظام GPS الأمريكي، GN لنظام GLONASS الروسي)، وثلاثة أحرف للإشارة إلى نوع الرسالة. بقية الرسالة تتكون من حقول مفصولة بفواصل، وتنتهي بحرف سطر جديد.
+
+بعض أنواع الرسائل التي يمكن استقبالها هي:
+
+| النوع | الوصف |
+| ---- | ----------- |
+| GGA | بيانات تحديد الموقع، بما في ذلك خط العرض وخط الطول والارتفاع لمستشعر GPS، بالإضافة إلى عدد الأقمار الصناعية المرئية لحساب هذا التحديد. |
+| ZDA | التاريخ والوقت الحالي، بما في ذلك المنطقة الزمنية المحلية |
+| GSV | تفاصيل الأقمار الصناعية المرئية - وهي الأقمار التي يمكن لمستشعر GPS اكتشاف إشاراتها |
+
+> 💁 تتضمن بيانات GPS طوابع زمنية، لذا يمكن لجهاز إنترنت الأشياء الخاص بك الحصول على الوقت إذا لزم الأمر من مستشعر GPS، بدلاً من الاعتماد على خادم NTP أو ساعة داخلية.
+
+تتضمن رسالة GGA الموقع الحالي باستخدام التنسيق `(dd)dmm.mmmm`، بالإضافة إلى حرف واحد للإشارة إلى الاتجاه. يشير `d` في التنسيق إلى الدرجات، و`m` إلى الدقائق، مع الثواني ككسور عشرية من الدقائق. على سبيل المثال، 2°17'43" ستكون 217.716666667 - درجتين و17.716666667 دقيقة.
+
+يمكن أن يكون حرف الاتجاه `N` أو `S` لخط العرض للإشارة إلى الشمال أو الجنوب، و`E` أو `W` لخط الطول للإشارة إلى الشرق أو الغرب. على سبيل المثال، خط عرض 2°17'43" سيكون له حرف اتجاه `N`، بينما -2°17'43" سيكون له حرف اتجاه `S`.
+
+على سبيل المثال - الجملة NMEA `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* جزء خط العرض هو `4738.538654,N`، والذي يتحول إلى 47.6423109 بالدرجات العشرية. `4738.538654` هو 47.6423109، والاتجاه هو `N` (شمال)، لذا فهو خط عرض موجب.
+
+* جزء خط الطول هو `12208.341758,W`، والذي يتحول إلى -122.1390293 بالدرجات العشرية. `12208.341758` هو 122.1390293°، والاتجاه هو `W` (غرب)، لذا فهو خط طول سالب.
+
+## فك تشفير بيانات مستشعر GPS
+
+بدلاً من استخدام بيانات NMEA الخام، من الأفضل فك تشفيرها إلى تنسيق أكثر فائدة. هناك العديد من المكتبات مفتوحة المصدر التي يمكنك استخدامها للمساعدة في استخراج البيانات المفيدة من رسائل NMEA الخام.
+
+### المهمة - فك تشفير بيانات مستشعر GPS
+
+اتبع الدليل المناسب لفك تشفير بيانات مستشعر GPS باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 التحدي
+
+اكتب فك تشفير NMEA الخاص بك! بدلاً من الاعتماد على مكتبات الطرف الثالث لفك تشفير جمل NMEA، هل يمكنك كتابة فك تشفير خاص بك لاستخراج خط العرض وخط الطول من جمل NMEA؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن الإحداثيات الجغرافية على [صفحة نظام الإحداثيات الجغرافية على ويكيبيديا](https://wikipedia.org/wiki/Geographic_coordinate_system).
+* اقرأ عن خطوط الطول الرئيسية على الأجرام السماوية الأخرى غير الأرض على [صفحة خط الطول الرئيسي على ويكيبيديا](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies).
+* ابحث عن أنظمة GPS المختلفة من حكومات واتحادات سياسية مختلفة مثل الاتحاد الأوروبي واليابان وروسيا والهند والولايات المتحدة.
+
+## الواجب
+
+[استكشاف بيانات GPS الأخرى](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/assignment.md b/translations/ar/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..a3189403
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-27T00:49:08+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "ar"
+}
+-->
+# استكشاف بيانات GPS الأخرى
+
+## التعليمات
+
+الجمل NMEA التي تأتي من مستشعر GPS الخاص بك تحتوي على بيانات إضافية بجانب الموقع. قم باستكشاف هذه البيانات الإضافية واستخدامها في جهاز إنترنت الأشياء الخاص بك.
+
+على سبيل المثال - هل يمكنك الحصول على التاريخ والوقت الحاليين؟ إذا كنت تستخدم متحكمًا دقيقًا، هل يمكنك ضبط الساعة باستخدام بيانات GPS بنفس الطريقة التي ضبطتها باستخدام إشارات NTP في المشروع السابق؟ هل يمكنك الحصول على الارتفاع (ارتفاعك عن مستوى سطح البحر)، أو سرعتك الحالية؟
+
+إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، يمكنك الحصول على بعض هذه البيانات عن طريق إرسال جمل NMEA التي يتم إنشاؤها باستخدام أدوات [nmeagen.org](https://www.nmeagen.org).
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| الحصول على بيانات GPS إضافية | قادر على الحصول على واستخدام بيانات GPS إضافية، سواء كقياسات أو لإعداد جهاز إنترنت الأشياء | قادر على الحصول على بيانات GPS إضافية، لكنه غير قادر على استخدامها | غير قادر على الحصول على بيانات GPS إضافية |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/ar/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..01f7b4c3
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-27T00:50:36+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "ar"
+}
+-->
+# قراءة بيانات GPS - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر GPS إلى Raspberry Pi وقراءة القيم منه.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى مستشعر GPS.
+
+المستشعر الذي ستستخدمه هو [مستشعر Grove GPS Air530](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). يمكن لهذا المستشعر الاتصال بأنظمة GPS متعددة للحصول على إشارة سريعة ودقيقة. يتكون المستشعر من جزئين - الإلكترونيات الأساسية للمستشعر وهوائي خارجي متصل بسلك رفيع لالتقاط موجات الراديو من الأقمار الصناعية.
+
+هذا المستشعر يعمل عبر UART، لذا يرسل بيانات GPS عبر UART.
+
+## توصيل مستشعر GPS
+
+يمكن توصيل مستشعر Grove GPS بـ Raspberry Pi.
+
+### المهمة - توصيل مستشعر GPS
+
+قم بتوصيل مستشعر GPS.
+
+![مستشعر Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر GPS. لن يدخل إلا في اتجاه واحد.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بمقبس UART المسمى **UART** على قبعة Grove Base المثبتة على Pi. يوجد هذا المقبس في الصف الأوسط، على الجانب الأقرب إلى فتحة بطاقة SD، في الطرف الآخر من منافذ USB ومقبس الإيثرنت.
+
+    ![مستشعر Grove GPS متصل بمقبس UART](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ar.png)
+
+1. ضع مستشعر GPS بحيث يكون الهوائي المتصل به مرئيًا للسماء - من الأفضل أن يكون بجانب نافذة مفتوحة أو في الخارج. من الأسهل الحصول على إشارة واضحة بدون وجود عوائق أمام الهوائي.
+
+## برمجة مستشعر GPS
+
+يمكن الآن برمجة Raspberry Pi لاستخدام مستشعر GPS المتصل.
+
+### المهمة - برمجة مستشعر GPS
+
+قم ببرمجة الجهاز.
+
+1. قم بتشغيل Pi وانتظر حتى يتم الإقلاع.
+
+1. يحتوي مستشعر GPS على مصباحين LED - مصباح أزرق يومض عند إرسال البيانات، ومصباح أخضر يومض كل ثانية عند استقبال البيانات من الأقمار الصناعية. تأكد من أن المصباح الأزرق يومض عند تشغيل Pi. بعد بضع دقائق، سيبدأ المصباح الأخضر في الوميض - إذا لم يحدث ذلك، قد تحتاج إلى إعادة وضع الهوائي.
+
+1. قم بتشغيل VS Code، إما مباشرة على Pi، أو عبر الاتصال باستخدام إضافة Remote SSH.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بإعداد وتشغيل VS Code في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. مع الإصدارات الأحدث من Raspberry Pi التي تدعم البلوتوث، هناك تعارض بين منفذ السيريال المستخدم للبلوتوث والمنفذ المستخدم بواسطة منفذ Grove UART. لإصلاح ذلك، قم بما يلي:
+
+    1. من نافذة الأوامر في VS Code، قم بتحرير ملف `/boot/config.txt` باستخدام `nano`، وهو محرر نصوص مدمج في نافذة الأوامر، باستخدام الأمر التالي:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > لا يمكن تحرير هذا الملف باستخدام VS Code لأنه يتطلب أذونات `sudo`، وهي أذونات مرتفعة. VS Code لا يعمل بهذه الأذونات.
+
+    1. استخدم مفاتيح الأسهم للتنقل إلى نهاية الملف، ثم انسخ الكود أدناه والصقه في نهاية الملف:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        يمكنك اللصق باستخدام اختصارات لوحة المفاتيح العادية لجهازك (`Ctrl+v` على Windows، Linux أو Raspberry Pi OS، `Cmd+v` على macOS).
+
+    1. احفظ هذا الملف واخرج من nano بالضغط على `Ctrl+x`. اضغط على `y` عندما يُطلب منك حفظ التعديلات، ثم اضغط على `enter` لتأكيد الكتابة فوق `/boot/config.txt`.
+
+        > إذا ارتكبت خطأ، يمكنك الخروج دون حفظ، ثم تكرار هذه الخطوات.
+
+    1. قم بتحرير ملف `/boot/cmdline.txt` في nano باستخدام الأمر التالي:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. يحتوي هذا الملف على عدد من أزواج المفتاح/القيمة مفصولة بمسافات. قم بإزالة أي أزواج مفتاح/قيمة للمفتاح `console`. قد تبدو مثل هذا:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        يمكنك التنقل إلى هذه الإدخالات باستخدام مفاتيح الأسهم، ثم الحذف باستخدام مفاتيح `del` أو `backspace` العادية.
+
+        على سبيل المثال، إذا كان ملفك الأصلي يبدو هكذا:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        النسخة الجديدة ستكون:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. اتبع الخطوات أعلاه لحفظ هذا الملف والخروج من nano.
+
+    1. أعد تشغيل Pi، ثم أعد الاتصال بـ VS Code بمجرد إعادة تشغيل Pi.
+
+1. من نافذة الأوامر، قم بإنشاء مجلد جديد في دليل المستخدم `pi` يسمى `gps-sensor`. أنشئ ملفًا في هذا المجلد يسمى `app.py`.
+
+1. افتح هذا المجلد في VS Code.
+
+1. يرسل وحدة GPS بيانات UART عبر منفذ سيريال. قم بتثبيت حزمة Pip `pyserial` للتواصل مع المنفذ السيريال من كود Python الخاص بك:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` الخاص بك:
+
+    ```python
+    import time
+    import serial
+    
+    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
+    serial.reset_input_buffer()
+    serial.flush()
+    
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    يقوم هذا الكود باستيراد وحدة `serial` من حزمة Pip `pyserial`. ثم يتصل بمنفذ السيريال `/dev/ttyAMA0` - هذا هو عنوان منفذ السيريال الذي يستخدمه Grove Pi Base Hat لمنفذ UART الخاص به. ثم يقوم بمسح أي بيانات موجودة من هذا الاتصال السيريالي.
+
+    بعد ذلك، يتم تعريف دالة تسمى `print_gps_data` تقوم بطباعة السطر الممرر إليها إلى وحدة التحكم.
+
+    بعد ذلك، يقوم الكود بالتكرار إلى الأبد، حيث يقرأ أكبر عدد ممكن من الأسطر النصية من المنفذ السيريالي في كل تكرار. يستدعي دالة `print_gps_data` لكل سطر.
+
+    بعد قراءة جميع البيانات، ينام التكرار لمدة ثانية واحدة، ثم يحاول مرة أخرى.
+
+1. قم بتشغيل هذا الكود. سترى المخرجات الخام من مستشعر GPS، شيء مثل التالي:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+    > إذا حصلت على أحد الأخطاء التالية عند إيقاف وإعادة تشغيل الكود، أضف كتلة `try - except` إلى حلقة while الخاصة بك.
+
+      ```output
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
+      ```
+
+    ```python
+    while True:
+        try:
+            line = serial.readline().decode('utf-8')
+              
+            while len(line) > 0:
+                print_gps_data()
+                line = serial.readline().decode('utf-8')
+      
+        # There's a random chance the first byte being read is part way through a character.
+        # Read another full line and continue.
+
+        except UnicodeDecodeError:
+            line = serial.readline().decode('utf-8')
+
+    time.sleep(1)
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi).
+
+😀 لقد نجحت في برمجة مستشعر GPS الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/ar/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..2feb4f36
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-27T00:49:45+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "ar"
+}
+-->
+# فك بيانات GPS - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بفك رسائل NMEA التي يتم قراءتها من مستشعر GPS بواسطة Raspberry Pi أو جهاز إنترنت الأشياء الافتراضي، واستخراج خط العرض وخط الطول.
+
+## فك بيانات GPS
+
+بمجرد قراءة بيانات NMEA الخام من المنفذ التسلسلي، يمكن فكها باستخدام مكتبة NMEA مفتوحة المصدر.
+
+### المهمة - فك بيانات GPS
+
+قم ببرمجة الجهاز لفك بيانات GPS.
+
+1. افتح مشروع تطبيق `gps-sensor` إذا لم يكن مفتوحًا بالفعل.
+
+1. قم بتثبيت حزمة Pip المسماة `pynmea2`. تحتوي هذه الحزمة على كود لفك رسائل NMEA.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. أضف الكود التالي إلى الواردات في ملف `app.py` لاستيراد وحدة `pynmea2`:
+
+    ```python
+    import pynmea2
+    ```
+
+1. استبدل محتويات وظيفة `print_gps_data` بالكود التالي:
+
+    ```python
+    msg = pynmea2.parse(line)
+    if msg.sentence_type == 'GGA':
+        lat = pynmea2.dm_to_sd(msg.lat)
+        lon = pynmea2.dm_to_sd(msg.lon)
+
+        if msg.lat_dir == 'S':
+            lat = lat * -1
+
+        if msg.lon_dir == 'W':
+            lon = lon * -1
+
+        print(f'{lat},{lon} - from {msg.num_sats} satellites')
+    ```
+
+    سيستخدم هذا الكود مكتبة `pynmea2` لتحليل السطر الذي يتم قراءته من منفذ UART التسلسلي.
+
+    إذا كان نوع الجملة في الرسالة هو `GGA`، فهذا يعني أنها رسالة تثبيت الموقع، ويتم معالجتها. يتم قراءة قيم خط العرض وخط الطول من الرسالة وتحويلها إلى درجات عشرية من تنسيق NMEA `(d)ddmm.mmmm`. تقوم وظيفة `dm_to_sd` بهذا التحويل.
+
+    يتم بعد ذلك التحقق من اتجاه خط العرض، وإذا كان خط العرض جنوبًا، يتم تحويل القيمة إلى رقم سالب. نفس الشيء مع خط الطول، إذا كان غربًا يتم تحويله إلى رقم سالب.
+
+    أخيرًا، يتم طباعة الإحداثيات على وحدة التحكم، إلى جانب عدد الأقمار الصناعية المستخدمة لتحديد الموقع.
+
+1. قم بتشغيل الكود. إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، فتأكد من تشغيل تطبيق CounterFit وإرسال بيانات GPS.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device)، أو في مجلد [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi).
+
+😀 لقد نجحت في برمجة مستشعر GPS مع فك البيانات!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/ar/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..0c4f961a
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-27T00:43:23+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "ar"
+}
+-->
+# قراءة بيانات GPS - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستضيف مستشعر GPS إلى جهاز إنترنت الأشياء الافتراضي الخاص بك، وتقرأ القيم منه.
+
+## الأجهزة الافتراضية
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي مستشعر GPS محاكى يمكن الوصول إليه عبر UART من خلال منفذ تسلسلي.
+
+يحتوي مستشعر GPS الفعلي على هوائي لالتقاط موجات الراديو من الأقمار الصناعية لنظام GPS، وتحويل إشارات GPS إلى بيانات GPS. النسخة الافتراضية تحاكي ذلك من خلال السماح لك إما بتعيين خط العرض وخط الطول، أو إرسال جمل NMEA الخام، أو تحميل ملف GPX يحتوي على مواقع متعددة يمكن إرجاعها بالتتابع.
+
+> 🎓 سيتم تغطية جمل NMEA لاحقًا في هذا الدرس
+
+### إضافة المستشعر إلى CounterFit
+
+لاستخدام مستشعر GPS افتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة - إضافة المستشعر إلى CounterFit
+
+أضف مستشعر GPS إلى تطبيق CounterFit.
+
+1. قم بإنشاء تطبيق Python جديد على جهاز الكمبيوتر الخاص بك في مجلد يسمى `gps-sensor` يحتوي على ملف واحد يسمى `app.py` وبيئة افتراضية لـ Python، وأضف حزم pip الخاصة بـ CounterFit.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بإنشاء وإعداد مشروع Python لـ CounterFit في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. قم بتثبيت حزمة Pip إضافية لتثبيت shim لـ CounterFit يمكنه التحدث إلى المستشعرات القائمة على UART عبر اتصال تسلسلي. تأكد من تثبيتها من خلال نافذة طرفية مع تفعيل البيئة الافتراضية.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء مستشعر GPS:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، افتح القائمة المنسدلة *نوع المستشعر* واختر *UART GPS*.
+
+    1. اترك *المنفذ* مضبوطًا على */dev/ttyAMA0*.
+
+    1. اختر زر **إضافة** لإنشاء مستشعر GPS على المنفذ `/dev/ttyAMA0`.
+
+    ![إعدادات مستشعر GPS](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ar.png)
+
+    سيتم إنشاء مستشعر GPS وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر GPS](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ar.png)
+
+## برمجة مستشعر GPS
+
+يمكن الآن برمجة جهاز إنترنت الأشياء الافتراضي لاستخدام مستشعر GPS الافتراضي.
+
+### المهمة - برمجة مستشعر GPS
+
+برمج تطبيق مستشعر GPS.
+
+1. تأكد من فتح تطبيق `gps-sensor` في VS Code.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py` لتوصيل التطبيق بـ CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. أضف الكود التالي أسفل ذلك لاستيراد بعض المكتبات اللازمة، بما في ذلك مكتبة المنفذ التسلسلي لـ CounterFit:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    يقوم هذا الكود باستيراد وحدة `serial` من حزمة Pip الخاصة بـ `counterfit_shims_serial`. ثم يتصل بمنفذ `/dev/ttyAMA0` التسلسلي - وهو عنوان المنفذ التسلسلي الذي يستخدمه مستشعر GPS الافتراضي لمنفذ UART الخاص به.
+
+1. أضف الكود التالي أسفل ذلك لقراءة البيانات من المنفذ التسلسلي وطباعة القيم إلى وحدة التحكم:
+
+    ```python
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    يتم تعريف وظيفة تسمى `print_gps_data` تقوم بطباعة السطر الممرر إليها إلى وحدة التحكم.
+
+    بعد ذلك، يقوم الكود بالتكرار إلى ما لا نهاية، حيث يقرأ أكبر عدد ممكن من الأسطر النصية من المنفذ التسلسلي في كل دورة. يستدعي وظيفة `print_gps_data` لكل سطر.
+
+    بعد قراءة جميع البيانات، يتوقف التكرار لمدة ثانية واحدة، ثم يحاول مرة أخرى.
+
+1. قم بتشغيل هذا الكود، مع التأكد من استخدام نافذة طرفية مختلفة عن تلك التي يتم تشغيل تطبيق CounterFit فيها، حتى يظل تطبيق CounterFit قيد التشغيل.
+
+1. من تطبيق CounterFit، قم بتغيير قيمة مستشعر GPS. يمكنك القيام بذلك بإحدى الطرق التالية:
+
+    * ضبط **المصدر** على `Lat/Lon`، وتعيين خط عرض وخط طول وعدد الأقمار الصناعية المستخدمة للحصول على تثبيت GPS. سيتم إرسال هذه القيمة مرة واحدة فقط، لذا تحقق من مربع **التكرار** لتكرار البيانات كل ثانية.
+
+      ![مستشعر GPS مع تحديد lat lon](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ar.png)
+
+    * ضبط **المصدر** على `NMEA` وإضافة بعض جمل NMEA في مربع النص. سيتم إرسال جميع هذه القيم، مع تأخير قدره ثانية واحدة قبل قراءة كل جملة GGA (تثبيت الموقع).
+
+      ![مستشعر GPS مع إعداد جمل NMEA](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ar.png)
+
+      يمكنك استخدام أداة مثل [nmeagen.org](https://www.nmeagen.org) لإنشاء هذه الجمل عن طريق الرسم على الخريطة. سيتم إرسال هذه القيم مرة واحدة فقط، لذا تحقق من مربع **التكرار** لتكرار البيانات بعد ثانية واحدة من إرسالها جميعًا.
+
+    * ضبط **المصدر** على ملف GPX، وتحميل ملف GPX يحتوي على مواقع المسار. يمكنك تنزيل ملفات GPX من عدد من مواقع الخرائط والمشي الشهيرة، مثل [AllTrails](https://www.alltrails.com/). تحتوي هذه الملفات على مواقع GPS متعددة كمسار، وسيعيد مستشعر GPS كل موقع جديد بفاصل زمني قدره ثانية واحدة.
+
+      ![مستشعر GPS مع إعداد ملف GPX](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ar.png)
+
+      سيتم إرسال هذه القيم مرة واحدة فقط، لذا تحقق من مربع **التكرار** لتكرار البيانات بعد ثانية واحدة من إرسالها جميعًا.
+
+    بمجرد تكوين إعدادات GPS، اختر زر **تعيين** لتطبيق هذه القيم على المستشعر.
+
+1. سترى الإخراج الخام من مستشعر GPS، شيء مثل التالي:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device).
+
+😀 لقد نجحت في برمجة مستشعر GPS الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..607183a6
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-27T00:51:50+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "ar"
+}
+-->
+# فك تشفير بيانات GPS - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بفك تشفير رسائل NMEA التي يتم قراءتها من مستشعر GPS بواسطة Wio Terminal، واستخراج خطوط الطول والعرض.
+
+## فك تشفير بيانات GPS
+
+بمجرد قراءة بيانات NMEA الخام من المنفذ التسلسلي، يمكن فك تشفيرها باستخدام مكتبة NMEA مفتوحة المصدر.
+
+### المهمة - فك تشفير بيانات GPS
+
+قم ببرمجة الجهاز لفك تشفير بيانات GPS.
+
+1. افتح مشروع تطبيق `gps-sensor` إذا لم يكن مفتوحًا بالفعل.
+
+1. أضف تبعية مكتبة [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) إلى ملف `platformio.ini` الخاص بالمشروع. تحتوي هذه المكتبة على كود لفك تشفير بيانات NMEA.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. في ملف `main.cpp`، أضف توجيه تضمين لمكتبة TinyGPSPlus:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. أسفل إعلان `Serial3`، قم بإعلان كائن TinyGPSPlus لمعالجة جمل NMEA:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. قم بتغيير محتويات دالة `printGPSData` إلى ما يلي:
+
+    ```cpp
+    if (gps.encode(Serial3.read()))
+    {
+        if (gps.location.isValid())
+        {
+            Serial.print(gps.location.lat(), 6);
+            Serial.print(F(","));
+            Serial.print(gps.location.lng(), 6);
+            Serial.print(" - from ");
+            Serial.print(gps.satellites.value());
+            Serial.println(" satellites");
+        }
+    }
+    ```
+
+    يقوم هذا الكود بقراءة الحرف التالي من منفذ UART التسلسلي إلى وحدة فك تشفير NMEA الخاصة بـ `gps`. بعد كل حرف، سيتحقق مما إذا كانت وحدة فك التشفير قد قرأت جملة صالحة، ثم يتحقق مما إذا كانت قد قرأت موقعًا صالحًا. إذا كان الموقع صالحًا، فسيتم إرساله إلى شاشة المراقبة التسلسلية، مع عدد الأقمار الصناعية التي ساهمت في هذا التحديد.
+
+1. قم ببناء ورفع الكود إلى Wio Terminal.
+
+1. بمجرد رفع الكود، يمكنك مراقبة بيانات موقع GPS باستخدام شاشة المراقبة التسلسلية.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal).
+
+😀 لقد نجحت في برمجة مستشعر GPS مع فك تشفير البيانات!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..45948108
--- /dev/null
+++ b/translations/ar/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-27T00:42:13+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "ar"
+}
+-->
+# قراءة بيانات GPS - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر GPS إلى جهاز Wio Terminal الخاص بك وقراءة القيم منه.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى مستشعر GPS.
+
+المستشعر الذي ستستخدمه هو [مستشعر Grove GPS Air530](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). يمكن لهذا المستشعر الاتصال بأنظمة GPS متعددة للحصول على إشارة سريعة ودقيقة. يتكون المستشعر من جزأين - الإلكترونيات الأساسية للمستشعر وهوائي خارجي متصل بسلك رفيع لالتقاط موجات الراديو من الأقمار الصناعية.
+
+هذا المستشعر يعمل عبر UART، لذا يقوم بإرسال بيانات GPS عبر UART.
+
+### توصيل مستشعر GPS
+
+يمكن توصيل مستشعر Grove GPS بجهاز Wio Terminal.
+
+#### المهمة - توصيل مستشعر GPS
+
+قم بتوصيل مستشعر GPS.
+
+![مستشعر GPS من نوع Grove](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر GPS. لن يدخل إلا في اتجاه واحد.
+
+1. مع فصل Wio Terminal عن الكمبيوتر أو أي مصدر طاقة آخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الأيسر لجهاز Wio Terminal عند النظر إلى الشاشة. هذا هو المقبس الأقرب إلى زر الطاقة.
+
+    ![مستشعر GPS متصل بالمقبس الأيسر](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ar.png)
+
+1. ضع مستشعر GPS بحيث يكون الهوائي المتصل لديه رؤية واضحة للسماء - من الأفضل أن يكون بجانب نافذة مفتوحة أو في الخارج. من الأسهل الحصول على إشارة واضحة عندما لا يكون هناك عوائق أمام الهوائي.
+
+1. يمكنك الآن توصيل Wio Terminal بجهاز الكمبيوتر الخاص بك.
+
+1. يحتوي مستشعر GPS على مصباحين LED - مصباح أزرق يومض عند إرسال البيانات، ومصباح أخضر يومض كل ثانية عند استقبال البيانات من الأقمار الصناعية. تأكد من أن المصباح الأزرق يومض عند تشغيل Wio Terminal. بعد بضع دقائق، سيبدأ المصباح الأخضر في الوميض - إذا لم يحدث ذلك، قد تحتاج إلى إعادة وضع الهوائي.
+
+## برمجة مستشعر GPS
+
+يمكن الآن برمجة Wio Terminal لاستخدام مستشعر GPS المتصل.
+
+### المهمة - برمجة مستشعر GPS
+
+قم ببرمجة الجهاز.
+
+1. أنشئ مشروعًا جديدًا لجهاز Wio Terminal باستخدام PlatformIO. قم بتسمية هذا المشروع `gps-sensor`. أضف الكود في دالة `setup` لتكوين منفذ الاتصال التسلسلي.
+
+1. أضف التوجيه التالي للإدراج في أعلى ملف `main.cpp`. يتضمن هذا ملف رأس يحتوي على وظائف لتكوين منفذ Grove الأيسر لـ UART.
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. بعد ذلك، أضف السطر التالي من الكود للإعلان عن اتصال منفذ تسلسلي بمنفذ UART:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. تحتاج إلى إضافة بعض الكود لإعادة توجيه بعض معالجات الإشارات الداخلية إلى هذا المنفذ التسلسلي. أضف الكود التالي أسفل إعلان `Serial3`:
+
+    ```cpp
+    void SERCOM3_0_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_1_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_2_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_3_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    ```
+
+1. في دالة `setup`، أسفل المكان الذي يتم فيه تكوين منفذ `Serial`، قم بتكوين منفذ UART التسلسلي باستخدام الكود التالي:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. أسفل هذا الكود في دالة `setup`، أضف الكود التالي لتوصيل دبوس Grove بالمنفذ التسلسلي:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. أضف الدالة التالية قبل دالة `loop` لإرسال بيانات GPS إلى شاشة المراقبة التسلسلية:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. في دالة `loop`، أضف الكود التالي لقراءة البيانات من منفذ UART التسلسلي وطباعة الإخراج إلى شاشة المراقبة التسلسلية:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    يقوم هذا الكود بقراءة البيانات من منفذ UART التسلسلي. تقوم دالة `readStringUntil` بقراءة البيانات حتى تصل إلى حرف محدد، وفي هذه الحالة سطر جديد. سيقوم هذا بقراءة جملة NMEA كاملة (جمل NMEA تنتهي بحرف سطر جديد). طالما يمكن قراءة البيانات من منفذ UART التسلسلي، يتم قراءتها وإرسالها إلى شاشة المراقبة التسلسلية عبر دالة `printGPSData`. بمجرد عدم وجود بيانات إضافية للقراءة، تتأخر دالة `loop` لمدة ثانية واحدة (1,000 مللي ثانية).
+
+1. قم ببناء ورفع الكود إلى جهاز Wio Terminal.
+
+1. بمجرد الرفع، يمكنك مراقبة بيانات GPS باستخدام شاشة المراقبة التسلسلية.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal).
+
+😀 لقد نجحت في برمجة مستشعر GPS!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/2-store-location-data/README.md b/translations/ar/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..5ad9f11a
--- /dev/null
+++ b/translations/ar/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,479 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-27T00:58:44+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "ar"
+}
+-->
+# تخزين بيانات الموقع
+
+![رسم توضيحي لهذا الدرس](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## المقدمة
+
+في الدرس السابق، تعلمت كيفية استخدام مستشعر GPS لالتقاط بيانات الموقع. لاستخدام هذه البيانات لتصور موقع شاحنة محملة بالطعام ورحلتها، يجب إرسالها إلى خدمة إنترنت الأشياء (IoT) في السحابة، ثم تخزينها في مكان ما.
+
+في هذا الدرس، ستتعلم عن الطرق المختلفة لتخزين بيانات إنترنت الأشياء، وستتعلم كيفية تخزين البيانات من خدمة إنترنت الأشياء باستخدام الكود بدون خادم.
+
+في هذا الدرس سنتناول:
+
+* [البيانات المهيكلة وغير المهيكلة](../../../../../3-transport/lessons/2-store-location-data)
+* [إرسال بيانات GPS إلى IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [مسارات البيانات الساخنة، الدافئة، والباردة](../../../../../3-transport/lessons/2-store-location-data)
+* [معالجة أحداث GPS باستخدام الكود بدون خادم](../../../../../3-transport/lessons/2-store-location-data)
+* [حسابات تخزين Azure](../../../../../3-transport/lessons/2-store-location-data)
+* [ربط الكود بدون خادم بالتخزين](../../../../../3-transport/lessons/2-store-location-data)
+
+## البيانات المهيكلة وغير المهيكلة
+
+تتعامل أنظمة الكمبيوتر مع البيانات، وهذه البيانات تأتي بأشكال وأحجام مختلفة. يمكن أن تتراوح من أرقام فردية إلى كميات كبيرة من النصوص، إلى مقاطع فيديو وصور، وإلى بيانات إنترنت الأشياء. عادةً ما يمكن تقسيم البيانات إلى واحدة من فئتين - *البيانات المهيكلة* و *البيانات غير المهيكلة*.
+
+* **البيانات المهيكلة** هي بيانات ذات هيكل محدد جيدًا وثابت لا يتغير وعادةً ما يتم تعيينها إلى جداول بيانات ذات علاقات. مثال على ذلك هو تفاصيل شخص بما في ذلك اسمه، تاريخ ميلاده وعنوانه.
+
+* **البيانات غير المهيكلة** هي بيانات بدون هيكل محدد جيدًا وثابت، بما في ذلك البيانات التي يمكن أن يتغير هيكلها بشكل متكرر. مثال على ذلك هو المستندات مثل الوثائق المكتوبة أو جداول البيانات.
+
+✅ قم ببعض البحث: هل يمكنك التفكير في أمثلة أخرى للبيانات المهيكلة وغير المهيكلة؟
+
+> 💁 هناك أيضًا بيانات شبه مهيكلة تكون مهيكلة ولكنها لا تتناسب مع جداول بيانات ثابتة.
+
+عادةً ما تعتبر بيانات إنترنت الأشياء بيانات غير مهيكلة.
+
+تخيل أنك تضيف أجهزة إنترنت الأشياء إلى أسطول من المركبات لمزرعة تجارية كبيرة. قد ترغب في استخدام أجهزة مختلفة لأنواع مختلفة من المركبات. على سبيل المثال:
+
+* بالنسبة لمركبات المزرعة مثل الجرارات، تريد بيانات GPS لضمان عملها في الحقول الصحيحة.
+* بالنسبة لشاحنات التوصيل التي تنقل الطعام إلى المستودعات، تريد بيانات GPS بالإضافة إلى بيانات السرعة والتسارع لضمان قيادة السائق بأمان، وبيانات هوية السائق وبدء/إيقاف لضمان الامتثال للقوانين المحلية بشأن ساعات العمل.
+* بالنسبة للشاحنات المبردة، تريد أيضًا بيانات درجة الحرارة لضمان عدم ارتفاع أو انخفاض درجة حرارة الطعام بشكل كبير مما يؤدي إلى تلفه أثناء النقل.
+
+يمكن أن تتغير هذه البيانات باستمرار. على سبيل المثال، إذا كان جهاز إنترنت الأشياء موجودًا في كابينة الشاحنة، فقد تتغير البيانات التي يرسلها مع تغيير المقطورة، على سبيل المثال إرسال بيانات درجة الحرارة فقط عند استخدام مقطورة مبردة.
+
+✅ ما البيانات الأخرى التي يمكن أن يتم التقاطها بواسطة إنترنت الأشياء؟ فكر في أنواع الحمولات التي يمكن أن تحملها الشاحنات، بالإضافة إلى بيانات الصيانة.
+
+تختلف هذه البيانات من مركبة إلى أخرى، ولكن يتم إرسالها جميعًا إلى نفس خدمة إنترنت الأشياء لمعالجتها. تحتاج خدمة إنترنت الأشياء إلى أن تكون قادرة على معالجة هذه البيانات غير المهيكلة، وتخزينها بطريقة تسمح بالبحث أو التحليل، ولكنها تعمل مع هياكل مختلفة لهذه البيانات.
+
+### تخزين SQL مقابل NoSQL
+
+تعد قواعد البيانات خدمات تسمح لك بتخزين البيانات واستعلامها. تأتي قواعد البيانات في نوعين - SQL و NoSQL.
+
+#### قواعد بيانات SQL
+
+كانت أول قواعد البيانات هي أنظمة إدارة قواعد البيانات العلائقية (RDBMS)، أو قواعد البيانات العلائقية. تُعرف أيضًا باسم قواعد بيانات SQL نسبةً إلى لغة الاستعلام الهيكلية (SQL) المستخدمة للتفاعل معها لإضافة أو إزالة أو تحديث أو استعلام البيانات. تتكون هذه القواعد من مخطط - مجموعة محددة جيدًا من جداول البيانات، مشابهة لجداول البيانات. يحتوي كل جدول على أعمدة مسماة متعددة. عندما تقوم بإدخال البيانات، تضيف صفًا إلى الجدول، وتضع القيم في كل من الأعمدة. يحافظ هذا على البيانات في هيكل صارم للغاية - على الرغم من أنه يمكنك ترك الأعمدة فارغة، إذا كنت تريد إضافة عمود جديد، يجب عليك القيام بذلك على قاعدة البيانات، وملء القيم للصفوف الموجودة. هذه القواعد علائقية - بمعنى أن جدولًا واحدًا يمكن أن يكون له علاقة بجدول آخر.
+
+![قاعدة بيانات علائقية تربط بين جدول المستخدمين وجدول المشتريات وجدول المنتجات](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ar.png)
+
+على سبيل المثال، إذا كنت تخزن تفاصيل شخصية للمستخدمين في جدول، فستكون لديك نوع من المعرف الفريد الداخلي لكل مستخدم يتم استخدامه في صف في جدول يحتوي على اسم المستخدم وعنوانه. إذا كنت تريد بعد ذلك تخزين تفاصيل أخرى عن هذا المستخدم، مثل مشترياته، في جدول آخر، فستكون لديك عمود واحد في الجدول الجديد لمعرف المستخدم. عندما تبحث عن مستخدم، يمكنك استخدام معرفه للحصول على تفاصيله الشخصية من جدول واحد، ومشترياته من جدول آخر.
+
+تعد قواعد بيانات SQL مثالية لتخزين البيانات المهيكلة، ولضمان تطابق البيانات مع المخطط الخاص بك.
+
+✅ إذا لم تستخدم SQL من قبل، خذ لحظة لقراءة المزيد عنها في [صفحة SQL على ويكيبيديا](https://wikipedia.org/wiki/SQL).
+
+بعض قواعد بيانات SQL المعروفة هي Microsoft SQL Server، MySQL، و PostgreSQL.
+
+✅ قم ببعض البحث: اقرأ عن بعض قواعد بيانات SQL هذه وقدراتها.
+
+#### قواعد بيانات NoSQL
+
+تُعرف قواعد بيانات NoSQL بهذا الاسم لأنها لا تحتوي على نفس الهيكل الصارم لقواعد بيانات SQL. تُعرف أيضًا باسم قواعد البيانات الوثائقية لأنها يمكنها تخزين البيانات غير المهيكلة مثل الوثائق.
+
+> 💁 على الرغم من اسمها، تسمح بعض قواعد بيانات NoSQL باستخدام SQL لاستعلام البيانات.
+
+![وثائق في مجلدات داخل قاعدة بيانات NoSQL](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ar.png)
+
+لا تحتوي قواعد بيانات NoSQL على مخطط محدد مسبقًا يحد من كيفية تخزين البيانات، بل يمكنك إدخال أي بيانات غير مهيكلة، عادةً باستخدام وثائق JSON. يمكن تنظيم هذه الوثائق في مجلدات، مشابهة للملفات على جهاز الكمبيوتر الخاص بك. يمكن أن تحتوي كل وثيقة على حقول مختلفة عن الوثائق الأخرى - على سبيل المثال، إذا كنت تخزن بيانات إنترنت الأشياء من مركبات المزرعة، فقد تحتوي بعضها على حقول لبيانات التسارع والسرعة، وقد تحتوي أخرى على حقول لدرجة الحرارة في المقطورة. إذا كنت تريد إضافة نوع جديد من الشاحنات، مثل شاحنة مزودة بموازين مدمجة لتتبع وزن المنتجات المحملة، يمكن لجهاز إنترنت الأشياء الخاص بك إضافة هذا الحقل الجديد ويمكن تخزينه دون أي تغييرات على قاعدة البيانات.
+
+بعض قواعد بيانات NoSQL المعروفة تشمل Azure CosmosDB، MongoDB، و CouchDB.
+
+✅ قم ببعض البحث: اقرأ عن بعض قواعد بيانات NoSQL هذه وقدراتها.
+
+في هذا الدرس، ستستخدم تخزين NoSQL لتخزين بيانات إنترنت الأشياء.
+
+## إرسال بيانات GPS إلى IoT Hub
+
+في الدرس السابق، قمت بالتقاط بيانات GPS من مستشعر GPS متصل بجهاز إنترنت الأشياء الخاص بك. لتخزين هذه البيانات في السحابة، تحتاج إلى إرسالها إلى خدمة إنترنت الأشياء. مرة أخرى، ستستخدم Azure IoT Hub، نفس خدمة إنترنت الأشياء السحابية التي استخدمتها في المشروع السابق.
+
+![إرسال بيانات GPS من جهاز إنترنت الأشياء إلى IoT Hub](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ar.png)
+
+### المهمة - إرسال بيانات GPS إلى IoT Hub
+
+1. قم بإنشاء IoT Hub جديد باستخدام الطبقة المجانية.
+
+    > ⚠️ يمكنك الرجوع إلى [تعليمات إنشاء IoT Hub من المشروع 2، الدرس 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud) إذا لزم الأمر.
+
+    تذكر إنشاء مجموعة موارد جديدة. قم بتسمية مجموعة الموارد الجديدة `gps-sensor`، واسم IoT Hub الجديد اسمًا فريدًا بناءً على `gps-sensor`، مثل `gps-sensor-<اسمك>`.
+
+    > 💁 إذا كان لديك IoT Hub من المشروع السابق، يمكنك إعادة استخدامه. تذكر استخدام اسم هذا IoT Hub ومجموعة الموارد التي توجد فيها عند إنشاء خدمات أخرى.
+
+1. أضف جهازًا جديدًا إلى IoT Hub. قم بتسمية هذا الجهاز `gps-sensor`. احصل على سلسلة الاتصال الخاصة بالجهاز.
+
+1. قم بتحديث كود الجهاز الخاص بك لإرسال بيانات GPS إلى IoT Hub الجديد باستخدام سلسلة الاتصال الخاصة بالجهاز من الخطوة السابقة.
+
+    > ⚠️ يمكنك الرجوع إلى [تعليمات توصيل جهازك بـ IoT من المشروع 2، الدرس 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service) إذا لزم الأمر.
+
+1. عند إرسال بيانات GPS، قم بذلك كـ JSON بالتنسيق التالي:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. أرسل بيانات GPS كل دقيقة حتى لا تستخدم حصة الرسائل اليومية الخاصة بك.
+
+إذا كنت تستخدم Wio Terminal، تذكر إضافة جميع المكتبات اللازمة، وضبط الوقت باستخدام خادم NTP. يجب أن يضمن الكود الخاص بك أيضًا أنه قد قرأ جميع البيانات من المنفذ التسلسلي قبل إرسال موقع GPS، باستخدام الكود الموجود من الدرس السابق. استخدم الكود التالي لإنشاء وثيقة JSON:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، تذكر تثبيت جميع المكتبات اللازمة باستخدام بيئة افتراضية.
+
+بالنسبة لكل من Raspberry Pi وجهاز إنترنت الأشياء الافتراضي، استخدم الكود الموجود من الدرس السابق للحصول على قيم خطوط الطول والعرض، ثم أرسلها بالتنسيق الصحيح لـ JSON باستخدام الكود التالي:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 يمكنك العثور على هذا الكود في [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)، [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) أو [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) folder.
+
+قم بتشغيل كود الجهاز الخاص بك وتأكد من تدفق الرسائل إلى IoT Hub باستخدام أمر CLI `az iot hub monitor-events`.
+
+## مسارات البيانات الساخنة، الدافئة، والباردة
+
+البيانات التي تتدفق من جهاز إنترنت الأشياء إلى السحابة لا تتم معالجتها دائمًا في الوقت الفعلي. بعض البيانات تحتاج إلى معالجة في الوقت الفعلي، بينما يمكن معالجة بيانات أخرى بعد فترة قصيرة، وبيانات أخرى يمكن معالجتها لاحقًا. يشير تدفق البيانات إلى خدمات مختلفة تعالج البيانات في أوقات مختلفة إلى المسارات الساخنة، الدافئة، والباردة.
+
+### المسار الساخن
+
+يشير المسار الساخن إلى البيانات التي تحتاج إلى معالجة في الوقت الفعلي أو قريب من الوقت الفعلي. ستستخدم بيانات المسار الساخن للتنبيهات، مثل الحصول على تنبيهات بأن مركبة تقترب من مستودع، أو أن درجة الحرارة في شاحنة مبردة مرتفعة جدًا.
+
+للاستفادة من بيانات المسار الساخن، سيستجيب الكود الخاص بك للأحداث بمجرد استلامها بواسطة خدمات السحابة الخاصة بك.
+
+### المسار الدافئ
+
+يشير المسار الدافئ إلى البيانات التي يمكن معالجتها بعد فترة قصيرة من استلامها، على سبيل المثال للتقارير أو التحليلات قصيرة المدى. ستستخدم بيانات المسار الدافئ للتقارير اليومية عن مسافة المركبات، باستخدام البيانات التي تم جمعها في اليوم السابق.
+
+يتم تخزين بيانات المسار الدافئ بمجرد استلامها بواسطة خدمة السحابة داخل نوع من التخزين الذي يمكن الوصول إليه بسرعة.
+
+### المسار البارد
+
+يشير المسار البارد إلى البيانات التاريخية، حيث يتم تخزين البيانات على المدى الطويل ليتم معالجتها عند الحاجة. على سبيل المثال، يمكنك استخدام المسار البارد للحصول على تقارير سنوية عن مسافة المركبات، أو تشغيل تحليلات على الطرق للعثور على الطريق الأمثل لتقليل تكاليف الوقود.
+
+يتم تخزين بيانات المسار البارد في مستودعات البيانات - قواعد بيانات مصممة لتخزين كميات كبيرة من البيانات التي لن تتغير ويمكن استعلامها بسرعة وسهولة. عادةً ما يكون لديك وظيفة منتظمة في تطبيق السحابة الخاص بك تعمل في وقت منتظم كل يوم، أسبوع، أو شهر لنقل البيانات من تخزين المسار الدافئ إلى مستودع البيانات.
+
+✅ فكر في البيانات التي قمت بجمعها حتى الآن في هذه الدروس. هل هي بيانات مسار ساخن، دافئ، أم بارد؟
+
+## معالجة أحداث GPS باستخدام الكود بدون خادم
+
+بمجرد تدفق البيانات إلى IoT Hub، يمكنك كتابة بعض الكود بدون خادم للاستماع إلى الأحداث المنشورة إلى نقطة النهاية المتوافقة مع Event-Hub. هذا هو المسار الدافئ - سيتم تخزين هذه البيانات واستخدامها في الدرس التالي للتقارير عن الرحلة.
+
+![إرسال بيانات GPS من جهاز إنترنت الأشياء إلى IoT Hub، ثم إلى Azure Functions عبر مشغل Event Hub](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ar.png)
+
+### المهمة - معالجة أحداث GPS باستخدام الكود بدون خادم
+
+1. قم بإنشاء تطبيق Azure Functions باستخدام CLI الخاص بـ Azure Functions. استخدم بيئة تشغيل Python، وقم بإنشائه في مجلد يسمى `gps-trigger`، واستخدم نفس الاسم لمشروع تطبيق Functions. تأكد من إنشاء بيئة افتراضية لاستخدامها.
+> ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشروع Azure Functions من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application) إذا لزم الأمر.
+1. أضف مشغل حدث IoT Hub يستخدم نقطة النهاية المتوافقة مع Event Hub الخاصة بـ IoT Hub.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشغل حدث IoT Hub من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger) إذا لزم الأمر.
+
+1. قم بتعيين سلسلة الاتصال لنقطة النهاية المتوافقة مع Event Hub في ملف `local.settings.json`، واستخدم المفتاح الخاص بهذا الإدخال في ملف `function.json`.
+
+1. استخدم تطبيق Azurite كمحاكي تخزين محلي.
+
+1. قم بتشغيل تطبيق الوظائف الخاص بك للتأكد من أنه يتلقى الأحداث من جهاز GPS الخاص بك. تأكد من تشغيل جهاز IoT الخاص بك أيضًا وإرسال بيانات GPS.
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## حسابات تخزين Azure
+
+![شعار تخزين Azure](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ar.png)
+
+حسابات تخزين Azure هي خدمة تخزين متعددة الأغراض يمكنها تخزين البيانات بطرق متنوعة. يمكنك تخزين البيانات كـ blobs، في قوائم انتظار، في جداول، أو كملفات، وكل ذلك في نفس الوقت.
+
+### تخزين Blob
+
+كلمة *Blob* تعني كائنات كبيرة ثنائية، لكنها أصبحت مصطلحًا لأي بيانات غير منظمة. يمكنك تخزين أي بيانات في تخزين blob، من مستندات JSON التي تحتوي على بيانات IoT، إلى ملفات الصور والأفلام. يحتوي تخزين blob على مفهوم *الحاويات*، وهي دلائل مسماة يمكنك تخزين البيانات فيها، مشابهة للجداول في قاعدة بيانات علائقية. يمكن أن تحتوي هذه الحاويات على مجلدات لتخزين blobs، ويمكن لكل مجلد أن يحتوي على مجلدات أخرى، مشابهة لكيفية تخزين الملفات على القرص الصلب لجهاز الكمبيوتر الخاص بك.
+
+ستستخدم تخزين blob في هذا الدرس لتخزين بيانات IoT.
+
+✅ قم ببعض البحث: اقرأ عن [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### تخزين الجداول
+
+يسمح تخزين الجداول بتخزين البيانات شبه المنظمة. تخزين الجداول هو في الواقع قاعدة بيانات NoSQL، لذا لا يتطلب مجموعة محددة من الجداول مسبقًا، ولكنه مصمم لتخزين البيانات في جدول أو أكثر، مع مفاتيح فريدة لتحديد كل صف.
+
+✅ قم ببعض البحث: اقرأ عن [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### تخزين قوائم الانتظار
+
+يسمح تخزين قوائم الانتظار بتخزين رسائل تصل إلى حجم 64KB في قائمة انتظار. يمكنك إضافة رسائل إلى نهاية قائمة الانتظار، وقراءتها من البداية. تخزن قوائم الانتظار الرسائل إلى أجل غير مسمى طالما أن هناك مساحة تخزين متاحة، مما يسمح بتخزين الرسائل على المدى الطويل ثم قراءتها عند الحاجة. على سبيل المثال، إذا كنت ترغب في تشغيل مهمة شهرية لمعالجة بيانات GPS، يمكنك إضافتها إلى قائمة الانتظار كل يوم لمدة شهر، ثم في نهاية الشهر معالجة جميع الرسائل من قائمة الانتظار.
+
+✅ قم ببعض البحث: اقرأ عن [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### تخزين الملفات
+
+تخزين الملفات هو تخزين الملفات في السحابة، ويمكن لأي تطبيقات أو أجهزة الاتصال باستخدام بروتوكولات قياسية. يمكنك كتابة ملفات إلى تخزين الملفات، ثم تركيبها كقرص على جهاز الكمبيوتر الخاص بك أو جهاز Mac.
+
+✅ قم ببعض البحث: اقرأ عن [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## ربط الكود بدون خادم بالتخزين
+
+يحتاج تطبيق الوظائف الخاص بك الآن إلى الاتصال بتخزين blob لتخزين الرسائل من IoT Hub. هناك طريقتان للقيام بذلك:
+
+* داخل كود الوظيفة، قم بالاتصال بتخزين blob باستخدام Python SDK الخاص بتخزين blob وكتابة البيانات كـ blobs.
+* استخدم ربط وظيفة الإخراج لربط قيمة الإرجاع للوظيفة بتخزين blob وحفظ blob تلقائيًا.
+
+في هذا الدرس، ستستخدم Python SDK لمعرفة كيفية التفاعل مع تخزين blob.
+
+![إرسال بيانات GPS من جهاز IoT إلى IoT Hub، ثم إلى Azure Functions عبر مشغل Event Hub، ثم حفظها في تخزين blob](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ar.png)
+
+سيتم حفظ البيانات كـ JSON blob بالتنسيق التالي:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### المهمة - ربط الكود بدون خادم بالتخزين
+
+1. قم بإنشاء حساب تخزين Azure. قم بتسميته شيئًا مثل `gps<اسمك>`.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء حساب تخزين من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) إذا لزم الأمر.
+
+    إذا كان لديك حساب تخزين من المشروع السابق، يمكنك إعادة استخدامه.
+
+    > 💁 ستتمكن من استخدام نفس حساب التخزين لنشر تطبيق Azure Functions الخاص بك لاحقًا في هذا الدرس.
+
+1. قم بتشغيل الأمر التالي للحصول على سلسلة الاتصال لحساب التخزين:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    استبدل `<storage_name>` باسم حساب التخزين الذي أنشأته في الخطوة السابقة.
+
+1. أضف إدخالًا جديدًا إلى ملف `local.settings.json` لسلسلة الاتصال الخاصة بحساب التخزين، باستخدام القيمة من الخطوة السابقة. قم بتسميته `STORAGE_CONNECTION_STRING`.
+
+1. أضف ما يلي إلى ملف `requirements.txt` لتثبيت حزم Pip الخاصة بتخزين Azure:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    قم بتثبيت الحزم من هذا الملف في بيئتك الافتراضية.
+
+    > إذا حصلت على خطأ، قم بترقية إصدار Pip في بيئتك الافتراضية إلى أحدث إصدار باستخدام الأمر التالي، ثم حاول مرة أخرى:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. في ملف `__init__.py` الخاص بـ `iot-hub-trigger`، أضف عبارات الاستيراد التالية:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    سيتم استخدام وحدة النظام `json` لقراءة وكتابة JSON، ووحدة النظام `os` لقراءة سلسلة الاتصال، ووحدة النظام `uuid` لإنشاء معرف فريد لقراءة GPS.
+
+    تحتوي حزمة `azure.storage.blob` على Python SDK للعمل مع تخزين blob.
+
+1. قبل طريقة `main`، أضف وظيفة المساعد التالية:
+
+    ```python
+    def get_or_create_container(name):
+        connection_str = os.environ['STORAGE_CONNECTION_STRING']
+        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
+    
+        for container in blob_service_client.list_containers():
+            if container.name == name:
+                return blob_service_client.get_container_client(container.name)
+        
+        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
+    ```
+
+    لا يحتوي Python blob SDK على طريقة مساعد لإنشاء حاوية إذا لم تكن موجودة. يقوم هذا الكود بتحميل سلسلة الاتصال من ملف `local.settings.json` (أو إعدادات التطبيق بمجرد نشره في السحابة)، ثم إنشاء فئة `BlobServiceClient` من هذا للتفاعل مع حساب تخزين blob. ثم يقوم بالبحث في جميع الحاويات الخاصة بحساب تخزين blob، بحثًا عن واحدة بالاسم المقدم - إذا وجد واحدة، فإنه يعيد فئة `ContainerClient` التي يمكنها التفاعل مع الحاوية لإنشاء blobs. إذا لم يجد واحدة، يتم إنشاء الحاوية ويتم إرجاع العميل للحاوية الجديدة.
+
+    عند إنشاء الحاوية الجديدة، يتم منح الوصول العام للاستعلام عن blobs في الحاوية. سيتم استخدام هذا في الدرس التالي لتصور بيانات GPS على الخريطة.
+
+1. على عكس رطوبة التربة، مع هذا الكود نريد تخزين كل حدث، لذا أضف الكود التالي داخل حلقة `for event in events:` في وظيفة `main`، أسفل عبارة `logging`:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    يحصل هذا الكود على معرف الجهاز من بيانات الحدث، ثم يستخدمه لإنشاء اسم blob. يمكن تخزين blobs في مجلدات، وسيتم استخدام معرف الجهاز كاسم المجلد، بحيث يكون لكل جهاز جميع أحداث GPS الخاصة به في مجلد واحد. اسم blob هو هذا المجلد، يليه اسم المستند، مفصولًا بشرطة مائلة للأمام، مشابهة لمسارات Linux وmacOS (مشابهة أيضًا لـ Windows، ولكن Windows يستخدم الشرطة المائلة للخلف). اسم المستند هو معرف فريد يتم إنشاؤه باستخدام وحدة Python `uuid`، مع نوع الملف `json`.
+
+    على سبيل المثال، بالنسبة لمعرف الجهاز `gps-sensor`، قد يكون اسم blob هو `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`.
+
+1. أضف الكود التالي أسفل هذا:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    يحصل هذا الكود على عميل الحاوية باستخدام فئة المساعد `get_or_create_container`، ثم يحصل على كائن عميل blob باستخدام اسم blob. يمكن أن تشير عملاء blob إلى blobs موجودة، أو كما في هذه الحالة، إلى blob جديد.
+
+1. أضف الكود التالي بعد هذا:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    blob_body = {
+        'device_id' : device_id,
+        'timestamp' : event.iothub_metadata['enqueuedtime'],
+        'gps': event_body['gps']
+    }
+    ```
+
+    يقوم هذا ببناء جسم blob الذي سيتم كتابته إلى تخزين blob. إنه مستند JSON يحتوي على معرف الجهاز، وقت إرسال البيانات إلى IoT Hub، وإحداثيات GPS من البيانات.
+
+    > 💁 من المهم استخدام وقت إدراج الرسالة بدلاً من الوقت الحالي للحصول على الوقت الذي تم إرسال الرسالة فيه. قد تكون جالسة على hub لفترة قبل أن يتم التقاطها إذا لم يكن تطبيق الوظائف قيد التشغيل.
+
+1. أضف الكود التالي أسفل هذا:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    يسجل هذا الكود أن blob على وشك أن يتم كتابته مع تفاصيله، ثم يرفع جسم blob كمحتوى للـ blob الجديد.
+
+1. قم بتشغيل تطبيق الوظائف. سترى blobs يتم كتابتها لجميع أحداث GPS في الإخراج:
+
+    ```output
+    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
+    ...
+    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
+    ```
+
+    > 💁 تأكد من أنك لا تقوم بتشغيل مراقب أحداث IoT Hub في نفس الوقت.
+
+> 💁 يمكنك العثور على هذا الكود في [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) المجلد.
+
+### المهمة - التحقق من الـ blobs المرفوعة
+
+1. لعرض الـ blobs التي تم إنشاؤها، يمكنك استخدام [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)، أداة مجانية تتيح لك عرض وإدارة حسابات التخزين الخاصة بك، أو من CLI.
+
+    1. لاستخدام CLI، أولاً ستحتاج إلى مفتاح الحساب. قم بتشغيل الأمر التالي للحصول على هذا المفتاح:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        استبدل `<storage_name>` باسم حساب التخزين.
+
+        انسخ قيمة `key1`.
+
+    1. قم بتشغيل الأمر التالي لسرد الـ blobs في الحاوية:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        استبدل `<storage_name>` باسم حساب التخزين، و`<key1>` بالقيمة التي نسختها في الخطوة الأخيرة.
+
+        سيقوم هذا بسرد جميع الـ blobs في الحاوية:
+
+        ```output
+        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
+        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
+        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
+        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        ```
+
+    1. قم بتنزيل أحد الـ blobs باستخدام الأمر التالي:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        استبدل `<storage_name>` باسم حساب التخزين، و`<key1>` بالقيمة التي نسختها في الخطوة السابقة.
+
+        استبدل `<blob_name>` بالاسم الكامل من عمود `Name` في إخراج الخطوة الأخيرة، بما في ذلك اسم المجلد. استبدل `<file_name>` باسم ملف محلي لحفظ الـ blob فيه.
+
+    بمجرد التنزيل، يمكنك فتح ملف JSON في VS Code، وسترى الـ blob يحتوي على تفاصيل موقع GPS:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### المهمة - نشر تطبيق الوظائف الخاص بك إلى السحابة
+
+الآن بعد أن أصبح تطبيق الوظائف الخاص بك يعمل، يمكنك نشره إلى السحابة.
+
+1. قم بإنشاء تطبيق وظائف Azure جديد، باستخدام حساب التخزين الذي أنشأته سابقًا. قم بتسميته شيئًا مثل `gps-sensor-` وأضف معرفًا فريدًا في النهاية، مثل بعض الكلمات العشوائية أو اسمك.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء تطبيق وظائف من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) إذا لزم الأمر.
+
+1. قم برفع قيم `IOT_HUB_CONNECTION_STRING` و`STORAGE_CONNECTION_STRING` إلى إعدادات التطبيق.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لرفع إعدادات التطبيق من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings) إذا لزم الأمر.
+
+1. قم بنشر تطبيق الوظائف المحلي الخاص بك إلى السحابة.
+> ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بنشر تطبيق Functions الخاص بك من المشروع 2، الدرس 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud) إذا لزم الأمر.
+---
+
+## 🚀 التحدي
+
+بيانات GPS ليست دقيقة تمامًا، وقد تكون المواقع المكتشفة غير صحيحة ببضعة أمتار، خاصة في الأنفاق والمناطق ذات المباني العالية.
+
+فكر في كيفية تمكن الملاحة عبر الأقمار الصناعية من التغلب على هذه المشكلة؟ ما البيانات التي يمتلكها جهاز الملاحة الخاص بك والتي يمكن أن تساعده في تقديم توقعات أفضل لموقعك؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ عن البيانات المهيكلة في [صفحة نموذج البيانات على ويكيبيديا](https://wikipedia.org/wiki/Data_model)
+* اقرأ عن البيانات شبه المهيكلة في [صفحة البيانات شبه المهيكلة على ويكيبيديا](https://wikipedia.org/wiki/Semi-structured_data)
+* اقرأ عن البيانات غير المهيكلة في [صفحة البيانات غير المهيكلة على ويكيبيديا](https://wikipedia.org/wiki/Unstructured_data)
+* اقرأ المزيد عن تخزين Azure وأنواع التخزين المختلفة في [وثائق تخزين Azure](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## الواجب
+
+[تحقيق في روابط الوظائف](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/2-store-location-data/assignment.md b/translations/ar/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..6526de36
--- /dev/null
+++ b/translations/ar/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-27T01:03:10+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "ar"
+}
+-->
+# التحقيق في ارتباطات الوظائف
+
+## التعليمات
+
+تتيح لك ارتباطات الوظائف حفظ الكتل (blobs) في تخزين الكتل عن طريق إرجاعها من وظيفة `main`. يتم تكوين حساب تخزين Azure، المجموعة، والتفاصيل الأخرى في ملف `function.json`.
+
+عند العمل مع Azure أو تقنيات Microsoft الأخرى، فإن أفضل مصدر للمعلومات هو [وثائق Microsoft على docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). في هذه المهمة، ستحتاج إلى قراءة وثائق ارتباطات وظائف Azure لمعرفة كيفية إعداد ارتباط الإخراج.
+
+بعض الصفحات التي يمكنك البدء بها هي:
+
+* [مفاهيم مشغلات وارتباطات وظائف Azure](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [نظرة عامة على ارتباطات تخزين الكتل لوظائف Azure](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [ارتباط إخراج تخزين الكتل لوظائف Azure](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------- | ------- | --------------- |
+| إعداد ارتباط إخراج تخزين الكتل | تم إعداد ارتباط الإخراج بنجاح، وتم إرجاع الكتلة وتخزينها بنجاح في تخزين الكتل | تم إعداد ارتباط الإخراج أو إرجاع الكتلة ولكن لم يتم تخزينها بنجاح في تخزين الكتل | لم يتم إعداد ارتباط الإخراج |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/3-visualize-location-data/README.md b/translations/ar/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..c64af870
--- /dev/null
+++ b/translations/ar/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-27T00:53:13+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "ar"
+}
+-->
+# تصور بيانات الموقع
+
+![رسم توضيحي لهذا الدرس](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على Azure Maps مع إنترنت الأشياء، وهي خدمة سيتم تغطيتها في هذا الدرس.
+
+[![Azure Maps - منصة المواقع الجغرافية من Microsoft Azure](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار قبل المحاضرة
+
+[اختبار قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## المقدمة
+
+في الدرس السابق، تعلمت كيفية الحصول على بيانات GPS من مستشعراتك وحفظها في السحابة داخل حاوية تخزين باستخدام كود بدون خادم. الآن ستكتشف كيفية تصور هذه النقاط على خريطة Azure. ستتعلم كيفية إنشاء خريطة على صفحة ويب، والتعرف على تنسيق بيانات GeoJSON وكيفية استخدامه لرسم جميع نقاط GPS الملتقطة على خريطتك.
+
+في هذا الدرس سنغطي:
+
+* [ما هو تصور البيانات](../../../../../3-transport/lessons/3-visualize-location-data)
+* [خدمات الخرائط](../../../../../3-transport/lessons/3-visualize-location-data)
+* [إنشاء مورد Azure Maps](../../../../../3-transport/lessons/3-visualize-location-data)
+* [عرض خريطة على صفحة ويب](../../../../../3-transport/lessons/3-visualize-location-data)
+* [تنسيق GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+* [رسم بيانات GPS على خريطة باستخدام GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 سيتضمن هذا الدرس كمية صغيرة من HTML وJavaScript. إذا كنت ترغب في معرفة المزيد عن تطوير الويب باستخدام HTML وJavaScript، تحقق من [تطوير الويب للمبتدئين](https://github.com/microsoft/Web-Dev-For-Beginners).
+
+## ما هو تصور البيانات
+
+تصور البيانات، كما يوحي الاسم، يتعلق بتصور البيانات بطرق تجعلها أسهل للفهم البشري. عادةً ما يرتبط بالمخططات والرسوم البيانية، ولكنه أي طريقة لتمثيل البيانات بصريًا لمساعدة البشر على فهم البيانات بشكل أفضل واتخاذ القرارات.
+
+لنأخذ مثالًا بسيطًا - في مشروع المزرعة، قمت بجمع قراءات رطوبة التربة. قد تكون بيانات رطوبة التربة التي تم جمعها كل ساعة في 1 يونيو 2021 كما يلي:
+
+| التاريخ          | القراءة |
+| ---------------- | ------: |
+| 01/06/2021 00:00 |     257 |
+| 01/06/2021 01:00 |     268 |
+| 01/06/2021 02:00 |     295 |
+| 01/06/2021 03:00 |     305 |
+| 01/06/2021 04:00 |     325 |
+| 01/06/2021 05:00 |     359 |
+| 01/06/2021 06:00 |     398 |
+| 01/06/2021 07:00 |     410 |
+| 01/06/2021 08:00 |     429 |
+| 01/06/2021 09:00 |     451 |
+| 01/06/2021 10:00 |     460 |
+| 01/06/2021 11:00 |     452 |
+| 01/06/2021 12:00 |     420 |
+| 01/06/2021 13:00 |     408 |
+| 01/06/2021 14:00 |     431 |
+| 01/06/2021 15:00 |     462 |
+| 01/06/2021 16:00 |     432 |
+| 01/06/2021 17:00 |     402 |
+| 01/06/2021 18:00 |     387 |
+| 01/06/2021 19:00 |     360 |
+| 01/06/2021 20:00 |     358 |
+| 01/06/2021 21:00 |     354 |
+| 01/06/2021 22:00 |     356 |
+| 01/06/2021 23:00 |     362 |
+
+بالنسبة للبشر، قد يكون فهم هذه البيانات صعبًا. إنها مجرد أرقام بدون معنى. كخطوة أولى لتصور هذه البيانات، يمكن رسمها على مخطط خطي:
+
+![مخطط خطي للبيانات أعلاه](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ar.png)
+
+يمكن تحسين هذا المخطط بإضافة خط يشير إلى وقت تشغيل نظام الري التلقائي عند قراءة رطوبة التربة 450:
+
+![مخطط خطي لرطوبة التربة مع خط عند 450](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ar.png)
+
+يوضح هذا المخطط بسرعة ليس فقط مستويات رطوبة التربة، ولكن أيضًا النقاط التي تم فيها تشغيل نظام الري.
+
+المخططات ليست الأداة الوحيدة لتصور البيانات. يمكن لأجهزة إنترنت الأشياء التي تتبع الطقس أن تحتوي على تطبيقات ويب أو تطبيقات جوال تصور ظروف الطقس باستخدام رموز، مثل رمز السحابة للأيام الغائمة، ورمز السحابة الممطرة للأيام الممطرة، وهكذا. هناك عدد كبير من الطرق لتصور البيانات، بعضها جاد وبعضها ممتع.
+
+✅ فكر في الطرق التي رأيت بها البيانات مصورة. أي الطرق كانت الأكثر وضوحًا وساعدتك على اتخاذ القرارات بشكل أسرع؟
+
+أفضل التصورات هي التي تسمح للبشر باتخاذ القرارات بسرعة. على سبيل المثال، وجود جدار مليء بالمقاييس التي تعرض جميع أنواع القراءات من الآلات الصناعية قد يكون صعبًا في المعالجة، ولكن وجود ضوء أحمر وامض عند حدوث خطأ ما يسمح للإنسان باتخاذ قرار. أحيانًا يكون أفضل تصور هو ضوء وامض!
+
+عند العمل مع بيانات GPS، قد يكون التصور الأكثر وضوحًا هو رسم البيانات على خريطة. على سبيل المثال، يمكن أن تساعد خريطة تعرض شاحنات التوصيل العمال في مصنع معالجة على معرفة وقت وصول الشاحنات. إذا أظهرت هذه الخريطة أكثر من مجرد صور للشاحنات في مواقعها الحالية، ولكنها قدمت فكرة عن محتويات الشاحنة، يمكن للعمال في المصنع التخطيط وفقًا لذلك - إذا رأوا شاحنة مبردة قريبة، فإنهم يعرفون أنهم بحاجة إلى تجهيز مساحة في الثلاجة.
+
+## خدمات الخرائط
+
+العمل مع الخرائط هو تمرين مثير للاهتمام، وهناك العديد من الخيارات مثل Bing Maps، وLeaflet، وOpen Street Maps، وGoogle Maps. في هذا الدرس، ستتعلم عن [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) وكيف يمكنها عرض بيانات GPS الخاصة بك.
+
+![شعار Azure Maps](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ar.png)
+
+Azure Maps هي "مجموعة من الخدمات الجغرافية المكانية وSDKs التي تستخدم بيانات خرائط حديثة لتوفير سياق جغرافي لتطبيقات الويب والجوال." يتم تزويد المطورين بأدوات لإنشاء خرائط تفاعلية وجميلة يمكنها القيام بأشياء مثل توفير مسارات المرور الموصى بها، تقديم معلومات عن حوادث المرور، التنقل الداخلي، قدرات البحث، معلومات الارتفاع، خدمات الطقس والمزيد.
+
+✅ جرب بعض [أمثلة كود الخرائط](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+يمكنك عرض الخرائط كقماش فارغ، أو كصور أقمار صناعية، أو صور أقمار صناعية مع الطرق المرسومة فوقها، أو أنواع مختلفة من الخرائط الرمادية، أو خرائط مع تظليل لإظهار الارتفاع، أو خرائط ليلية، أو خريطة عالية التباين. يمكنك الحصول على تحديثات في الوقت الفعلي على خرائطك من خلال دمجها مع [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn). يمكنك التحكم في سلوك ومظهر خرائطك من خلال تمكين عناصر تحكم مختلفة للسماح للخريطة بالتفاعل مع الأحداث مثل التكبير، السحب، والنقر. للتحكم في مظهر خريطتك، يمكنك إضافة طبقات تتضمن فقاعات، خطوط، مضلعات، خرائط حرارية، والمزيد. يعتمد نوع الخريطة التي تنفذها على اختيارك لـ SDK.
+
+يمكنك الوصول إلى واجهات برمجة تطبيقات Azure Maps باستخدام [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest)، أو [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn)، أو إذا كنت تقوم ببناء تطبيق جوال، [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android).
+
+في هذا الدرس، ستستخدم Web SDK لرسم خريطة وعرض مسار موقع GPS الخاص بمستشعرك.
+
+## إنشاء مورد Azure Maps
+
+خطوتك الأولى هي إنشاء حساب Azure Maps.
+
+### المهمة - إنشاء مورد Azure Maps
+
+1. قم بتشغيل الأمر التالي من Terminal أو Command Prompt لإنشاء مورد Azure Maps في مجموعة الموارد `gps-sensor`:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    سيؤدي هذا إلى إنشاء مورد Azure Maps يسمى `gps-sensor`. الطبقة المستخدمة هي `S1`، وهي طبقة مدفوعة تتضمن مجموعة من الميزات، ولكن مع عدد كبير من المكالمات المجانية.
+
+    > 💁 لمعرفة تكلفة استخدام Azure Maps، تحقق من [صفحة تسعير Azure Maps](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+1. ستحتاج إلى مفتاح API لمورد الخرائط. استخدم الأمر التالي للحصول على هذا المفتاح:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    قم بنسخ قيمة `PrimaryKey`.
+
+## عرض خريطة على صفحة ويب
+
+الآن يمكنك الانتقال إلى الخطوة التالية وهي عرض خريطتك على صفحة ويب. سنستخدم ملف `html` واحد فقط لتطبيق الويب الصغير الخاص بك؛ ضع في اعتبارك أنه في بيئة إنتاج أو فريق، سيكون لتطبيق الويب الخاص بك أجزاء متحركة أكثر!
+
+### المهمة - عرض خريطة على صفحة ويب
+
+1. قم بإنشاء ملف يسمى index.html في مجلد ما على جهاز الكمبيوتر الخاص بك. أضف تعليمات HTML البرمجية لاحتواء الخريطة:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    سيتم تحميل الخريطة في `div` المسمى `myMap`. بعض الأنماط تسمح لها بملء عرض وارتفاع الصفحة.
+
+    > 🎓 `div` هو قسم من صفحة ويب يمكن تسميته وتنسيقه.
+
+1. تحت علامة `<head>` الافتتاحية، أضف ورقة أنماط خارجية للتحكم في عرض الخريطة، ونصًا خارجيًا من Web SDK لإدارة سلوكها:
+
+    ```html
+    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
+    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
+    ```
+
+    تحتوي ورقة الأنماط هذه على الإعدادات الخاصة بكيفية ظهور الخريطة، ويحتوي ملف النص البرمجي على الكود لتحميل الخريطة. إضافة هذا الكود يشبه تضمين ملفات رأس C++ أو استيراد وحدات Python.
+
+1. تحت هذا النص البرمجي، أضف كتلة نص برمجي لتشغيل الخريطة.
+
+    ```javascript
+    <script type='text/javascript'>
+        function init() {
+            var map = new atlas.Map('myMap', {
+                center: [-122.26473, 47.73444],
+                zoom: 12,
+                authOptions: {
+                    authType: "subscriptionKey",
+                    subscriptionKey: "<subscription_key>",
+
+                }
+            });
+        }
+    </script>
+    ```
+
+    استبدل `<subscription_key>` بمفتاح API الخاص بحساب Azure Maps الخاص بك.
+
+    إذا فتحت صفحة `index.html` الخاصة بك في متصفح ويب، يجب أن ترى خريطة محملة ومركزة على منطقة سياتل.
+
+    ![خريطة تظهر سياتل، مدينة في ولاية واشنطن، الولايات المتحدة](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ar.png)
+
+    ✅ جرب معلمات التكبير والتوسيط لتغيير عرض الخريطة. يمكنك إضافة إحداثيات مختلفة تتوافق مع خطوط الطول والعرض لبياناتك لإعادة توسيط الخريطة.
+
+> 💁 طريقة أفضل للعمل مع تطبيقات الويب محليًا هي تثبيت [http-server](https://www.npmjs.com/package/http-server). ستحتاج إلى [node.js](https://nodejs.org/) و[npm](https://www.npmjs.com/) مثبتين قبل استخدام هذه الأداة. بمجرد تثبيت هذه الأدوات، يمكنك الانتقال إلى موقع ملف `index.html` الخاص بك وكتابة `http-server`. سيفتح تطبيق الويب على خادم ويب محلي [http://127.0.0.1:8080/](http://127.0.0.1:8080/).
+
+## تنسيق GeoJSON
+
+الآن بعد أن أصبح لديك تطبيق الويب الخاص بك في مكانه مع عرض الخريطة، تحتاج إلى استخراج بيانات GPS من حساب التخزين الخاص بك وعرضها في طبقة من العلامات فوق الخريطة. قبل أن نفعل ذلك، دعنا نلقي نظرة على تنسيق [GeoJSON](https://wikipedia.org/wiki/GeoJSON) المطلوب من Azure Maps.
+
+[GeoJSON](https://geojson.org/) هو معيار مفتوح لتنسيق JSON مع تنسيق خاص مصمم للتعامل مع البيانات الجغرافية. يمكنك التعرف عليه من خلال اختبار بيانات نموذجية باستخدام [geojson.io](https://geojson.io)، وهو أيضًا أداة مفيدة لتصحيح ملفات GeoJSON.
+
+تبدو بيانات GeoJSON النموذجية كما يلي:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+ما يهمنا بشكل خاص هو الطريقة التي يتم بها تضمين البيانات كـ `Feature` داخل `FeatureCollection`. داخل هذا الكائن يمكن العثور على `geometry` مع `coordinates` التي تشير إلى خطوط الطول والعرض.
+
+✅ عند بناء GeoJSON الخاص بك، انتبه لترتيب `latitude` و`longitude` في الكائن، وإلا لن تظهر النقاط في أماكنها الصحيحة! يتوقع GeoJSON البيانات بترتيب `lon,lat` للنقاط، وليس `lat,lon`.
+
+يمكن أن يكون لـ `Geometry` أنواع مختلفة، مثل نقطة واحدة أو مضلع. في هذا المثال، هي نقطة مع إحداثيين محددين، خط الطول وخط العرض.
+✅ تدعم Azure Maps معيار GeoJSON بالإضافة إلى بعض [الميزات المحسّنة](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn) بما في ذلك القدرة على رسم الدوائر والهندسيات الأخرى.
+
+## عرض بيانات GPS على الخريطة باستخدام GeoJSON
+
+الآن أصبحت جاهزًا لاستهلاك البيانات من التخزين الذي قمت ببنائه في الدرس السابق. للتذكير، يتم تخزينها كعدد من الملفات في تخزين blob، لذا ستحتاج إلى استرجاع الملفات وتحليلها حتى تتمكن Azure Maps من استخدام البيانات.
+
+### المهمة - إعداد التخزين ليتم الوصول إليه من صفحة ويب
+
+إذا قمت بإجراء طلب إلى التخزين الخاص بك لجلب البيانات، قد تتفاجأ برؤية أخطاء تظهر في وحدة التحكم الخاصة بالمتصفح. السبب في ذلك هو أنك بحاجة إلى إعداد أذونات [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) على هذا التخزين للسماح لتطبيقات الويب الخارجية بقراءة بياناته.
+
+> 🎓 يشير CORS إلى "مشاركة الموارد عبر الأصل" وعادةً ما يحتاج إلى الإعداد بشكل صريح في Azure لأسباب أمنية. يمنع المواقع التي لا تتوقعها من الوصول إلى بياناتك.
+
+1. قم بتشغيل الأمر التالي لتمكين CORS:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    استبدل `<storage_name>` باسم حساب التخزين الخاص بك. استبدل `<key1>` بمفتاح الحساب لحساب التخزين الخاص بك.
+
+    يتيح هذا الأمر لأي موقع ويب (الرمز `*` يعني أي موقع) إجراء طلب *GET*، أي الحصول على البيانات، من حساب التخزين الخاص بك. يشير `--services b` إلى تطبيق هذا الإعداد فقط على الـ blobs.
+
+### المهمة - تحميل بيانات GPS من التخزين
+
+1. استبدل محتويات دالة `init` بالكامل بالكود التالي:
+
+    ```javascript
+    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
+        .then(response => response.text())
+        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
+        .then(xml => {
+            let blobList = Array.from(xml.querySelectorAll("Url"));
+                blobList.forEach(async blobUrl => {
+                    loadJSON(blobUrl.innerHTML)                
+        });
+    })
+    .then( response => {
+        map = new atlas.Map('myMap', {
+            center: [-122.26473, 47.73444],
+            zoom: 14,
+            authOptions: {
+                authType: "subscriptionKey",
+                subscriptionKey: "<subscription_key>",
+    
+            }
+        });
+        map.events.add('ready', function () {
+            var source = new atlas.source.DataSource();
+            map.sources.add(source);
+            map.layers.add(new atlas.layer.BubbleLayer(source));
+            source.add(features);
+        })
+    })
+    ```
+
+    استبدل `<storage_name>` باسم حساب التخزين الخاص بك. استبدل `<subscription_key>` بمفتاح API لحساب Azure Maps الخاص بك.
+
+    هناك عدة أمور تحدث هنا. أولاً، يقوم الكود بجلب بيانات GPS الخاصة بك من حاوية blob باستخدام نقطة نهاية URL تم إنشاؤها باستخدام اسم حساب التخزين الخاص بك. يسترجع هذا الـ URL من `gps-data`، مما يشير إلى أن نوع المورد هو حاوية (`restype=container`)، ويعرض معلومات حول جميع الـ blobs. لن تُرجع هذه القائمة الـ blobs نفسها، ولكنها ستُرجع URL لكل blob يمكن استخدامه لتحميل بيانات الـ blob.
+
+    > 💁 يمكنك وضع هذا الـ URL في متصفحك لرؤية تفاصيل جميع الـ blobs في الحاوية الخاصة بك. سيكون لكل عنصر خاصية `Url` يمكنك أيضًا تحميلها في متصفحك لرؤية محتويات الـ blob.
+
+    يقوم هذا الكود بعد ذلك بتحميل كل blob، مستدعيًا دالة `loadJSON`، التي سيتم إنشاؤها لاحقًا. ثم يقوم بإنشاء عنصر التحكم في الخريطة، ويضيف كودًا إلى حدث `ready`. يتم استدعاء هذا الحدث عند عرض الخريطة على صفحة الويب.
+
+    يقوم حدث `ready` بإنشاء مصدر بيانات Azure Maps - وهو حاوية تحتوي على بيانات GeoJSON سيتم ملؤها لاحقًا. يتم استخدام مصدر البيانات هذا بعد ذلك لإنشاء طبقة فقاعات - وهي مجموعة من الدوائر على الخريطة تتمركز فوق كل نقطة في GeoJSON.
+
+1. أضف دالة `loadJSON` إلى كتلة السكربت الخاصة بك، أسفل دالة `init`:
+
+    ```javascript
+    var map, features;
+
+    function loadJSON(file) {
+        var xhr = new XMLHttpRequest();
+        features = [];
+        xhr.onreadystatechange = function () {
+            if (xhr.readyState === XMLHttpRequest.DONE) {
+                if (xhr.status === 200) {
+                    gps = JSON.parse(xhr.responseText)
+                    features.push(
+                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
+                    )
+                }
+            }
+        };
+        xhr.open("GET", file, true);
+        xhr.send();
+    }    
+    ```
+
+    يتم استدعاء هذه الدالة بواسطة روتين الجلب لتحليل بيانات JSON وتحويلها لتُقرأ كإحداثيات خط الطول والعرض كـ GeoJSON. 
+    بمجرد تحليلها، يتم تعيين البيانات كجزء من خاصية `Feature` في GeoJSON. سيتم تهيئة الخريطة وستظهر فقاعات صغيرة حول المسار الذي ترسمه بياناتك:
+
+1. قم بتحميل صفحة HTML في متصفحك. ستقوم بتحميل الخريطة، ثم تحميل جميع بيانات GPS من التخزين وعرضها على الخريطة.
+
+    ![خريطة لمنتزه Saint Edward State Park بالقرب من سياتل، مع دوائر تظهر مسارًا حول حافة المنتزه](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في [المجلد](../../../../../3-transport/lessons/3-visualize-location-data/code).
+
+---
+
+## 🚀 التحدي
+
+من الجميل أن تكون قادرًا على عرض بيانات ثابتة على الخريطة كعلامات. هل يمكنك تحسين تطبيق الويب هذا لإضافة الرسوم المتحركة وعرض مسار العلامات بمرور الوقت باستخدام ملفات JSON المؤرخة؟ إليك [بعض الأمثلة](https://azuremapscodesamples.azurewebsites.net/) لاستخدام الرسوم المتحركة داخل الخرائط.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## المراجعة والدراسة الذاتية
+
+تعد Azure Maps مفيدة بشكل خاص للعمل مع أجهزة إنترنت الأشياء.
+
+* ابحث عن بعض الاستخدامات في [وثائق Azure Maps على موقع Microsoft docs](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn).
+* عمّق معرفتك بصنع الخرائط ونقاط الطريق باستخدام [وحدة التعلم الذاتية لإنشاء أول تطبيق للبحث عن المسارات باستخدام Azure Maps على Microsoft Learn](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+## الواجب
+
+[قم بنشر تطبيقك](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/ar/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..83092557
--- /dev/null
+++ b/translations/ar/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-27T00:56:35+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "ar"
+}
+-->
+# نشر تطبيقك
+
+## التعليمات
+
+هناك عدة طرق يمكنك من خلالها نشر تطبيقك ومشاركته مع العالم، بما في ذلك استخدام صفحات GitHub أو أحد مقدمي الخدمات المتعددين. طريقة ممتازة للقيام بذلك هي استخدام Azure Static Web Apps. في هذه المهمة، قم ببناء تطبيق الويب الخاص بك ونشره على السحابة باتباع [هذه التعليمات](https://github.com/Azure/static-web-apps-cli) أو مشاهدة [هذه الفيديوهات](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3).  
+من فوائد استخدام Azure Static Web Apps أنه يمكنك إخفاء أي مفاتيح API في البوابة، لذا اغتنم هذه الفرصة لإعادة هيكلة subscriptionKey كمتغير وتخزينه في السحابة.
+
+## المعايير
+
+| المعايير | مثالي                                                                                                                                   | مقبول                                                                                                              | يحتاج إلى تحسين                                   |
+| -------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------ |
+|          | يتم تقديم تطبيق ويب يعمل في مستودع GitHub موثق مع تخزين subscriptionKey في السحابة واستدعائه عبر متغير                                   | يتم تقديم تطبيق ويب يعمل في مستودع GitHub موثق ولكن subscriptionKey غير مخزن في السحابة                              | يحتوي تطبيق الويب على أخطاء أو لا يعمل بشكل صحيح |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/4-geofences/README.md b/translations/ar/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..cc0cbb80
--- /dev/null
+++ b/translations/ar/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-27T00:36:26+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "ar"
+}
+-->
+# الأسوار الجغرافية
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ar.jpg)
+
+> رسم توضيحي من [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة لعرض نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على الأسوار الجغرافية وكيفية استخدامها في Azure Maps، وهي المواضيع التي سيتم تناولها في هذا الدرس:
+
+[![الأسوار الجغرافية باستخدام Azure Maps من عرض Microsoft Developer IoT](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 اضغط على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## المقدمة
+
+في الدروس الثلاثة الأخيرة، استخدمت إنترنت الأشياء لتحديد مواقع الشاحنات التي تنقل منتجاتك من المزرعة إلى مركز المعالجة. قمت بجمع بيانات GPS، وإرسالها إلى السحابة لتخزينها، وعرضها على الخريطة. الخطوة التالية لتحسين كفاءة سلسلة التوريد الخاصة بك هي تلقي تنبيه عندما تكون الشاحنة على وشك الوصول إلى مركز المعالجة، بحيث يكون الطاقم جاهزًا بالمعدات اللازمة مثل الرافعات الشوكية فور وصول المركبة. بهذه الطريقة يمكن تفريغ الحمولة بسرعة، ولن تضطر لدفع تكاليف انتظار الشاحنة والسائق.
+
+في هذا الدرس، ستتعلم عن الأسوار الجغرافية - وهي مناطق جغرافية محددة مثل منطقة تقع ضمن مسافة قيادة لمدة دقيقتين من مركز المعالجة، وكيفية اختبار ما إذا كانت إحداثيات GPS داخل أو خارج السور الجغرافي، حتى تتمكن من معرفة ما إذا كان جهاز استشعار GPS قد وصل إلى المنطقة أو غادرها.
+
+في هذا الدرس سنتناول:
+
+* [ما هي الأسوار الجغرافية](../../../../../3-transport/lessons/4-geofences)
+* [تعريف السور الجغرافي](../../../../../3-transport/lessons/4-geofences)
+* [اختبار النقاط مقابل السور الجغرافي](../../../../../3-transport/lessons/4-geofences)
+* [استخدام الأسوار الجغرافية من خلال التعليمات البرمجية بدون خادم](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 هذا هو الدرس الأخير في هذا المشروع، لذا بعد إكمال هذا الدرس والتكليف، لا تنس تنظيف خدمات السحابة الخاصة بك. ستحتاج إلى الخدمات لإكمال التكليف، لذا تأكد من إكماله أولاً.
+>
+> راجع [دليل تنظيف المشروع](../../../clean-up.md) إذا لزم الأمر للحصول على تعليمات حول كيفية القيام بذلك.
+
+## ما هي الأسوار الجغرافية
+
+السور الجغرافي هو حدود افتراضية لمنطقة جغرافية حقيقية. يمكن أن تكون الأسوار الجغرافية دوائر محددة كنقطة ونصف قطر (على سبيل المثال دائرة بعرض 100 متر حول مبنى)، أو مضلعات تغطي منطقة مثل منطقة مدرسة، حدود مدينة، أو حرم جامعي أو مكتبي.
+
+![بعض أمثلة الأسوار الجغرافية تظهر سورًا دائريًا حول متجر شركة Microsoft، وسورًا مضلعًا حول الحرم الغربي لشركة Microsoft](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ar.png)
+
+> 💁 ربما تكون قد استخدمت الأسوار الجغرافية بالفعل دون أن تدرك ذلك. إذا قمت بتعيين تذكير باستخدام تطبيق التذكيرات على iOS أو Google Keep بناءً على موقع، فقد استخدمت سورًا جغرافيًا. تقوم هذه التطبيقات بإنشاء سور جغرافي بناءً على الموقع المحدد وتنبهك عندما يدخل هاتفك السور الجغرافي.
+
+هناك العديد من الأسباب التي قد تجعلك ترغب في معرفة ما إذا كانت مركبة داخل أو خارج سور جغرافي:
+
+* **التحضير للتفريغ** - تلقي إشعار بوصول مركبة إلى الموقع يسمح للطاقم بالاستعداد لتفريغ المركبة، مما يقلل من وقت انتظار المركبة. يمكن أن يسمح ذلك للسائق بإجراء المزيد من عمليات التسليم في اليوم مع وقت انتظار أقل.
+* **الامتثال الضريبي** - بعض الدول، مثل نيوزيلندا، تفرض ضرائب على الطرق للمركبات التي تعمل بالديزل بناءً على وزن المركبة عند القيادة على الطرق العامة فقط. باستخدام الأسوار الجغرافية، يمكنك تتبع المسافة المقطوعة على الطرق العامة مقابل الطرق الخاصة في مواقع مثل المزارع أو مناطق قطع الأشجار.
+* **مراقبة السرقة** - إذا كان من المفترض أن تبقى مركبة في منطقة معينة مثل مزرعة، وغادرت السور الجغرافي، فقد تكون قد سُرقت.
+* **الامتثال المكاني** - بعض أجزاء مواقع العمل أو المزارع أو المصانع قد تكون محظورة على مركبات معينة، مثل إبقاء المركبات التي تحمل أسمدة صناعية ومبيدات حشرية بعيدًا عن الحقول التي تزرع منتجات عضوية. إذا تم دخول سور جغرافي، فإن المركبة تكون خارج الامتثال ويمكن إخطار السائق.
+
+✅ هل يمكنك التفكير في استخدامات أخرى للأسوار الجغرافية؟
+
+تتيح لك Azure Maps، الخدمة التي استخدمتها في الدرس السابق لعرض بيانات GPS، تعريف الأسوار الجغرافية، ثم اختبار ما إذا كانت نقطة داخل أو خارج السور الجغرافي.
+
+## تعريف السور الجغرافي
+
+يتم تعريف الأسوار الجغرافية باستخدام GeoJSON، تمامًا مثل النقاط التي تمت إضافتها إلى الخريطة في الدرس السابق. في هذه الحالة، بدلاً من أن تكون `FeatureCollection` تحتوي على قيم `Point`، فهي `FeatureCollection` تحتوي على `Polygon`.
+
+```json
+{
+   "type": "FeatureCollection",
+   "features": [
+     {
+       "type": "Feature",
+       "geometry": {
+         "type": "Polygon",
+         "coordinates": [
+           [
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ],
+             [
+               -122.13389128446579,
+               47.63782047131512
+             ],
+             [
+               -122.13240802288054,
+               47.63783312249837
+             ],
+             [
+               -122.13238388299942,
+               47.63829037035086
+             ],
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ]
+           ]
+         ]
+       },
+       "properties": {
+         "geometryId": "1"
+       }
+     }
+   ]
+}
+```
+
+كل نقطة في المضلع يتم تعريفها كزوج من الإحداثيات (خط الطول، خط العرض) في مصفوفة، وهذه النقاط تكون في مصفوفة يتم تعيينها كـ `coordinates`. في `Point` في الدرس السابق، كانت `coordinates` مصفوفة تحتوي على قيمتين، خط العرض وخط الطول، أما في `Polygon` فهي مصفوفة من المصفوفات تحتوي على قيمتين، خط الطول وخط العرض.
+
+> 💁 تذكر، GeoJSON يستخدم `خط الطول، خط العرض` للنقاط، وليس `خط العرض، خط الطول`
+
+مصفوفة إحداثيات المضلع تحتوي دائمًا على إدخال واحد أكثر من عدد النقاط في المضلع، حيث يكون الإدخال الأخير هو نفسه الإدخال الأول، لإغلاق المضلع. على سبيل المثال، للمستطيل سيكون هناك 5 نقاط.
+
+![مستطيل مع الإحداثيات](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ar.png)
+
+في الصورة أعلاه، هناك مستطيل. تبدأ إحداثيات المضلع من الزاوية العلوية اليسرى عند 47,-122، ثم تتحرك إلى اليمين عند 47,-121، ثم إلى الأسفل عند 46,-121، ثم إلى اليسار عند 46,-122، ثم تعود إلى النقطة الأولى عند 47,-122. هذا يعطي المضلع 5 نقاط - الزاوية العلوية اليسرى، الزاوية العلوية اليمنى، الزاوية السفلية اليمنى، الزاوية السفلية اليسرى، ثم الزاوية العلوية اليسرى لإغلاقه.
+
+✅ حاول إنشاء مضلع GeoJSON حول منزلك أو مدرستك. استخدم أداة مثل [GeoJSON.io](https://geojson.io/).
+
+### المهمة - تعريف سور جغرافي
+
+لاستخدام سور جغرافي في Azure Maps، يجب أولاً تحميله إلى حساب Azure Maps الخاص بك. بمجرد تحميله، ستحصل على معرف فريد يمكنك استخدامه لاختبار نقطة مقابل السور الجغرافي. لتحميل الأسوار الجغرافية إلى Azure Maps، تحتاج إلى استخدام واجهة برمجة التطبيقات للخرائط عبر الويب. يمكنك استدعاء واجهة برمجة التطبيقات للخرائط في Azure باستخدام أداة تسمى [curl](https://curl.se).
+
+> 🎓 Curl هي أداة سطر أوامر لإجراء طلبات إلى نقاط النهاية على الويب
+
+1. إذا كنت تستخدم Linux أو macOS أو إصدارًا حديثًا من Windows 10، فمن المحتمل أن يكون curl مثبتًا بالفعل. قم بتشغيل الأمر التالي من الطرفية أو سطر الأوامر للتحقق:
+
+    ```sh
+    curl --version
+    ```
+
+    إذا لم تظهر معلومات الإصدار لـ curl، فستحتاج إلى تثبيته من [صفحة تنزيل curl](https://curl.se/download.html).
+
+    > 💁 إذا كنت خبيرًا في استخدام Postman، يمكنك استخدامه بدلاً من ذلك إذا كنت تفضل ذلك.
+
+1. قم بإنشاء ملف GeoJSON يحتوي على مضلع. ستقوم باختباره باستخدام جهاز استشعار GPS الخاص بك، لذا قم بإنشاء مضلع حول موقعك الحالي. يمكنك إما إنشاء واحد يدويًا عن طريق تحرير مثال GeoJSON المقدم أعلاه، أو استخدام أداة مثل [GeoJSON.io](https://geojson.io/).
+
+    يجب أن يحتوي GeoJSON على `FeatureCollection`، تحتوي على `Feature` مع `geometry` من النوع `Polygon`.
+
+    يجب عليك أيضًا إضافة عنصر `properties` على نفس المستوى مع عنصر `geometry`، ويجب أن يحتوي هذا على `geometryId`:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    إذا كنت تستخدم [GeoJSON.io](https://geojson.io/)، فستحتاج يدويًا إلى إضافة هذا العنصر إلى عنصر `properties` الفارغ، إما بعد تنزيل ملف JSON، أو في محرر JSON في التطبيق.
+
+    يجب أن يكون `geometryId` فريدًا في هذا الملف. يمكنك تحميل أسوار جغرافية متعددة كـ `Features` متعددة في `FeatureCollection` في نفس ملف GeoJSON، طالما أن لكل منها `geometryId` مختلف. يمكن أن تحتوي المضلعات على نفس `geometryId` إذا تم تحميلها من ملف مختلف في وقت مختلف.
+
+1. احفظ هذا الملف باسم `geofence.json`، وانتقل إلى مكان حفظه في الطرفية أو وحدة التحكم.
+
+1. قم بتشغيل الأمر curl التالي لإنشاء السور الجغرافي:
+
+    ```sh
+    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data @geofence.json
+    ```
+
+    استبدل `<subscription_key>` في عنوان URL بمفتاح API لحساب Azure Maps الخاص بك.
+
+    يتم استخدام عنوان URL لتحميل بيانات الخريطة عبر واجهة برمجة التطبيقات `https://atlas.microsoft.com/mapData/upload`. يتضمن الاستدعاء معلمة `api-version` لتحديد واجهة برمجة التطبيقات لـ Azure Maps التي سيتم استخدامها، وذلك للسماح بتغيير واجهة برمجة التطبيقات بمرور الوقت مع الحفاظ على التوافق مع الإصدارات السابقة. يتم تعيين تنسيق البيانات التي يتم تحميلها إلى `geojson`.
+
+    سيقوم هذا بتنفيذ طلب POST إلى واجهة برمجة التطبيقات للتحميل وإرجاع قائمة برؤوس الاستجابة التي تتضمن رأسًا يسمى `location`.
+
+    ```output
+    content-type: application/json
+    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
+    x-ms-azuremaps-region: West US 2
+    x-content-type-options: nosniff
+    strict-transport-security: max-age=31536000; includeSubDomains
+    x-cache: CONFIG_NOCACHE
+    date: Sat, 22 May 2021 21:34:57 GMT
+    content-length: 0
+    ```
+
+    > 🎓 عند استدعاء نقطة نهاية ويب، يمكنك تمرير معلمات إلى الاستدعاء عن طريق إضافة `?` متبوعة بأزواج مفتاح-قيمة كـ `key=value`، وفصل أزواج المفتاح-القيمة بـ `&`.
+
+1. لا تقوم Azure Maps بمعالجة هذا الطلب فورًا، لذا ستحتاج إلى التحقق لمعرفة ما إذا كان طلب التحميل قد انتهى باستخدام عنوان URL المقدم في رأس `location`. قم بإجراء طلب GET إلى هذا الموقع للتحقق من الحالة. ستحتاج إلى إضافة مفتاح الاشتراك الخاص بك إلى نهاية عنوان URL الخاص بـ `location` عن طريق إضافة `&subscription-key=<subscription_key>` إلى النهاية، واستبدال `<subscription_key>` بمفتاح API لحساب Azure Maps الخاص بك. قم بتشغيل الأمر التالي:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    استبدل `<location>` بقيمة رأس `location`، و `<subscription_key>` بمفتاح API لحساب Azure Maps الخاص بك.
+
+1. تحقق من قيمة `status` في الاستجابة. إذا لم تكن `Succeeded`، فانتظر دقيقة وحاول مرة أخرى.
+
+1. بمجرد أن تعود الحالة كـ `Succeeded`، انظر إلى `resourceLocation` من الاستجابة. يحتوي هذا على تفاصيل حول المعرف الفريد (المعروف بـ UDID) لكائن GeoJSON. UDID هو القيمة بعد `metadata/`، وليس بما في ذلك `api-version`. على سبيل المثال، إذا كان `resourceLocation` هو:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    فإن UDID سيكون `7c3776eb-da87-4c52-ae83-caadf980323a`.
+
+    احتفظ بنسخة من هذا UDID حيث ستحتاج إليه لاختبار السور الجغرافي.
+
+## اختبار النقاط مقابل السور الجغرافي
+
+بمجرد تحميل المضلع إلى Azure Maps، يمكنك اختبار نقطة لمعرفة ما إذا كانت داخل أو خارج السور الجغرافي. يمكنك القيام بذلك عن طريق إجراء طلب واجهة برمجة التطبيقات للويب، وتمرير UDID للسور الجغرافي، وخط العرض وخط الطول للنقطة التي تريد اختبارها.
+
+عند إجراء هذا الطلب، يمكنك أيضًا تمرير قيمة تسمى `searchBuffer`. تحدد هذه القيمة مدى دقة واجهة برمجة التطبيقات عند إرجاع النتائج. السبب في ذلك هو أن GPS ليس دقيقًا تمامًا، وأحيانًا تكون المواقع غير دقيقة بمسافة أمتار أو أكثر. القيمة الافتراضية لـ `searchBuffer` هي 50 مترًا، ولكن يمكنك تعيين قيم من 0 متر إلى 500 متر.
+
+عندما يتم إرجاع النتائج من استدعاء واجهة برمجة التطبيقات، فإن أحد أجزاء النتيجة هو `distance` يتم قياسها إلى أقرب نقطة على حافة السور الجغرافي، مع قيمة موجبة إذا كانت النقطة خارج السور الجغرافي، وقيمة سالبة إذا كانت داخل السور الجغرافي. إذا كانت هذه المسافة أقل من `searchBuffer`، يتم إرجاع المسافة الفعلية بالأمتار، وإلا تكون القيمة 999 أو -999. 999 تعني أن النقطة خارج السور الجغرافي بأكثر من `searchBuffer`، -999 تعني أنها داخل السور الجغرافي بأكثر من `searchBuffer`.
+
+![سور جغرافي مع منطقة بحث 50 مترًا حوله](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ar.png)
+
+في الصورة أعلاه، يحتوي السور الجغرافي على منطقة بحث 50 مترًا.
+
+* نقطة في مركز السور الجغرافي، داخل منطقة البحث بشكل كبير، لها مسافة **-999**
+* نقطة خارج منطقة البحث بشكل كبير لها مسافة **999**
+* نقطة داخل السور الجغرافي وداخل منطقة البحث، على بعد 6 أمتار من السور الجغرافي، لها مسافة **6 أمتار**
+* نقطة خارج السور الجغرافي وداخل منطقة البحث، على بعد 39 مترًا من السور الجغرافي، لها مسافة **39 مترًا**
+
+من المهم معرفة المسافة إلى حافة السور الجغرافي، والجمع بين هذه المعلومات ومعلومات أخرى مثل قراءات GPS الأخرى، السرعة وبيانات الطرق عند اتخاذ قرارات بناءً على موقع المركبة.
+
+على سبيل المثال، تخيل قراءات GPS تظهر مركبة تسير على طريق ينتهي بجوار سور جغرافي. إذا كانت قيمة GPS واحدة غير دقيقة وتضع المركبة داخل السور الجغرافي، على الرغم من عدم وجود وصول للمركبات، فيمكن تجاهلها.
+
+![مسار GPS يظهر مركبة تمر بجانب حرم Microsoft على الطريق 520، مع قراءات GPS على طول الطريق باستثناء واحدة داخل الحرم، داخل سور جغرافي](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ar.png)
+في الصورة أعلاه، هناك سياج جغرافي يغطي جزءًا من حرم مايكروسوفت. الخط الأحمر يُظهر شاحنة تسير على طول الطريق 520، مع دوائر تُظهر قراءات GPS. معظم هذه القراءات دقيقة وتقع على طول الطريق 520، باستثناء قراءة واحدة غير دقيقة داخل السياج الجغرافي. من المستحيل أن تكون هذه القراءة صحيحة - لا توجد طرق يمكن للشاحنة أن تنحرف فجأة من الطريق 520 إلى الحرم الجامعي ثم تعود إلى الطريق 520. الكود الذي يتحقق من هذا السياج الجغرافي سيحتاج إلى أخذ القراءات السابقة بعين الاعتبار قبل اتخاذ أي إجراء بناءً على نتائج اختبار السياج الجغرافي.
+
+✅ ما البيانات الإضافية التي تحتاج إلى التحقق منها لمعرفة ما إذا كانت قراءة GPS يمكن اعتبارها صحيحة؟
+
+### المهمة - اختبار النقاط مقابل سياج جغرافي
+
+1. ابدأ بإنشاء عنوان URL للاستعلام عن واجهة برمجة التطبيقات (API). التنسيق هو:
+
+    ```output
+    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
+    ```
+
+    استبدل `<subscription_key>` بمفتاح API الخاص بحساب Azure Maps الخاص بك.
+
+    استبدل `<UDID>` بـ UDID الخاص بالسياج الجغرافي من المهمة السابقة.
+
+    استبدل `<lat>` و `<lon>` بخط العرض وخط الطول اللذين تريد اختباره.
+
+    يستخدم هذا العنوان URL واجهة برمجة التطبيقات `https://atlas.microsoft.com/spatial/geofence/json` للاستعلام عن سياج جغرافي تم تعريفه باستخدام GeoJSON. يستهدف إصدار API `1.0`. معلمة `deviceId` مطلوبة ويجب أن تكون اسم الجهاز الذي تأتي منه خطوط العرض والطول.
+
+    البحث الافتراضي هو 50 مترًا، ويمكنك تغيير ذلك عن طريق تمرير معلمة إضافية `searchBuffer=<distance>`، مع تعيين `<distance>` لمسافة البحث بالمتر، من 0 إلى 500.
+
+1. استخدم curl لإجراء طلب GET إلى هذا العنوان URL:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 إذا حصلت على رمز استجابة `BadRequest`، مع خطأ:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > فإن ملف GeoJSON الخاص بك يفتقد قسم `properties` مع `geometryId`. ستحتاج إلى إصلاح ملف GeoJSON الخاص بك، ثم تكرار الخطوات أعلاه لإعادة التحميل والحصول على UDID جديد.
+
+1. ستحتوي الاستجابة على قائمة بـ `geometries`، واحدة لكل مضلع تم تعريفه في GeoJSON المستخدم لإنشاء السياج الجغرافي. يحتوي كل مضلع على 3 حقول مهمة: `distance`، `nearestLat` و `nearestLon`.
+
+    ```output
+    {
+        "geometries": [
+            {
+                "deviceId": "gps-sensor",
+                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
+                "geometryId": "1",
+                "distance": 999.0,
+                "nearestLat": 47.645875,
+                "nearestLon": -122.142713
+            }
+        ],
+        "expiredGeofenceGeometryId": [],
+        "invalidPeriodGeofenceGeometryId": []
+    }
+    ```
+
+    * `nearestLat` و `nearestLon` هما خط العرض وخط الطول لنقطة على حافة السياج الجغرافي الأقرب إلى الموقع الذي يتم اختباره.
+
+    * `distance` هي المسافة من الموقع الذي يتم اختباره إلى أقرب نقطة على حافة السياج الجغرافي. الأرقام السالبة تعني داخل السياج الجغرافي، والموجبة خارجه. ستكون هذه القيمة أقل من 50 (مسافة البحث الافتراضية)، أو 999.
+
+1. كرر هذه العملية عدة مرات مع مواقع داخل وخارج السياج الجغرافي.
+
+## استخدام الأسوار الجغرافية من الكود الخالي من الخوادم
+
+يمكنك الآن إضافة مشغل جديد إلى تطبيق Functions الخاص بك لاختبار بيانات أحداث GPS من IoT Hub مقابل السياج الجغرافي.
+
+### مجموعات المستهلكين
+
+كما تتذكر من الدروس السابقة، يسمح IoT Hub بإعادة تشغيل الأحداث التي تم استلامها ولكن لم تتم معالجتها. ولكن ماذا سيحدث إذا اتصلت مشغلات متعددة؟ كيف سيعرف أيها قام بمعالجة الأحداث؟
+
+الإجابة هي أنه لا يمكنه ذلك! بدلاً من ذلك، يمكنك تعريف اتصالات منفصلة متعددة لقراءة الأحداث، وكل واحدة يمكنها إدارة إعادة تشغيل الرسائل غير المقروءة. تُعرف هذه باسم *مجموعات المستهلكين*. عند الاتصال بنقطة النهاية، يمكنك تحديد مجموعة المستهلكين التي تريد الاتصال بها. كل مكون من تطبيقك سيتصل بمجموعة مستهلكين مختلفة.
+
+![IoT Hub واحد مع 3 مجموعات مستهلكين توزع نفس الرسائل على 3 تطبيقات وظائف مختلفة](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ar.png)
+
+نظريًا، يمكن لما يصل إلى 5 تطبيقات الاتصال بكل مجموعة مستهلكين، وستتلقى جميعها الرسائل عند وصولها. من الأفضل أن يكون لكل تطبيق وصول إلى مجموعة مستهلكين واحدة فقط لتجنب معالجة الرسائل المكررة، وضمان معالجة جميع الرسائل المعلقة بشكل صحيح عند إعادة التشغيل. على سبيل المثال، إذا قمت بتشغيل تطبيق Functions الخاص بك محليًا بالإضافة إلى تشغيله في السحابة، فسيقوم كلاهما بمعالجة الرسائل، مما يؤدي إلى تخزين كتل مكررة في حساب التخزين.
+
+إذا قمت بمراجعة ملف `function.json` الخاص بمشغل IoT Hub الذي أنشأته في درس سابق، فسترى مجموعة المستهلكين في قسم الربط الخاص بمشغل Event Hub:
+
+```json
+"consumerGroup": "$Default"
+```
+
+عند إنشاء IoT Hub، يتم إنشاء مجموعة المستهلكين `$Default` افتراضيًا. إذا كنت تريد إضافة مشغل إضافي، يمكنك إضافته باستخدام مجموعة مستهلكين جديدة.
+
+> 💁 في هذا الدرس، ستستخدم وظيفة مختلفة لاختبار السياج الجغرافي عن تلك المستخدمة لتخزين بيانات GPS. الهدف هو توضيح كيفية استخدام مجموعات المستهلكين وفصل الكود لجعله أسهل في القراءة والفهم. في تطبيق الإنتاج، هناك العديد من الطرق التي يمكنك تصميم هذا بها - وضع كلاهما في وظيفة واحدة، استخدام مشغل على حساب التخزين لتشغيل وظيفة للتحقق من السياج الجغرافي، أو استخدام وظائف متعددة. لا توجد "طريقة صحيحة"، فهذا يعتمد على بقية تطبيقك واحتياجاتك.
+
+### المهمة - إنشاء مجموعة مستهلكين جديدة
+
+1. قم بتشغيل الأمر التالي لإنشاء مجموعة مستهلكين جديدة باسم `geofence` لـ IoT Hub الخاص بك:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الذي استخدمته.
+
+1. إذا كنت تريد رؤية جميع مجموعات المستهلكين لـ IoT Hub، قم بتشغيل الأمر التالي:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الذي استخدمته. سيعرض هذا جميع مجموعات المستهلكين.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 عندما قمت بتشغيل مراقب أحداث IoT Hub في درس سابق، كان متصلاً بمجموعة المستهلكين `$Default`. لهذا السبب لا يمكنك تشغيل مراقب الأحداث ومشغل الأحداث في نفس الوقت. إذا كنت تريد تشغيل كليهما، يمكنك استخدام مجموعات مستهلكين أخرى لجميع تطبيقات الوظائف الخاصة بك، والاحتفاظ بـ `$Default` لمراقب الأحداث.
+
+### المهمة - إنشاء مشغل IoT Hub جديد
+
+1. أضف مشغل حدث IoT Hub جديد إلى تطبيق `gps-trigger` الذي أنشأته في درس سابق. قم بتسمية هذه الوظيفة `geofence-trigger`.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء مشغل حدث IoT Hub من المشروع 2، الدرس 5 إذا لزم الأمر](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. قم بتكوين سلسلة اتصال IoT Hub في ملف `function.json`. يتم مشاركة ملف `local.settings.json` بين جميع المشغلات في تطبيق الوظائف.
+
+1. قم بتحديث قيمة `consumerGroup` في ملف `function.json` للإشارة إلى مجموعة المستهلكين الجديدة `geofence`:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. ستحتاج إلى استخدام مفتاح الاشتراك الخاص بـ Azure Maps في هذا المشغل، لذا أضف إدخالًا جديدًا إلى ملف `local.settings.json` باسم `MAPS_KEY`.
+
+1. قم بتشغيل تطبيق الوظائف للتأكد من أنه يتصل ويعالج الرسائل. سيعمل مشغل `iot-hub-trigger` من الدرس السابق أيضًا ويقوم بتحميل الكتل إلى التخزين.
+
+    > لتجنب قراءات GPS المكررة في تخزين الكتل، يمكنك إيقاف تشغيل تطبيق الوظائف الذي قمت بتشغيله في السحابة. للقيام بذلك، استخدم الأمر التالي:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > استبدل `<functions_app_name>` باسم تطبيق الوظائف الخاص بك.
+    >
+    > يمكنك إعادة تشغيله لاحقًا باستخدام الأمر التالي:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > استبدل `<functions_app_name>` باسم تطبيق الوظائف الخاص بك.
+
+### المهمة - اختبار السياج الجغرافي من المشغل
+
+في وقت سابق من هذا الدرس، استخدمت curl للاستعلام عن سياج جغرافي لمعرفة ما إذا كانت نقطة تقع داخله أم خارجه. يمكنك إجراء طلب ويب مشابه من داخل المشغل الخاص بك.
+
+1. للاستعلام عن السياج الجغرافي، تحتاج إلى UDID الخاص به. أضف إدخالًا جديدًا إلى ملف `local.settings.json` باسم `GEOFENCE_UDID` مع هذه القيمة.
+
+1. افتح ملف `__init__.py` من المشغل الجديد `geofence-trigger`.
+
+1. أضف الاستيراد التالي إلى أعلى الملف:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    تتيح لك حزمة `requests` إجراء استدعاءات واجهة برمجة التطبيقات (API). لا يحتوي Azure Maps على SDK لـ Python، لذا تحتاج إلى إجراء استدعاءات API لاستخدامه من كود Python.
+
+1. أضف السطرين التاليين إلى بداية طريقة `main` للحصول على مفتاح اشتراك الخرائط:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. داخل الحلقة `for event in events`، أضف ما يلي للحصول على خط العرض وخط الطول من كل حدث:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    يقوم هذا الكود بتحويل JSON من جسم الحدث إلى قاموس، ثم يستخرج `lat` و `lon` من الحقل `gps`.
+
+1. عند استخدام `requests`، بدلاً من بناء عنوان URL طويل كما فعلت مع curl، يمكنك استخدام جزء URL فقط وتمرير المعلمات كقاموس. أضف الكود التالي لتعريف عنوان URL وتكوين المعلمات:
+
+    ```python
+    url = 'https://atlas.microsoft.com/spatial/geofence/json'
+
+    params = {
+        'api-version': 1.0,
+        'deviceId': 'gps-sensor',
+        'subscription-key': maps_key,
+        'udid' : geofence_udid,
+        'lat' : lat,
+        'lon' : lon
+    }
+    ```
+
+    ستتطابق العناصر الموجودة في قاموس `params` مع أزواج المفاتيح والقيم التي استخدمتها عند استدعاء واجهة برمجة التطبيقات عبر curl.
+
+1. أضف الأسطر التالية من الكود لاستدعاء واجهة برمجة التطبيقات:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    يقوم هذا باستدعاء عنوان URL مع المعلمات، ويحصل على كائن استجابة.
+
+1. أضف الكود التالي أسفل هذا:
+
+    ```python
+    distance = response_body['geometries'][0]['distance']
+
+    if distance == 999:
+        logging.info('Point is outside geofence')
+    elif distance > 0:
+        logging.info(f'Point is just outside geofence by a distance of {distance}m')
+    elif distance == -999:
+        logging.info(f'Point is inside geofence')
+    else:
+        logging.info(f'Point is just inside geofence by a distance of {distance}m')
+    ```
+
+    يفترض هذا الكود وجود مضلع واحد، ويستخرج المسافة من هذا المضلع الوحيد. ثم يسجل رسائل مختلفة بناءً على المسافة.
+
+1. قم بتشغيل هذا الكود. سترى في مخرجات السجل ما إذا كانت إحداثيات GPS داخل السياج الجغرافي أم خارجه، مع مسافة إذا كانت النقطة ضمن 50 مترًا. جرب هذا الكود مع أسوار جغرافية مختلفة بناءً على موقع مستشعر GPS الخاص بك، جرب تحريك المستشعر (على سبيل المثال متصل بشبكة WiFi من هاتف محمول، أو مع إحداثيات مختلفة على جهاز IoT افتراضي) لترى هذا التغيير.
+
+1. عندما تكون جاهزًا، قم بنشر هذا الكود إلى تطبيق الوظائف الخاص بك في السحابة. لا تنسَ نشر إعدادات التطبيق الجديدة.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لتحميل إعدادات التطبيق من المشروع 2، الدرس 5 إذا لزم الأمر](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لنشر تطبيق الوظائف الخاص بك من المشروع 2، الدرس 5 إذا لزم الأمر](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions).
+
+---
+
+## 🚀 التحدي
+
+في هذا الدرس، أضفت سياجًا جغرافيًا واحدًا باستخدام ملف GeoJSON يحتوي على مضلع واحد. يمكنك تحميل مضلعات متعددة في نفس الوقت، طالما أن لديها قيم `geometryId` مختلفة في قسم `properties`.
+
+حاول تحميل ملف GeoJSON يحتوي على مضلعات متعددة وقم بتعديل الكود الخاص بك لمعرفة أي مضلع تكون إحداثيات GPS الأقرب إليه أو داخله.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن الأسوار الجغرافية وبعض استخداماتها على [صفحة الأسوار الجغرافية على ويكيبيديا](https://en.wikipedia.org/wiki/Geo-fence).
+* اقرأ المزيد عن واجهة برمجة التطبيقات للأسوار الجغرافية في Azure Maps على [وثائق Microsoft Azure Maps Spatial - Get Geofence](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn).
+* اقرأ المزيد عن مجموعات المستهلكين في [الميزات والمصطلحات في Azure Event Hubs - وثائق مستهلكي الأحداث على Microsoft Docs](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers).
+
+## الواجب
+
+[إرسال الإشعارات باستخدام Twilio](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/3-transport/lessons/4-geofences/assignment.md b/translations/ar/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..018792ea
--- /dev/null
+++ b/translations/ar/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-27T00:41:28+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "ar"
+}
+-->
+# إرسال الإشعارات باستخدام Twilio
+
+## التعليمات
+
+في الكود الخاص بك حتى الآن، قمت فقط بتسجيل المسافة إلى المنطقة الجغرافية. في هذه المهمة، ستحتاج إلى إضافة إشعار، إما رسالة نصية أو بريد إلكتروني، عندما تكون إحداثيات GPS داخل المنطقة الجغرافية.
+
+تقدم Azure Functions العديد من الخيارات للربط، بما في ذلك خدمات الطرف الثالث مثل Twilio، وهي منصة اتصالات.
+
+* قم بالتسجيل للحصول على حساب مجاني على [Twilio.com](https://www.twilio.com)
+* اقرأ الوثائق حول ربط Azure Functions بـ Twilio SMS على صفحة [Microsoft docs Twilio binding for Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python).
+* اقرأ الوثائق حول ربط Azure Functions بـ Twilio SendGrid لإرسال رسائل البريد الإلكتروني على صفحة [Microsoft docs Azure Functions SendGrid bindings](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python).
+* أضف الربط إلى تطبيق Functions الخاص بك ليتم إشعارك بإحداثيات GPS سواء داخل أو خارج المنطقة الجغرافية - وليس كلاهما.
+
+## التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| تكوين روابط الوظائف واستلام بريد إلكتروني أو رسالة نصية | تمكن من تكوين روابط الوظائف واستلام بريد إلكتروني أو رسالة نصية عندما تكون الإحداثيات داخل أو خارج المنطقة الجغرافية، ولكن ليس كلاهما | تمكن من تكوين الروابط ولكنه لم يتمكن من إرسال البريد الإلكتروني أو الرسالة النصية، أو تمكن فقط من الإرسال عندما تكون الإحداثيات داخل وخارج المنطقة الجغرافية | لم يتمكن من تكوين الروابط وإرسال بريد إلكتروني أو رسالة نصية |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/README.md b/translations/ar/4-manufacturing/README.md
new file mode 100644
index 00000000..47198d7f
--- /dev/null
+++ b/translations/ar/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T21:40:07+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "ar"
+}
+-->
+# التصنيع والمعالجة - استخدام إنترنت الأشياء لتحسين معالجة الأغذية
+
+عندما تصل الأغذية إلى مركز مركزي أو مصنع معالجة، لا يتم شحنها دائمًا مباشرة إلى السوبرماركت. في كثير من الأحيان تمر الأغذية بعدد من خطوات المعالجة، مثل الفرز حسب الجودة. كانت هذه عملية يدوية في الماضي - تبدأ في الحقل عندما يختار العمال الفاكهة الناضجة فقط، ثم في المصنع يتم نقل الفاكهة على سير ناقل ويقوم الموظفون بإزالة الفاكهة المصابة أو الفاسدة يدويًا. بعد أن قمت بجمع وفرز الفراولة بنفسي كوظيفة صيفية أثناء المدرسة، يمكنني أن أشهد أن هذه ليست وظيفة ممتعة.
+
+تعتمد الأنظمة الحديثة أكثر على إنترنت الأشياء للفرز. بعض الأجهزة الأولى مثل أجهزة الفرز من [Weco](https://wecotek.com) تستخدم أجهزة استشعار بصرية للكشف عن جودة المنتجات، مثل رفض الطماطم الخضراء. يمكن نشر هذه الأجهزة في آلات الحصاد في المزرعة نفسها أو في مصانع المعالجة.
+
+مع تقدم الذكاء الاصطناعي (AI) وتعلم الآلة (ML)، يمكن لهذه الأجهزة أن تصبح أكثر تطورًا، باستخدام نماذج تعلم الآلة المدربة على التمييز بين الفاكهة والأجسام الغريبة مثل الصخور أو الأوساخ أو الحشرات. يمكن أيضًا تدريب هذه النماذج للكشف عن جودة الفاكهة، ليس فقط الفاكهة المصابة ولكن أيضًا الكشف المبكر عن الأمراض أو مشاكل المحاصيل الأخرى.
+
+> 🎓 يشير مصطلح *نموذج تعلم الآلة* إلى الناتج من تدريب برنامج تعلم الآلة على مجموعة بيانات. على سبيل المثال، يمكنك تدريب نموذج تعلم الآلة للتمييز بين الطماطم الناضجة وغير الناضجة، ثم استخدام النموذج على صور جديدة لمعرفة ما إذا كانت الطماطم ناضجة أم لا.
+
+في هذه الدروس الأربعة ستتعلم كيفية تدريب نماذج ذكاء اصطناعي تعتمد على الصور للكشف عن جودة الفاكهة، وكيفية استخدامها من جهاز إنترنت الأشياء، وكيفية تشغيلها على الحافة - أي على جهاز إنترنت الأشياء بدلاً من السحابة.
+
+> 💁 ستستخدم هذه الدروس بعض الموارد السحابية. إذا لم تكمل جميع الدروس في هذا المشروع، تأكد من [تنظيف مشروعك](../clean-up.md).
+
+## المواضيع
+
+1. [تدريب كاشف جودة الفاكهة](./lessons/1-train-fruit-detector/README.md)
+1. [التحقق من جودة الفاكهة من جهاز إنترنت الأشياء](./lessons/2-check-fruit-from-device/README.md)
+1. [تشغيل كاشف الفاكهة على الحافة](./lessons/3-run-fruit-detector-edge/README.md)
+1. [تشغيل الكشف عن جودة الفاكهة من مستشعر](./lessons/4-trigger-fruit-detector/README.md)
+
+## الشكر
+
+تم كتابة جميع الدروس بكل ♥️ من قبل [Jen Fox](https://github.com/jenfoxbot) و [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..f71c4c1a
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T21:41:42+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "ar"
+}
+-->
+# تدريب كاشف جودة الفاكهة
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على خدمة Azure Custom Vision، وهي الخدمة التي سيتم تناولها في هذا الدرس.
+
+[![Custom Vision – Machine Learning Made Easy | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## المقدمة
+
+الارتفاع الأخير في الذكاء الاصطناعي (AI) والتعلم الآلي (ML) يوفر مجموعة واسعة من الإمكانيات للمطورين اليوم. يمكن تدريب نماذج التعلم الآلي للتعرف على أشياء مختلفة في الصور، بما في ذلك الفاكهة غير الناضجة، ويمكن استخدام ذلك في أجهزة إنترنت الأشياء للمساعدة في فرز المنتجات أثناء الحصاد أو أثناء المعالجة في المصانع أو المستودعات.
+
+في هذا الدرس، ستتعلم عن تصنيف الصور - استخدام نماذج التعلم الآلي للتمييز بين صور أشياء مختلفة. ستتعلم كيفية تدريب مصنف صور للتمييز بين الفاكهة الجيدة والسيئة، سواء كانت غير ناضجة أو ناضجة بشكل زائد، أو مصابة بكدمات، أو فاسدة.
+
+في هذا الدرس سنتناول:
+
+* [استخدام الذكاء الاصطناعي والتعلم الآلي لفرز الطعام](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [تصنيف الصور عبر التعلم الآلي](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [تدريب مصنف الصور](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [اختبار مصنف الصور الخاص بك](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [إعادة تدريب مصنف الصور الخاص بك](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## استخدام الذكاء الاصطناعي والتعلم الآلي لفرز الطعام
+
+إطعام سكان العالم مهمة صعبة، خاصة بسعر يجعل الطعام في متناول الجميع. واحدة من أكبر التكاليف هي العمالة، لذلك يتجه المزارعون بشكل متزايد إلى الأتمتة وأدوات مثل إنترنت الأشياء لتقليل تكاليف العمالة. الحصاد اليدوي مكلف للغاية (وغالبًا ما يكون عملًا شاقًا)، ويتم استبداله بالآلات، خاصة في الدول الغنية. على الرغم من التوفير في تكلفة استخدام الآلات للحصاد، هناك جانب سلبي - القدرة على فرز الطعام أثناء الحصاد.
+
+لا تنضج جميع المحاصيل بشكل متساوٍ. الطماطم، على سبيل المثال، قد تحتوي على بعض الثمار الخضراء على الكرمة عندما تكون الأغلبية جاهزة للحصاد. على الرغم من أن حصاد هذه الثمار مبكرًا يعتبر هدرًا، إلا أنه أرخص وأسهل للمزارع أن يحصد كل شيء باستخدام الآلات ويتخلص من المنتجات غير الناضجة لاحقًا.
+
+✅ ألقِ نظرة على الفواكه أو الخضروات المختلفة، سواء كانت تنمو بالقرب منك في المزارع أو في حديقتك، أو في المتاجر. هل كلها بنفس درجة النضج، أم ترى اختلافًا؟
+
+مع تطور الحصاد الآلي، انتقل فرز المنتجات من الحقل إلى المصنع. كانت الأغذية تسير على أحزمة ناقلة طويلة مع فرق من الأشخاص يفرزون المنتجات ويزيلون أي شيء لا يفي بمعايير الجودة المطلوبة. أصبح الحصاد أرخص بفضل الآلات، ولكن لا تزال هناك تكلفة لفرز الطعام يدويًا.
+
+![إذا تم اكتشاف طماطم حمراء، تستمر في رحلتها دون انقطاع. إذا تم اكتشاف طماطم خضراء، يتم دفعها إلى سلة النفايات بواسطة ذراع](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ar.png)
+
+التطور التالي كان استخدام الآلات للفرز، سواء كانت مدمجة في الحصادة أو في مصانع المعالجة. الجيل الأول من هذه الآلات استخدم مستشعرات بصرية للكشف عن الألوان، حيث تتحكم في المشغلات لدفع الطماطم الخضراء إلى سلة النفايات باستخدام أذرع أو نفثات هواء، تاركة الطماطم الحمراء لتستمر في شبكة من الأحزمة الناقلة.
+
+في هذا الفيديو، بينما تسقط الطماطم من حزام ناقل إلى آخر، يتم اكتشاف الطماطم الخضراء ودفعها إلى سلة باستخدام أذرع.
+
+✅ ما هي الظروف التي تحتاجها في المصنع أو في الحقل لكي تعمل هذه المستشعرات البصرية بشكل صحيح؟
+
+التطورات الأحدث لهذه الآلات الفرز تستفيد من الذكاء الاصطناعي والتعلم الآلي، باستخدام نماذج مدربة للتمييز بين المنتجات الجيدة والسيئة، ليس فقط من خلال اختلافات اللون الواضحة مثل الطماطم الخضراء مقابل الحمراء، ولكن من خلال اختلافات أكثر دقة في المظهر التي قد تشير إلى المرض أو الكدمات.
+
+## تصنيف الصور عبر التعلم الآلي
+
+البرمجة التقليدية تعتمد على أخذ البيانات وتطبيق خوارزمية عليها للحصول على نتائج. على سبيل المثال، في المشروع الأخير، أخذت إحداثيات GPS وحدود جغرافية، وطبقت خوارزمية مقدمة من Azure Maps، وحصلت على نتيجة تحدد ما إذا كانت النقطة داخل أو خارج الحدود الجغرافية. تدخل المزيد من البيانات، تحصل على المزيد من النتائج.
+
+![التطوير التقليدي يأخذ المدخلات وخوارزمية ويعطي نتائج. التعلم الآلي يستخدم بيانات المدخلات والمخرجات لتدريب نموذج، ويمكن لهذا النموذج أخذ بيانات جديدة لإنتاج نتائج جديدة](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ar.png)
+
+التعلم الآلي يعكس هذا - تبدأ بالبيانات والمخرجات المعروفة، وتتعلم الخوارزمية من البيانات. يمكنك بعد ذلك أخذ هذه الخوارزمية المدربة، التي تسمى *نموذج التعلم الآلي* أو *النموذج*، وإدخال بيانات جديدة والحصول على نتائج جديدة.
+
+> 🎓 عملية تعلم خوارزمية التعلم الآلي من البيانات تسمى *التدريب*. المدخلات والمخرجات المعروفة تسمى *بيانات التدريب*.
+
+على سبيل المثال، يمكنك إعطاء نموذج ملايين الصور لموز غير ناضج كبيانات تدريبية، مع تحديد المخرجات التدريبية كـ `غير ناضج`، وملايين الصور لموز ناضج كبيانات تدريبية مع تحديد المخرجات كـ `ناضج`. ستقوم خوارزمية التعلم الآلي بإنشاء نموذج بناءً على هذه البيانات. يمكنك بعد ذلك إعطاء هذا النموذج صورة جديدة لموزة وسيقوم بتوقع ما إذا كانت الصورة الجديدة لموزة ناضجة أو غير ناضجة.
+
+> 🎓 نتائج نماذج التعلم الآلي تسمى *التوقعات*
+
+![موزتان، واحدة ناضجة مع توقع بنسبة 99.7% ناضجة، 0.3% غير ناضجة، والأخرى غير ناضجة مع توقع بنسبة 1.4% ناضجة، 98.6% غير ناضجة](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ar.png)
+
+نماذج التعلم الآلي لا تعطي إجابة ثنائية، بل تعطي احتمالات. على سبيل المثال، قد يتم إعطاء نموذج صورة لموزة ويتوقع أنها `ناضجة` بنسبة 99.7% و`غير ناضجة` بنسبة 0.3%. ستقوم الكود الخاص بك باختيار أفضل توقع وتحديد أن الموزة ناضجة.
+
+النموذج المستخدم للكشف عن الصور مثل هذا يسمى *مصنف الصور* - يتم إعطاؤه صورًا مع تسميات، ثم يصنف الصور الجديدة بناءً على هذه التسميات.
+
+> 💁 هذا تبسيط، وهناك العديد من الطرق الأخرى لتدريب النماذج التي لا تحتاج دائمًا إلى مخرجات مسماة، مثل التعلم غير المراقب. إذا كنت ترغب في معرفة المزيد عن التعلم الآلي، تحقق من [التعلم الآلي للمبتدئين، منهج مكون من 24 درسًا حول التعلم الآلي](https://aka.ms/ML-beginners).
+
+## تدريب مصنف الصور
+
+لتدريب مصنف الصور بنجاح، تحتاج إلى ملايين الصور. كما اتضح، بمجرد أن يكون لديك مصنف صور مدرب على ملايين أو مليارات الصور المختلفة، يمكنك إعادة استخدامه وإعادة تدريبه باستخدام مجموعة صغيرة من الصور والحصول على نتائج رائعة، باستخدام عملية تسمى *التعلم بالنقل*.
+
+> 🎓 التعلم بالنقل هو عملية نقل التعلم من نموذج تعلم آلي موجود إلى نموذج جديد بناءً على بيانات جديدة.
+
+بمجرد أن يتم تدريب مصنف الصور على مجموعة واسعة من الصور، فإن داخله يصبح جيدًا في التعرف على الأشكال والألوان والأنماط. يسمح التعلم بالنقل للنموذج باستخدام ما تعلمه بالفعل في التعرف على أجزاء الصور، واستخدام ذلك للتعرف على صور جديدة.
+
+![بمجرد أن تتمكن من التعرف على الأشكال، يمكن وضعها في تكوينات مختلفة لتكوين قارب أو قطة](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ar.png)
+
+يمكنك التفكير في هذا كأنه كتب أشكال للأطفال، حيث بمجرد أن تتمكن من التعرف على نصف دائرة، مستطيل ومثلث، يمكنك التعرف على قارب شراعي أو قطة بناءً على تكوين هذه الأشكال. يمكن لمصنف الصور التعرف على الأشكال، ويعلمه التعلم بالنقل ما هو التكوين الذي يشكل قاربًا أو قطة - أو موزة ناضجة.
+
+هناك مجموعة واسعة من الأدوات التي يمكن أن تساعدك في القيام بذلك، بما في ذلك الخدمات السحابية التي يمكن أن تساعدك في تدريب النموذج الخاص بك، ثم استخدامه عبر واجهات برمجة التطبيقات على الويب.
+
+> 💁 تدريب هذه النماذج يتطلب الكثير من قوة الحوسبة، عادةً عبر وحدات معالجة الرسومات (GPUs). نفس الأجهزة المتخصصة التي تجعل الألعاب على Xbox الخاص بك تبدو مذهلة يمكن استخدامها أيضًا لتدريب نماذج التعلم الآلي. باستخدام السحابة، يمكنك استئجار وقت على أجهزة كمبيوتر قوية مع وحدات معالجة الرسومات لتدريب هذه النماذج، مما يتيح لك الوصول إلى قوة الحوسبة التي تحتاجها، فقط للوقت الذي تحتاجه.
+
+## الرؤية المخصصة
+
+الرؤية المخصصة هي أداة سحابية لتدريب مصنفي الصور. تتيح لك تدريب مصنف باستخدام عدد قليل فقط من الصور. يمكنك تحميل الصور عبر بوابة ويب، واجهة برمجة التطبيقات أو SDK، مع إعطاء كل صورة *علامة* تحتوي على تصنيف تلك الصورة. ثم تقوم بتدريب النموذج، واختباره لمعرفة مدى أدائه. بمجرد أن تكون راضيًا عن النموذج، يمكنك نشر إصدارات منه يمكن الوصول إليها عبر واجهة برمجة التطبيقات أو SDK.
+
+![شعار Azure Custom Vision](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ar.png)
+
+> 💁 يمكنك تدريب نموذج رؤية مخصص باستخدام 5 صور فقط لكل تصنيف، ولكن المزيد أفضل. يمكنك الحصول على نتائج أفضل مع ما لا يقل عن 30 صورة.
+
+الرؤية المخصصة هي جزء من مجموعة أدوات الذكاء الاصطناعي من Microsoft تسمى خدمات الإدراك. هذه أدوات ذكاء اصطناعي يمكن استخدامها إما بدون أي تدريب، أو مع كمية صغيرة من التدريب. تشمل هذه الأدوات التعرف على الكلام والترجمة، فهم اللغة وتحليل الصور. تتوفر هذه الأدوات مع طبقة مجانية كخدمات في Azure.
+
+> 💁 الطبقة المجانية أكثر من كافية لإنشاء نموذج، تدريبه، ثم استخدامه لأعمال التطوير. يمكنك قراءة حدود الطبقة المجانية على [صفحة حدود وحصص الرؤية المخصصة على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn).
+
+### المهمة - إنشاء مورد خدمات الإدراك
+
+لاستخدام الرؤية المخصصة، تحتاج أولاً إلى إنشاء موردين لخدمات الإدراك في Azure باستخدام Azure CLI، أحدهما لتدريب الرؤية المخصصة والآخر للتنبؤ بالرؤية المخصصة.
+
+1. قم بإنشاء مجموعة موارد لهذا المشروع تسمى `fruit-quality-detector`.
+
+1. استخدم الأمر التالي لإنشاء مورد تدريب رؤية مخصصة مجاني:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد.
+
+    سيقوم هذا بإنشاء مورد تدريب رؤية مخصصة في مجموعة الموارد الخاصة بك. سيتم تسميته `fruit-quality-detector-training` وسيستخدم SKU `F0`، وهو الطبقة المجانية. الخيار `--yes` يعني أنك توافق على الشروط والأحكام لخدمات الإدراك.
+
+> 💁 استخدم SKU `S0` إذا كان لديك حساب مجاني بالفعل يستخدم أيًا من خدمات الإدراك.
+
+1. استخدم الأمر التالي لإنشاء مورد تنبؤ رؤية مخصصة مجاني:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد.
+
+    سيقوم هذا بإنشاء مورد تنبؤ رؤية مخصصة في مجموعة الموارد الخاصة بك. سيتم تسميته `fruit-quality-detector-prediction` وسيستخدم SKU `F0`، وهو الطبقة المجانية. الخيار `--yes` يعني أنك توافق على الشروط والأحكام لخدمات الإدراك.
+
+### المهمة - إنشاء مشروع مصنف الصور
+
+1. افتح بوابة الرؤية المخصصة على [CustomVision.ai](https://customvision.ai)، وقم بتسجيل الدخول باستخدام حساب Microsoft الذي استخدمته لحساب Azure الخاص بك.
+
+1. اتبع [قسم إنشاء مشروع جديد في دليل البدء السريع لبناء مصنف على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) لإنشاء مشروع رؤية مخصصة جديد. قد يتغير واجهة المستخدم وهذه المستندات هي المرجع الأكثر تحديثًا دائمًا.
+
+    قم بتسمية مشروعك `fruit-quality-detector`.
+
+    عند إنشاء مشروعك، تأكد من استخدام مورد `fruit-quality-detector-training` الذي أنشأته سابقًا. استخدم نوع مشروع *تصنيف*، نوع تصنيف *متعدد الفئات*، و*مجال الطعام*.
+
+    ![إعدادات مشروع الرؤية المخصصة مع الاسم مضبوط على fruit-quality-detector، بدون وصف، المورد مضبوط على fruit-quality-detector-training، نوع المشروع مضبوط على التصنيف، نوع التصنيف مضبوط على متعدد الفئات والمجالات مضبوط على الطعام](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ar.png)
+
+✅ خذ بعض الوقت لاستكشاف واجهة المستخدم للرؤية المخصصة لمصنف الصور الخاص بك.
+
+### المهمة - تدريب مشروع مصنف الصور الخاص بك
+
+لتدريب مصنف الصور، ستحتاج إلى صور متعددة للفاكهة، سواء كانت جيدة أو سيئة الجودة لتصنيفها كجيدة وسيئة، مثل موزة ناضجة وموزة ناضجة بشكل زائد.
+💁 يمكن لهذه المصنفات تصنيف صور لأي شيء، لذا إذا لم يكن لديك فواكه بجودة مختلفة، يمكنك استخدام نوعين مختلفين من الفواكه، أو القطط والكلاب!
+يُفضل أن تكون كل صورة تحتوي فقط على الفاكهة، مع خلفية متسقة أو مجموعة متنوعة من الخلفيات. تأكد من عدم وجود أي شيء في الخلفية يحدد ما إذا كانت الفاكهة ناضجة أو غير ناضجة.
+
+> 💁 من المهم ألا تكون هناك خلفيات محددة أو عناصر معينة غير مرتبطة بالشيء الذي يتم تصنيفه لكل علامة، وإلا قد يقوم المصنف بالتصنيف بناءً على الخلفية. كان هناك مصنف لسرطان الجلد تم تدريبه على الشامات العادية والسرطانية، وكانت الشامات السرطانية تحتوي جميعها على مساطر لقياس الحجم. اتضح أن المصنف كان دقيقًا بنسبة تقارب 100% في التعرف على المساطر في الصور، وليس الشامات السرطانية.
+
+تعمل مصنفات الصور بدقة منخفضة جدًا. على سبيل المثال، يمكن لـ Custom Vision استخدام صور تدريب وتنبؤ تصل إلى 10240x10240، ولكن يتم تدريب النموذج وتشغيله على صور بحجم 227x227. يتم تصغير الصور الأكبر إلى هذا الحجم، لذا تأكد من أن الشيء الذي تقوم بتصنيفه يشغل جزءًا كبيرًا من الصورة، وإلا قد يكون صغيرًا جدًا في الصورة المصغرة التي يستخدمها المصنف.
+
+1. اجمع صورًا لمصنفك. ستحتاج إلى ما لا يقل عن 5 صور لكل تصنيف لتدريب المصنف، ولكن كلما زاد العدد كان أفضل. ستحتاج أيضًا إلى بعض الصور الإضافية لاختبار المصنف. يجب أن تكون هذه الصور مختلفة لنفس الشيء. على سبيل المثال:
+
+    * باستخدام موزتين ناضجتين، التقط بعض الصور لكل واحدة من زوايا مختلفة، مع التقاط ما لا يقل عن 7 صور (5 للتدريب، 2 للاختبار)، ولكن يُفضل أكثر.
+
+        ![صور لموزتين مختلفتين](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ar.png)
+
+    * كرر نفس العملية باستخدام موزتين غير ناضجتين.
+
+    يجب أن يكون لديك ما لا يقل عن 10 صور تدريبية، مع 5 على الأقل ناضجة و5 غير ناضجة، و4 صور اختبارية، 2 ناضجة و2 غير ناضجة. يجب أن تكون صورك بصيغة png أو jpeg وأقل من 6 ميجابايت. إذا قمت بإنشائها باستخدام هاتف آيفون، على سبيل المثال، قد تكون بصيغة HEIC عالية الدقة، لذا ستحتاج إلى تحويلها وربما تصغيرها. كلما زاد عدد الصور كان أفضل، ويجب أن يكون لديك عدد متساوٍ تقريبًا من الصور الناضجة وغير الناضجة.
+
+    إذا لم يكن لديك فواكه ناضجة وغير ناضجة، يمكنك استخدام فواكه مختلفة، أو أي شيئين متاحين لديك. يمكنك أيضًا العثور على بعض الصور النموذجية في [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) لموز ناضج وغير ناضج يمكنك استخدامها.
+
+1. اتبع [قسم تحميل الصور ووضع العلامات في دليل البدء السريع لبناء مصنف على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) لتحميل صور التدريب الخاصة بك. ضع علامة على الفاكهة الناضجة بـ `ripe`، وغير الناضجة بـ `unripe`.
+
+    ![حوارات التحميل التي تعرض تحميل صور الموز الناضج وغير الناضج](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ar.png)
+
+1. اتبع [قسم تدريب المصنف في دليل البدء السريع لبناء مصنف على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) لتدريب مصنف الصور على الصور التي قمت بتحميلها.
+
+    سيتم إعطاؤك خيار نوع التدريب. اختر **التدريب السريع**.
+
+سيبدأ المصنف في التدريب. سيستغرق الأمر بضع دقائق لإكمال التدريب.
+
+> 🍌 إذا قررت تناول الفاكهة أثناء تدريب المصنف، تأكد من أن لديك صورًا كافية للاختبار أولاً!
+
+## اختبار مصنف الصور الخاص بك
+
+بمجرد تدريب المصنف الخاص بك، يمكنك اختباره عن طريق إعطائه صورة جديدة لتصنيفها.
+
+### المهمة - اختبار مصنف الصور الخاص بك
+
+1. اتبع [وثائق اختبار النموذج على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) لاختبار مصنف الصور الخاص بك. استخدم الصور الاختبارية التي أنشأتها سابقًا، وليس أيًا من الصور التي استخدمتها للتدريب.
+
+    ![موزة غير ناضجة تم التنبؤ بها كغير ناضجة بنسبة 98.9%، وناضجة بنسبة 1.1%](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ar.png)
+
+1. جرب جميع الصور الاختبارية التي لديك وراقب الاحتمالات.
+
+## إعادة تدريب مصنف الصور الخاص بك
+
+عند اختبار المصنف الخاص بك، قد لا يعطي النتائج التي تتوقعها. تستخدم مصنفات الصور التعلم الآلي لتقديم تنبؤات حول ما يوجد في الصورة، بناءً على احتمالات أن ميزات معينة في الصورة تعني أنها تطابق تصنيفًا معينًا. لا يفهم المصنف ما يوجد في الصورة - فهو لا يعرف ما هو الموز أو يفهم ما يجعل الموز موزًا بدلاً من قارب. يمكنك تحسين المصنف الخاص بك عن طريق إعادة تدريبه باستخدام الصور التي يخطئ فيها.
+
+في كل مرة تقوم فيها بإجراء تنبؤ باستخدام خيار الاختبار السريع، يتم تخزين الصورة والنتائج. يمكنك استخدام هذه الصور لإعادة تدريب النموذج الخاص بك.
+
+### المهمة - إعادة تدريب مصنف الصور الخاص بك
+
+1. اتبع [وثائق استخدام الصورة المتنبأ بها للتدريب على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training) لإعادة تدريب النموذج الخاص بك، باستخدام العلامة الصحيحة لكل صورة.
+
+1. بمجرد إعادة تدريب النموذج الخاص بك، اختبره على صور جديدة.
+
+---
+
+## 🚀 التحدي
+
+ما الذي تعتقد أنه سيحدث إذا استخدمت صورة لفراولة مع نموذج تم تدريبه على الموز، أو صورة لموزة قابلة للنفخ، أو شخص يرتدي زي موزة، أو حتى شخصية كرتونية صفراء مثل شخصيات عائلة سيمبسون؟
+
+جرب ذلك وشاهد ما هي التنبؤات. يمكنك العثور على صور لتجربتها باستخدام [بحث الصور في Bing](https://www.bing.com/images/trending).
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## المراجعة والدراسة الذاتية
+
+* عند تدريب المصنف الخاص بك، كنت سترى قيمًا مثل *الدقة*، *الاسترجاع*، و *AP* التي تقيم النموذج الذي تم إنشاؤه. اقرأ عن هذه القيم باستخدام [قسم تقييم المصنف في دليل البدء السريع لبناء مصنف على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)
+* اقرأ عن كيفية تحسين المصنف الخاص بك من [كيفية تحسين نموذج Custom Vision الخاص بك على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)
+
+## المهمة
+
+[قم بتدريب المصنف الخاص بك على فواكه وخضروات متعددة](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..e8365d54
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T21:45:16+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "ar"
+}
+-->
+# درّب المصنف الخاص بك لتصنيف عدة أنواع من الفواكه والخضروات
+
+## التعليمات
+
+في هذا الدرس، قمت بتدريب مصنف الصور ليكون قادرًا على التمييز بين الفواكه الناضجة وغير الناضجة، ولكن باستخدام نوع واحد فقط من الفاكهة. يمكن تدريب المصنف ليتمكن من التعرف على عدة أنواع من الفواكه، مع معدلات نجاح متفاوتة تعتمد على نوع الفاكهة والفرق بين الناضجة وغير الناضجة.
+
+على سبيل المثال، بالنسبة للفواكه التي يتغير لونها عند نضوجها، قد تكون المصنفات القائمة على الصور أقل فعالية مقارنةً بمستشعرات الألوان، حيث إنها عادةً تعمل على صور بالأبيض والأسود بدلاً من الصور الملونة بالكامل.
+
+قم بتدريب المصنف الخاص بك باستخدام أنواع أخرى من الفواكه لترى مدى فعاليته، خاصةً عندما تكون الفواكه متشابهة في الشكل. على سبيل المثال، التفاح والطماطم.
+
+## المعايير
+
+| المعيار | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| تدريب المصنف لتصنيف عدة أنواع من الفواكه | تمكن من تدريب المصنف لتصنيف عدة أنواع من الفواكه | تمكن من تدريب المصنف لتصنيف نوع إضافي واحد من الفواكه | لم يتمكن من تدريب المصنف لتصنيف المزيد من الفواكه |
+| تحديد مدى فعالية المصنف | تمكن من التعليق بشكل صحيح على مدى فعالية المصنف مع أنواع مختلفة من الفواكه | تمكن من الملاحظة وتقديم اقتراحات حول مدى فعاليته | لم يتمكن من التعليق على مدى فعالية المصنف |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..b7482490
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T21:46:15+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "ar"
+}
+-->
+# التحقق من جودة الفاكهة باستخدام جهاز إنترنت الأشياء
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## المقدمة
+
+في الدرس السابق، تعلمت عن مصنفات الصور وكيفية تدريبها للكشف عن الفاكهة الجيدة والسيئة. لاستخدام هذا المصنف في تطبيق إنترنت الأشياء، تحتاج إلى القدرة على التقاط صورة باستخدام نوع من الكاميرات وإرسال هذه الصورة إلى السحابة لتصنيفها.
+
+في هذا الدرس، ستتعلم عن مستشعرات الكاميرا وكيفية استخدامها مع جهاز إنترنت الأشياء لالتقاط صورة. ستتعلم أيضًا كيفية استدعاء مصنف الصور من جهاز إنترنت الأشياء الخاص بك.
+
+في هذا الدرس سنتناول:
+
+* [مستشعرات الكاميرا](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [التقاط صورة باستخدام جهاز إنترنت الأشياء](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [نشر مصنف الصور الخاص بك](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [تصنيف الصور من جهاز إنترنت الأشياء الخاص بك](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [تحسين النموذج](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## مستشعرات الكاميرا
+
+مستشعرات الكاميرا، كما يشير الاسم، هي كاميرات يمكنك توصيلها بجهاز إنترنت الأشياء الخاص بك. يمكنها التقاط صور ثابتة أو تسجيل فيديو متدفق. بعضها يعيد بيانات الصور الخام، والبعض الآخر يضغط البيانات إلى ملف صورة مثل JPEG أو PNG. عادةً ما تكون الكاميرات التي تعمل مع أجهزة إنترنت الأشياء أصغر وأقل دقة مما قد تكون معتادًا عليه، ولكن يمكنك الحصول على كاميرات عالية الدقة تنافس أفضل الهواتف. يمكنك الحصول على عدسات قابلة للتبديل، إعدادات كاميرا متعددة، كاميرات حرارية بالأشعة تحت الحمراء، أو كاميرات الأشعة فوق البنفسجية.
+
+![الضوء من المشهد يمر عبر عدسة ويركز على مستشعر CMOS](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ar.png)
+
+معظم مستشعرات الكاميرا تستخدم مستشعرات الصور حيث كل بكسل هو ديود ضوئي. تقوم العدسة بتركيز الصورة على مستشعر الصورة، وتقوم آلاف أو ملايين الديودات الضوئية بالكشف عن الضوء الساقط على كل منها وتسجيله كبيانات بكسل.
+
+> 💁 العدسات تقلب الصور، ثم يقوم مستشعر الكاميرا بإعادة الصورة إلى وضعها الصحيح. هذا هو الحال أيضًا في عينيك - ما تراه يتم الكشف عنه مقلوبًا في الجزء الخلفي من عينك ويقوم دماغك بتصحيحه.
+
+> 🎓 يُعرف مستشعر الصورة باسم مستشعر البكسل النشط (APS)، والنوع الأكثر شيوعًا من APS هو مستشعر أشباه الموصلات بأكسيد معدني مكمل، أو CMOS. ربما سمعت بمصطلح مستشعر CMOS المستخدم لمستشعرات الكاميرا.
+
+مستشعرات الكاميرا هي مستشعرات رقمية، ترسل بيانات الصور كبيانات رقمية، عادةً بمساعدة مكتبة توفر الاتصال. تتصل الكاميرات باستخدام بروتوكولات مثل SPI للسماح لها بإرسال كميات كبيرة من البيانات - الصور أكبر بكثير من الأرقام الفردية من مستشعر مثل مستشعر درجة الحرارة.
+
+✅ ما هي القيود المتعلقة بحجم الصور مع أجهزة إنترنت الأشياء؟ فكر في القيود خاصةً على أجهزة التحكم الدقيقة.
+
+## التقاط صورة باستخدام جهاز إنترنت الأشياء
+
+يمكنك استخدام جهاز إنترنت الأشياء الخاص بك لالتقاط صورة لتصنيفها.
+
+### المهمة - التقاط صورة باستخدام جهاز إنترنت الأشياء
+
+اتبع الدليل المناسب لالتقاط صورة باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-camera.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-camera.md)
+
+## نشر مصنف الصور الخاص بك
+
+لقد قمت بتدريب مصنف الصور الخاص بك في الدرس السابق. قبل أن تتمكن من استخدامه من جهاز إنترنت الأشياء الخاص بك، تحتاج إلى نشر النموذج.
+
+### تكرارات النموذج
+
+عندما كان النموذج الخاص بك يتدرب في الدرس السابق، ربما لاحظت أن علامة التبويب **الأداء** تعرض التكرارات على الجانب. عندما قمت بتدريب النموذج لأول مرة، كنت سترى *التكرار 1* أثناء التدريب. عندما قمت بتحسين النموذج باستخدام صور التنبؤ، كنت سترى *التكرار 2* أثناء التدريب.
+
+في كل مرة تقوم فيها بتدريب النموذج، تحصل على تكرار جديد. هذه طريقة لتتبع الإصدارات المختلفة من النموذج المدربة على مجموعات بيانات مختلفة. عندما تقوم بإجراء **اختبار سريع**، هناك قائمة منسدلة يمكنك استخدامها لتحديد التكرار، بحيث يمكنك مقارنة النتائج عبر تكرارات متعددة.
+
+عندما تكون راضيًا عن تكرار معين، يمكنك نشره ليكون متاحًا للاستخدام من التطبيقات الخارجية. بهذه الطريقة يمكنك الحصول على إصدار منشور يستخدمه أجهزتك، ثم العمل على إصدار جديد عبر تكرارات متعددة، ثم نشره بمجرد أن تكون راضيًا عنه.
+
+### المهمة - نشر تكرار
+
+يتم نشر التكرارات من بوابة Custom Vision.
+
+1. افتح بوابة Custom Vision على [CustomVision.ai](https://customvision.ai) وقم بتسجيل الدخول إذا لم تكن قد فتحتها بالفعل. ثم افتح مشروعك `fruit-quality-detector`.
+
+1. اختر علامة التبويب **الأداء** من الخيارات في الأعلى.
+
+1. اختر أحدث تكرار من قائمة *التكرارات* على الجانب.
+
+1. اضغط على زر **النشر** للتكرار.
+
+    ![زر النشر](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ar.png)
+
+1. في مربع الحوار *نشر النموذج*، قم بتعيين *مورد التنبؤ* إلى المورد `fruit-quality-detector-prediction` الذي أنشأته في الدرس السابق. اترك الاسم كما هو `Iteration2`، واضغط على زر **النشر**.
+
+1. بمجرد النشر، اضغط على زر **عنوان URL للتنبؤ**. سيعرض هذا تفاصيل واجهة برمجة التطبيقات للتنبؤ، وستحتاج إلى هذه التفاصيل لاستدعاء النموذج من جهاز إنترنت الأشياء الخاص بك. القسم السفلي يحمل عنوان *إذا كان لديك ملف صورة*، وهذه هي التفاصيل التي تريدها. خذ نسخة من عنوان URL الذي يظهر والذي سيكون شيئًا مثل:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    حيث `<location>` سيكون الموقع الذي استخدمته عند إنشاء مورد الرؤية المخصص، و `<id>` سيكون معرفًا طويلًا مكونًا من أحرف وأرقام.
+
+    أيضًا، خذ نسخة من قيمة *مفتاح التنبؤ*. هذا مفتاح آمن يجب تمريره عند استدعاء النموذج. فقط التطبيقات التي تمرر هذا المفتاح يُسمح لها باستخدام النموذج، وأي تطبيقات أخرى يتم رفضها.
+
+    ![مربع الحوار الخاص بواجهة برمجة التطبيقات للتنبؤ يظهر عنوان URL والمفتاح](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ar.png)
+
+✅ عندما يتم نشر تكرار جديد، سيكون له اسم مختلف. كيف تعتقد أنه يمكنك تغيير التكرار الذي يستخدمه جهاز إنترنت الأشياء؟
+
+## تصنيف الصور من جهاز إنترنت الأشياء الخاص بك
+
+يمكنك الآن استخدام تفاصيل الاتصال هذه لاستدعاء مصنف الصور من جهاز إنترنت الأشياء الخاص بك.
+
+### المهمة - تصنيف الصور من جهاز إنترنت الأشياء الخاص بك
+
+اتبع الدليل المناسب لتصنيف الصور باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-classify-image.md)
+
+## تحسين النموذج
+
+قد تجد أن النتائج التي تحصل عليها عند استخدام الكاميرا المتصلة بجهاز إنترنت الأشياء الخاص بك لا تتطابق مع ما كنت تتوقعه. التنبؤات ليست دائمًا دقيقة مثل استخدام الصور التي تم تحميلها من جهاز الكمبيوتر الخاص بك. هذا لأن النموذج تم تدريبه على بيانات مختلفة عن تلك المستخدمة في التنبؤات.
+
+للحصول على أفضل النتائج لمصنف الصور، تريد تدريب النموذج باستخدام صور مشابهة قدر الإمكان للصور المستخدمة في التنبؤات. إذا كنت قد استخدمت كاميرا هاتفك لالتقاط الصور للتدريب، على سبيل المثال، فإن جودة الصورة، الحدة، والألوان ستكون مختلفة عن كاميرا متصلة بجهاز إنترنت الأشياء.
+
+![صورتان لموز، واحدة منخفضة الدقة مع إضاءة ضعيفة من جهاز إنترنت الأشياء، والأخرى عالية الدقة مع إضاءة جيدة من هاتف](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ar.png)
+
+في الصورة أعلاه، الصورة على اليسار تم التقاطها باستخدام كاميرا Raspberry Pi، والصورة على اليمين تم التقاطها لنفس الموزة في نفس الموقع باستخدام iPhone. هناك فرق واضح في الجودة - صورة iPhone أكثر وضوحًا، بألوان أكثر إشراقًا وتباين أعلى.
+
+✅ ما الذي قد يسبب أن تكون الصور التي يلتقطها جهاز إنترنت الأشياء الخاص بك تحتوي على تنبؤات غير صحيحة؟ فكر في البيئة التي قد يُستخدم فيها جهاز إنترنت الأشياء، ما العوامل التي يمكن أن تؤثر على الصورة التي يتم التقاطها؟
+
+لتحسين النموذج، يمكنك إعادة تدريبه باستخدام الصور التي تم التقاطها من جهاز إنترنت الأشياء.
+
+### المهمة - تحسين النموذج
+
+1. صنف صورًا متعددة لكل من الفاكهة الناضجة وغير الناضجة باستخدام جهاز إنترنت الأشياء الخاص بك.
+
+1. في بوابة Custom Vision، أعد تدريب النموذج باستخدام الصور في علامة التبويب *التنبؤات*.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات الخاصة بإعادة تدريب المصنف الخاص بك في الدرس الأول إذا لزم الأمر](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. إذا كانت صورك تبدو مختلفة جدًا عن الصور الأصلية المستخدمة في التدريب، يمكنك حذف جميع الصور الأصلية عن طريق تحديدها في علامة التبويب *صور التدريب* والضغط على زر **الحذف**. لتحديد صورة، حرك المؤشر فوقها وسيظهر علامة اختيار، اضغط على تلك العلامة لتحديد أو إلغاء تحديد الصورة.
+
+1. قم بتدريب تكرار جديد للنموذج ونشره باستخدام الخطوات أعلاه.
+
+1. قم بتحديث عنوان URL في الكود الخاص بك، وأعد تشغيل التطبيق.
+
+1. كرر هذه الخطوات حتى تكون راضيًا عن نتائج التنبؤات.
+
+---
+
+## 🚀 التحدي
+
+ما مدى تأثير دقة الصورة أو الإضاءة على التنبؤ؟
+
+حاول تغيير دقة الصور في كود جهازك وشاهد ما إذا كان ذلك يحدث فرقًا في جودة الصور. أيضًا، حاول تغيير الإضاءة.
+
+إذا كنت ستقوم بإنشاء جهاز إنتاجي لبيعه للمزارع أو المصانع، كيف ستضمن أنه يعطي نتائج متسقة طوال الوقت؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## المراجعة والدراسة الذاتية
+
+لقد قمت بتدريب نموذج الرؤية المخصص الخاص بك باستخدام البوابة. يعتمد هذا على وجود صور متاحة - وفي العالم الحقيقي قد لا تتمكن من الحصول على بيانات تدريب تتطابق مع ما تلتقطه الكاميرا على جهازك. يمكنك تجاوز هذا عن طريق التدريب مباشرةً من جهازك باستخدام واجهة برمجة التطبيقات للتدريب، لتدريب نموذج باستخدام الصور التي تم التقاطها من جهاز إنترنت الأشياء الخاص بك.
+
+* اقرأ عن واجهة برمجة التطبيقات للتدريب في [البدء السريع باستخدام SDK للرؤية المخصصة](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python)
+
+## الواجب
+
+[الرد على نتائج التصنيف](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..bb75e796
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T21:48:04+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "ar"
+}
+-->
+# الاستجابة لنتائج التصنيف
+
+## التعليمات
+
+قام جهازك بتصنيف الصور وحصل على قيم التوقعات. يمكن لجهازك استخدام هذه المعلومات لاتخاذ إجراء معين - مثل إرسالها إلى IoT Hub لمعالجتها بواسطة أنظمة أخرى، أو التحكم في مشغل مثل LED ليضيء عندما تكون الفاكهة غير ناضجة.
+
+أضف كودًا إلى جهازك للاستجابة بالطريقة التي تختارها - إما إرسال البيانات إلى IoT Hub، أو التحكم في مشغل، أو الجمع بين الاثنين وإرسال البيانات إلى IoT Hub مع كود بدون خادم يحدد ما إذا كانت الفاكهة ناضجة أم لا ويرسل أمرًا للتحكم في المشغل.
+
+## معايير التقييم
+
+| المعيار | مثالي | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| الاستجابة للتوقعات | تمكن من تنفيذ استجابة للتوقعات تعمل بشكل متسق مع توقعات ذات نفس القيمة. | تمكن من تنفيذ استجابة غير معتمدة على التوقعات، مثل إرسال البيانات الخام فقط إلى IoT Hub | لم يتمكن من برمجة الجهاز للاستجابة للتوقعات |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..ae49f325
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T21:48:43+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "ar"
+}
+-->
+# التقاط صورة - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإضافة مستشعر كاميرا إلى Raspberry Pi وقراءة الصور منه.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى كاميرا.
+
+الكاميرا التي ستستخدمها هي [وحدة كاميرا Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/). تم تصميم هذه الكاميرا للعمل مع Raspberry Pi وتُوصَل عبر موصل مخصص على الجهاز.
+
+> 💁 تستخدم هذه الكاميرا [واجهة الكاميرا التسلسلية، وهو بروتوكول من تحالف معالجات صناعة الهواتف المحمولة](https://wikipedia.org/wiki/Camera_Serial_Interface)، المعروف باسم MIPI-CSI. هذا بروتوكول مخصص لإرسال الصور.
+
+## توصيل الكاميرا
+
+يمكن توصيل الكاميرا بـ Raspberry Pi باستخدام كابل شريطي.
+
+### المهمة - توصيل الكاميرا
+
+![كاميرا Raspberry Pi](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ar.png)
+
+1. قم بإيقاف تشغيل Raspberry Pi.
+
+1. قم بتوصيل الكابل الشريطي الذي يأتي مع الكاميرا بالكاميرا. للقيام بذلك، اسحب برفق على المشبك البلاستيكي الأسود في الحامل بحيث يخرج قليلاً، ثم أدخل الكابل في المقبس، مع توجيه الجانب الأزرق بعيدًا عن العدسة، والشرائط المعدنية نحو العدسة. بمجرد إدخال الكابل بالكامل، ادفع المشبك البلاستيكي الأسود إلى مكانه.
+
+    يمكنك العثور على رسم متحرك يوضح كيفية فتح المشبك وإدخال الكابل في [وثائق Raspberry Pi للبدء باستخدام وحدة الكاميرا](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2).
+
+    ![الكابل الشريطي مُدخل في وحدة الكاميرا](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ar.png)
+
+1. قم بإزالة قبعة Grove Base Hat من Raspberry Pi.
+
+1. مرر الكابل الشريطي عبر فتحة الكاميرا في قبعة Grove Base Hat. تأكد من أن الجانب الأزرق من الكابل يواجه المنافذ التناظرية المسمّاة **A0**، **A1** وما إلى ذلك.
+
+    ![الكابل الشريطي يمر عبر قبعة Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ar.png)
+
+1. أدخل الكابل الشريطي في منفذ الكاميرا على Raspberry Pi. مرة أخرى، اسحب المشبك البلاستيكي الأسود لأعلى، أدخل الكابل، ثم ادفع المشبك إلى مكانه. يجب أن يكون الجانب الأزرق من الكابل مواجهًا لمنافذ USB والإيثرنت.
+
+    ![الكابل الشريطي متصل بمنفذ الكاميرا على Raspberry Pi](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ar.png)
+
+1. أعد تركيب قبعة Grove Base Hat.
+
+## برمجة الكاميرا
+
+يمكن الآن برمجة Raspberry Pi لاستخدام الكاميرا باستخدام مكتبة Python [PiCamera](https://pypi.org/project/picamera/).
+
+### المهمة - تمكين وضع الكاميرا القديم
+
+لسوء الحظ، مع إصدار نظام التشغيل Raspberry Pi OS Bullseye، تغيرت برامج الكاميرا التي تأتي مع النظام، مما يعني أن PiCamera لم تعد تعمل بشكل افتراضي. هناك بديل قيد التطوير يسمى PiCamera2، لكنه غير جاهز للاستخدام بعد.
+
+في الوقت الحالي، يمكنك ضبط Raspberry Pi على وضع الكاميرا القديم للسماح لـ PiCamera بالعمل. كما أن منفذ الكاميرا معطل افتراضيًا، ولكن تشغيل برامج الكاميرا القديمة يُمكّن المنفذ تلقائيًا.
+
+1. قم بتشغيل Raspberry Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح VS Code، إما مباشرة على Raspberry Pi، أو قم بالاتصال عبر امتداد Remote SSH.
+
+1. قم بتشغيل الأوامر التالية من الطرفية:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    سيقوم هذا بتبديل إعداد لتمكين برامج الكاميرا القديمة، ثم إعادة تشغيل Raspberry Pi لتفعيل هذا الإعداد.
+
+1. انتظر حتى يتم إعادة تشغيل Raspberry Pi، ثم أعد فتح VS Code.
+
+### المهمة - برمجة الكاميرا
+
+قم ببرمجة الجهاز.
+
+1. من الطرفية، قم بإنشاء مجلد جديد في دليل المستخدم `pi` يسمى `fruit-quality-detector`. قم بإنشاء ملف في هذا المجلد يسمى `app.py`.
+
+1. افتح هذا المجلد في VS Code.
+
+1. للتفاعل مع الكاميرا، يمكنك استخدام مكتبة Python PiCamera. قم بتثبيت حزمة Pip لهذه المكتبة باستخدام الأمر التالي:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` الخاص بك:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    يقوم هذا الكود باستيراد بعض المكتبات اللازمة، بما في ذلك مكتبة `PiCamera`.
+
+1. أضف الكود التالي أسفل هذا لتهيئة الكاميرا:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    يقوم هذا الكود بإنشاء كائن PiCamera، ويضبط الدقة على 640x480. على الرغم من أن الدقة الأعلى مدعومة (حتى 3280x2464)، إلا أن مصنف الصور يعمل على صور أصغر بكثير (227x227)، لذلك لا حاجة لالتقاط وإرسال صور أكبر.
+
+    السطر `camera.rotation = 0` يضبط دوران الصورة. يدخل الكابل الشريطي في الجزء السفلي من الكاميرا، ولكن إذا تم تدوير الكاميرا لتسهيل توجيهها نحو العنصر الذي تريد تصنيفه، يمكنك تغيير هذا السطر إلى عدد درجات الدوران.
+
+    ![الكاميرا معلقة فوق علبة مشروب](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ar.png)
+
+    على سبيل المثال، إذا علقت الكابل الشريطي فوق شيء بحيث يكون في الجزء العلوي من الكاميرا، قم بضبط الدوران ليكون 180:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    تستغرق الكاميرا بضع ثوانٍ لتبدأ، لذا السطر `time.sleep(2)` ضروري.
+
+1. أضف الكود التالي أسفل هذا لالتقاط الصورة كبيانات ثنائية:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    يقوم هذا الكود بإنشاء كائن `BytesIO` لتخزين البيانات الثنائية. يتم قراءة الصورة من الكاميرا كملف JPEG وتُخزن في هذا الكائن. يحتوي هذا الكائن على مؤشر موقع لمعرفة مكانه في البيانات بحيث يمكن كتابة المزيد من البيانات في النهاية إذا لزم الأمر، لذا السطر `image.seek(0)` يعيد هذا المؤشر إلى البداية حتى يمكن قراءة جميع البيانات لاحقًا.
+
+1. أسفل هذا، أضف الكود التالي لحفظ الصورة في ملف:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    يقوم هذا الكود بفتح ملف يسمى `image.jpg` للكتابة، ثم يقرأ جميع البيانات من كائن `BytesIO` ويكتبها إلى الملف.
+
+    > 💁 يمكنك التقاط الصورة مباشرة إلى ملف بدلاً من كائن `BytesIO` عن طريق تمرير اسم الملف إلى استدعاء `camera.capture`. السبب في استخدام كائن `BytesIO` هو أنه لاحقًا في هذا الدرس يمكنك إرسال الصورة إلى مصنف الصور الخاص بك.
+
+1. وجه الكاميرا نحو شيء ما وقم بتشغيل هذا الكود.
+
+1. سيتم التقاط صورة وحفظها كـ `image.jpg` في المجلد الحالي. سترى هذا الملف في مستكشف VS Code. اختر الملف لعرض الصورة. إذا كانت بحاجة إلى دوران، قم بتحديث السطر `camera.rotation = 0` حسب الحاجة والتقط صورة أخرى.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi).
+
+😀 لقد نجحت في برمجة الكاميرا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..dae6347a
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T21:50:10+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "ar"
+}
+-->
+# تصنيف صورة - أجهزة إنترنت الأشياء الافتراضية و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإرسال الصورة التي تم التقاطها بواسطة الكاميرا إلى خدمة Custom Vision لتصنيفها.
+
+## إرسال الصور إلى Custom Vision
+
+تحتوي خدمة Custom Vision على مكتبة SDK بلغة Python يمكنك استخدامها لتصنيف الصور.
+
+### المهمة - إرسال الصور إلى Custom Vision
+
+1. افتح مجلد `fruit-quality-detector` في VS Code. إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي، تأكد من تشغيل البيئة الافتراضية في الطرفية.
+
+1. مكتبة SDK الخاصة بـ Python لإرسال الصور إلى Custom Vision متوفرة كحزمة Pip. قم بتثبيتها باستخدام الأمر التالي:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. أضف عبارات الاستيراد التالية في أعلى ملف `app.py`:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    هذا يجلب بعض الوحدات من مكتبات Custom Vision، واحدة للمصادقة باستخدام مفتاح التنبؤ، وأخرى لتوفير فئة عميل التنبؤ التي يمكنها الاتصال بـ Custom Vision.
+
+1. أضف الكود التالي إلى نهاية الملف:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    استبدل `<prediction_url>` بالرابط الذي نسخته من مربع الحوار *Prediction URL* سابقًا في هذا الدرس. استبدل `<prediction key>` بمفتاح التنبؤ الذي نسخته من نفس مربع الحوار.
+
+1. الرابط الذي تم توفيره من مربع الحوار *Prediction URL* مصمم للاستخدام عند الاتصال بنقطة النهاية REST مباشرة. مكتبة SDK الخاصة بـ Python تستخدم أجزاء من الرابط في أماكن مختلفة. أضف الكود التالي لتقسيم هذا الرابط إلى الأجزاء المطلوبة:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    هذا يقوم بتقسيم الرابط، مستخرجًا نقطة النهاية `https://<location>.api.cognitive.microsoft.com`، ومعرف المشروع، واسم النسخة المنشورة.
+
+1. قم بإنشاء كائن تنبؤ لتنفيذ التنبؤ باستخدام الكود التالي:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials` تغلف مفتاح التنبؤ. يتم استخدام هذه لإنشاء كائن عميل التنبؤ الذي يشير إلى نقطة النهاية.
+
+1. أرسل الصورة إلى Custom Vision باستخدام الكود التالي:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    هذا يعيد الصورة إلى البداية، ثم يرسلها إلى عميل التنبؤ.
+
+1. أخيرًا، اعرض النتائج باستخدام الكود التالي:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    هذا سيقوم بالدوران عبر جميع التنبؤات التي تم إرجاعها وعرضها في الطرفية. الاحتمالات التي يتم إرجاعها هي أرقام عشرية بين 0-1، حيث 0 يعني احتمال 0% لمطابقة العلامة، و1 يعني احتمال 100%.
+
+    > 💁 مصنفات الصور ستقوم بإرجاع النسب المئوية لجميع العلامات التي تم استخدامها. كل علامة سيكون لها احتمال أن الصورة تطابق تلك العلامة.
+
+1. قم بتشغيل الكود الخاص بك، مع توجيه الكاميرا نحو بعض الفواكه، أو مجموعة صور مناسبة، أو فواكه مرئية على كاميرا الويب الخاصة بك إذا كنت تستخدم أجهزة إنترنت الأشياء الافتراضية. سترى الإخراج في وحدة التحكم:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    ستتمكن من رؤية الصورة التي تم التقاطها، وهذه القيم في علامة التبويب **Predictions** في Custom Vision.
+
+    ![موزة في Custom Vision تم التنبؤ بأنها ناضجة بنسبة 56.8% وغير ناضجة بنسبة 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) أو [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device).
+
+😀 برنامج تصنيف جودة الفواكه الخاص بك كان ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..fcd17805
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T21:52:39+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "ar"
+}
+-->
+# التقاط صورة - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستضيف مستشعر كاميرا إلى جهاز إنترنت الأشياء الافتراضي الخاص بك، وتقوم بقراءة الصور منه.
+
+## الأجهزة
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي كاميرا محاكاة ترسل إما صورًا من ملفات أو من كاميرا الويب الخاصة بك.
+
+### إضافة الكاميرا إلى CounterFit
+
+لاستخدام كاميرا افتراضية، تحتاج إلى إضافتها إلى تطبيق CounterFit.
+
+#### المهمة - إضافة الكاميرا إلى CounterFit
+
+أضف الكاميرا إلى تطبيق CounterFit.
+
+1. قم بإنشاء تطبيق Python جديد على جهاز الكمبيوتر الخاص بك في مجلد يسمى `fruit-quality-detector` يحتوي على ملف واحد يسمى `app.py` وبيئة افتراضية لـ Python، وأضف حزم CounterFit باستخدام pip.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء وإعداد مشروع CounterFit Python في الدرس الأول إذا لزم الأمر](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. قم بتثبيت حزمة إضافية باستخدام pip لتثبيت CounterFit shim الذي يمكنه التفاعل مع مستشعرات الكاميرا عن طريق محاكاة بعض وظائف [حزمة Picamera](https://pypi.org/project/picamera/). تأكد من تثبيتها من خلال نافذة طرفية مع تفعيل البيئة الافتراضية.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء كاميرا:
+
+    1. في مربع *إنشاء مستشعر* في لوحة *المستشعرات*، انقر على القائمة المنسدلة *نوع المستشعر* واختر *كاميرا*.
+
+    1. قم بتعيين *الاسم* إلى `Picamera`.
+
+    1. اختر زر **إضافة** لإنشاء الكاميرا.
+
+    ![إعدادات الكاميرا](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ar.png)
+
+    سيتم إنشاء الكاميرا وستظهر في قائمة المستشعرات.
+
+    ![الكاميرا التي تم إنشاؤها](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ar.png)
+
+## برمجة الكاميرا
+
+يمكن الآن برمجة جهاز إنترنت الأشياء الافتراضي لاستخدام الكاميرا الافتراضية.
+
+### المهمة - برمجة الكاميرا
+
+برمج الجهاز.
+
+1. تأكد من فتح تطبيق `fruit-quality-detector` في VS Code.
+
+1. افتح ملف `app.py`.
+
+1. أضف الكود التالي إلى أعلى ملف `app.py` لتوصيل التطبيق بـ CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. أضف الكود التالي إلى ملف `app.py` الخاص بك:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    يقوم هذا الكود باستيراد بعض المكتبات اللازمة، بما في ذلك الفئة `PiCamera` من مكتبة counterfit_shims_picamera.
+
+1. أضف الكود التالي أسفل ذلك لتهيئة الكاميرا:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    يقوم هذا الكود بإنشاء كائن PiCamera، ويضبط الدقة على 640x480. على الرغم من أن الدقة الأعلى مدعومة، إلا أن مصنف الصور يعمل على صور أصغر بكثير (227x227)، لذلك لا حاجة لالتقاط وإرسال صور أكبر.
+
+    يقوم السطر `camera.rotation = 0` بتعيين دوران الصورة بالدرجات. إذا كنت بحاجة إلى تدوير الصورة من كاميرا الويب أو الملف، قم بتعيين هذا حسب الحاجة. على سبيل المثال، إذا كنت تريد تغيير صورة موزة على كاميرا ويب في وضع أفقي إلى وضع عمودي، قم بتعيين `camera.rotation = 90`.
+
+1. أضف الكود التالي أسفل ذلك لالتقاط الصورة كبيانات ثنائية:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    يقوم هذا الكود بإنشاء كائن `BytesIO` لتخزين البيانات الثنائية. يتم قراءة الصورة من الكاميرا كملف JPEG وتخزينها في هذا الكائن. يحتوي هذا الكائن على مؤشر موقع لمعرفة مكانه في البيانات بحيث يمكن كتابة المزيد من البيانات في النهاية إذا لزم الأمر، لذلك يقوم السطر `image.seek(0)` بإعادة هذا المؤشر إلى البداية حتى يمكن قراءة جميع البيانات لاحقًا.
+
+1. أسفل ذلك، أضف الكود التالي لحفظ الصورة في ملف:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    يقوم هذا الكود بفتح ملف يسمى `image.jpg` للكتابة، ثم يقرأ جميع البيانات من كائن `BytesIO` ويكتبها إلى الملف.
+
+    > 💁 يمكنك التقاط الصورة مباشرة إلى ملف بدلاً من كائن `BytesIO` عن طريق تمرير اسم الملف إلى استدعاء `camera.capture`. السبب في استخدام كائن `BytesIO` هو أنه لاحقًا في هذا الدرس يمكنك إرسال الصورة إلى مصنف الصور الخاص بك.
+
+1. قم بتكوين الصورة التي ستلتقطها الكاميرا في CounterFit. يمكنك إما تعيين *المصدر* إلى *ملف*، ثم تحميل ملف صورة، أو تعيين *المصدر* إلى *كاميرا ويب*، وسيتم التقاط الصور من كاميرا الويب الخاصة بك. تأكد من اختيار زر **تعيين** بعد اختيار صورة أو تحديد كاميرا الويب.
+
+    ![CounterFit مع ملف تم تعيينه كمصدر للصورة، وكاميرا ويب تعرض شخصًا يحمل موزة في معاينة الكاميرا](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ar.png)
+
+1. سيتم التقاط صورة وحفظها كـ `image.jpg` في المجلد الحالي. سترى هذا الملف في مستكشف VS Code. اختر الملف لعرض الصورة. إذا كانت بحاجة إلى تدوير، قم بتحديث السطر `camera.rotation = 0` حسب الضرورة والتقط صورة أخرى.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device).
+
+😀 لقد نجحت في برمجة الكاميرا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..11d19f27
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T21:54:23+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "ar"
+}
+-->
+# التقاط صورة - Wio Terminal
+
+في هذا الجزء من الدرس، ستضيف كاميرا إلى Wio Terminal الخاص بك، وتلتقط صورًا منها.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى كاميرا.
+
+الكاميرا التي ستستخدمها هي [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). هذه كاميرا بدقة 2 ميجابكسل تعتمد على مستشعر الصور OV2640. تتواصل عبر واجهة SPI لالتقاط الصور، وتستخدم I2C لتكوين المستشعر.
+
+## توصيل الكاميرا
+
+لا تحتوي ArduCam على مقبس Grove، بل تتصل بكل من SPI وI2C عبر دبابيس GPIO على Wio Terminal.
+
+### المهمة - توصيل الكاميرا
+
+قم بتوصيل الكاميرا.
+
+![مستشعر ArduCam](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ar.png)
+
+1. يجب توصيل الدبابيس الموجودة في قاعدة ArduCam بدبابيس GPIO على Wio Terminal. لتسهيل العثور على الدبابيس الصحيحة، قم بتثبيت ملصق دبابيس GPIO الذي يأتي مع Wio Terminal حول الدبابيس:
+
+    ![Wio Terminal مع ملصق دبابيس GPIO](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ar.png)
+
+1. باستخدام أسلاك التوصيل، قم بإجراء الاتصالات التالية:
+
+    | دبوس ArduCAM | دبوس Wio Terminal | الوصف                                 |
+    | ------------ | ----------------- | ------------------------------------- |
+    | CS           | 24 (SPI_CS)       | اختيار شريحة SPI                      |
+    | MOSI         | 19 (SPI_MOSI)     | خرج وحدة التحكم SPI، إدخال الطرفية    |
+    | MISO         | 21 (SPI_MISO)     | إدخال وحدة التحكم SPI، خرج الطرفية    |
+    | SCK          | 23 (SPI_SCLK)     | ساعة SPI التسلسلية                    |
+    | GND          | 6 (GND)           | الأرضي - 0 فولت                       |
+    | VCC          | 4 (5V)            | مصدر طاقة 5 فولت                      |
+    | SDA          | 3 (I2C1_SDA)      | بيانات تسلسلية I2C                    |
+    | SCL          | 5 (I2C1_SCL)      | ساعة تسلسلية I2C                      |
+
+    ![Wio Terminal متصل بـ ArduCam باستخدام أسلاك التوصيل](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ar.png)
+
+    توفر اتصالات GND وVCC مصدر طاقة 5 فولت لـ ArduCam. تعمل الكاميرا بجهد 5 فولت، على عكس مستشعرات Grove التي تعمل بجهد 3 فولت. يأتي هذا الطاقة مباشرة من اتصال USB-C الذي يغذي الجهاز.
+
+    > 💁 بالنسبة لاتصال SPI، لا تزال تسميات الدبابيس على ArduCam وأسماء دبابيس Wio Terminal المستخدمة في الكود تستخدم التسمية القديمة. ستستخدم التعليمات في هذا الدرس التسمية الجديدة، باستثناء عندما تُستخدم أسماء الدبابيس في الكود.
+
+1. يمكنك الآن توصيل Wio Terminal بجهاز الكمبيوتر الخاص بك.
+
+## برمجة الجهاز للاتصال بالكاميرا
+
+يمكن الآن برمجة Wio Terminal لاستخدام كاميرا ArduCAM المرفقة.
+
+### المهمة - برمجة الجهاز للاتصال بالكاميرا
+
+1. قم بإنشاء مشروع جديد لـ Wio Terminal باستخدام PlatformIO. قم بتسمية هذا المشروع `fruit-quality-detector`. أضف الكود في وظيفة `setup` لتكوين المنفذ التسلسلي.
+
+1. أضف الكود للاتصال بشبكة WiFi، مع بيانات اعتماد WiFi الخاصة بك في ملف يسمى `config.h`. لا تنسَ إضافة المكتبات المطلوبة إلى ملف `platformio.ini`.
+
+1. مكتبة ArduCam غير متوفرة كمكتبة Arduino يمكن تثبيتها من ملف `platformio.ini`. بدلاً من ذلك، ستحتاج إلى تثبيتها من المصدر من صفحة GitHub الخاصة بهم. يمكنك الحصول عليها إما عن طريق:
+
+    * استنساخ المستودع من [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git)
+    * التوجه إلى المستودع على GitHub في [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) وتنزيل الكود كملف مضغوط من زر **Code**
+
+1. تحتاج فقط إلى مجلد `ArduCAM` من هذا الكود. انسخ المجلد بالكامل إلى مجلد `lib` في مشروعك.
+
+    > ⚠️ يجب نسخ المجلد بالكامل، بحيث يكون الكود في `lib/ArduCam`. لا تقم فقط بنسخ محتويات مجلد `ArduCam` إلى مجلد `lib`، بل انسخ المجلد بالكامل.
+
+1. يعمل كود مكتبة ArduCam مع أنواع متعددة من الكاميرات. يتم تكوين نوع الكاميرا الذي تريد استخدامه باستخدام أعلام المترجم - وهذا يحافظ على حجم المكتبة المدمجة صغيرًا قدر الإمكان عن طريق إزالة الكود الخاص بالكاميرات التي لا تستخدمها. لتكوين المكتبة لكاميرا OV2640، أضف ما يلي إلى نهاية ملف `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    هذا يحدد علمين للمترجم:
+
+      * `ARDUCAM_SHIELD_V2` لإخبار المكتبة أن الكاميرا موجودة على لوحة Arduino، تُعرف باسم الدرع.
+      * `OV2640_CAM` لإخبار المكتبة بتضمين الكود الخاص بكاميرا OV2640 فقط.
+
+1. أضف ملف رأس إلى مجلد `src` يسمى `camera.h`. سيحتوي هذا الملف على الكود للتواصل مع الكاميرا. أضف الكود التالي إلى هذا الملف:
+
+    ```cpp
+    #pragma once
+    
+    #include <ArduCAM.h>
+    #include <Wire.h>
+    
+    class Camera
+    {
+    public:
+        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
+        {
+            _format = format;
+            _image_size = image_size;
+        }
+    
+        bool init()
+        {
+            // Reset the CPLD
+            _arducam.write_reg(0x07, 0x80);
+            delay(100);
+    
+            _arducam.write_reg(0x07, 0x00);
+            delay(100);
+    
+            // Check if the ArduCAM SPI bus is OK
+            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
+            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
+            {
+                return false;
+            }
+                
+            // Change MCU mode
+            _arducam.set_mode(MCU2LCD_MODE);
+    
+            uint8_t vid, pid;
+    
+            // Check if the camera module type is OV2640
+            _arducam.wrSensorReg8_8(0xff, 0x01);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
+            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
+            {
+                return false;
+            }
+            
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+            _arducam.OV2640_set_Light_Mode(Auto);
+            _arducam.OV2640_set_Special_effects(Normal);
+            delay(1000);
+    
+            return true;
+        }
+    
+        void startCapture()
+        {
+            _arducam.flush_fifo();
+            _arducam.clear_fifo_flag();
+            _arducam.start_capture();
+        }
+    
+        bool captureReady()
+        {
+            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
+        }
+    
+        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
+        {
+            if (!captureReady()) return false;
+    
+            // Get the image file length
+            uint32_t length = _arducam.read_fifo_length();
+            buffer_length = length;
+    
+            if (length >= MAX_FIFO_SIZE)
+            {
+                return false;
+            }
+            if (length == 0)
+            {
+                return false;
+            }
+    
+            // create the buffer
+            byte *buf = new byte[length];
+    
+            uint8_t temp = 0, temp_last = 0;
+            int i = 0;
+            uint32_t buffer_pos = 0;
+            bool is_header = false;
+    
+            _arducam.CS_LOW();
+            _arducam.set_fifo_burst();
+            
+            while (length--)
+            {
+                temp_last = temp;
+                temp = SPI.transfer(0x00);
+                //Read JPEG data from FIFO
+                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
+                {
+                    buf[buffer_pos] = temp;
+    
+                    buffer_pos++;
+                    i++;
+                    
+                    _arducam.CS_HIGH();
+                }
+                if (is_header == true)
+                {
+                    //Write image data to buffer if not full
+                    if (i < 256)
+                    {
+                        buf[buffer_pos] = temp;
+                        buffer_pos++;
+                        i++;
+                    }
+                    else
+                    {
+                        _arducam.CS_HIGH();
+    
+                        i = 0;
+                        buf[buffer_pos] = temp;
+    
+                        buffer_pos++;
+                        i++;
+    
+                        _arducam.CS_LOW();
+                        _arducam.set_fifo_burst();
+                    }
+                }
+                else if ((temp == 0xD8) & (temp_last == 0xFF))
+                {
+                    is_header = true;
+    
+                    buf[buffer_pos] = temp_last;
+                    buffer_pos++;
+                    i++;
+    
+                    buf[buffer_pos] = temp;
+                    buffer_pos++;
+                    i++;
+                }
+            }
+            
+            _arducam.clear_fifo_flag();
+    
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+    
+            // return the buffer
+            *buffer = buf;
+        }
+    
+    private:
+        ArduCAM _arducam;
+        int _format;
+        int _image_size;
+    };
+    ```
+
+    هذا كود منخفض المستوى يقوم بتكوين الكاميرا باستخدام مكتبات ArduCam، ويستخرج الصور عند الحاجة باستخدام ناقل SPI. هذا الكود محدد جدًا لـ ArduCam، لذا لا تحتاج إلى القلق بشأن كيفية عمله في هذه المرحلة.
+
+1. في `main.cpp`، أضف الكود التالي تحت عبارات `include` الأخرى لتضمين هذا الملف الجديد وإنشاء مثيل لفئة الكاميرا:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    هذا ينشئ `Camera` لحفظ الصور كملفات JPEG بدقة 640 × 480. على الرغم من دعم دقات أعلى (حتى 3280x2464)، فإن المصنف يعمل على صور أصغر بكثير (227x227)، لذا لا توجد حاجة لالتقاط وإرسال صور أكبر.
+
+1. أضف الكود التالي أسفل هذا لتعريف وظيفة لتكوين الكاميرا:
+
+    ```cpp
+    void setupCamera()
+    {
+        pinMode(PIN_SPI_SS, OUTPUT);
+        digitalWrite(PIN_SPI_SS, HIGH);
+    
+        Wire.begin();
+        SPI.begin();
+    
+        if (!camera.init())
+        {
+            Serial.println("Error setting up the camera!");
+        }
+    }
+    ```
+
+    تبدأ وظيفة `setupCamera` بتكوين دبوس اختيار شريحة SPI (`PIN_SPI_SS`) كمرتفع، مما يجعل Wio Terminal وحدة التحكم SPI. ثم تبدأ ناقلات I2C وSPI. وأخيرًا، تقوم بتهيئة فئة الكاميرا التي تكوّن إعدادات مستشعر الكاميرا وتضمن أن كل شيء متصل بشكل صحيح.
+
+1. قم باستدعاء هذه الوظيفة في نهاية وظيفة `setup`:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. قم ببناء ورفع هذا الكود، وتحقق من الإخراج من الشاشة التسلسلية. إذا رأيت `Error setting up the camera!` فتحقق من الأسلاك للتأكد من أن جميع الكابلات توصل الدبابيس الصحيحة على ArduCam بالدبابيس الصحيحة على GPIO في Wio Terminal، وأن جميع أسلاك التوصيل مثبتة بشكل صحيح.
+
+## التقاط صورة
+
+يمكن الآن برمجة Wio Terminal لالتقاط صورة عند الضغط على زر.
+
+### المهمة - التقاط صورة
+
+1. تعمل المتحكمات الدقيقة على تشغيل الكود الخاص بك بشكل مستمر، لذا ليس من السهل تشغيل شيء مثل التقاط صورة دون الاستجابة لمستشعر. يحتوي Wio Terminal على أزرار، لذا يمكن إعداد الكاميرا لتشغيلها بواسطة أحد الأزرار. أضف الكود التالي إلى نهاية وظيفة `setup` لتكوين زر C (أحد الأزرار الثلاثة في الأعلى، الأقرب إلى مفتاح التشغيل).
+
+    ![زر C في الأعلى بالقرب من مفتاح التشغيل](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ar.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    وضع `INPUT_PULLUP` يعكس الإدخال بشكل أساسي. على سبيل المثال، عادةً ما يرسل الزر إشارة منخفضة عندما لا يتم الضغط عليه، وإشارة عالية عند الضغط عليه. عند ضبطه على `INPUT_PULLUP`، يرسل إشارة عالية عندما لا يتم الضغط عليه، وإشارة منخفضة عند الضغط عليه.
+
+1. أضف وظيفة فارغة للاستجابة لضغط الزر قبل وظيفة `loop`:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. قم باستدعاء هذه الوظيفة في طريقة `loop` عندما يتم الضغط على الزر:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    يتحقق هذا المفتاح لمعرفة ما إذا كان الزر مضغوطًا. إذا تم الضغط عليه، يتم استدعاء وظيفة `buttonPressed`، وتتأخر الحلقة لمدة ثانيتين. هذا لإتاحة الوقت لتحرير الزر حتى لا يتم تسجيل الضغط الطويل مرتين.
+
+    > 💁 الزر في Wio Terminal مضبوط على `INPUT_PULLUP`، لذا يرسل إشارة عالية عندما لا يتم الضغط عليه، وإشارة منخفضة عند الضغط عليه.
+
+1. أضف الكود التالي إلى وظيفة `buttonPressed`:
+
+    ```cpp
+    camera.startCapture();
+ 
+    while (!camera.captureReady())
+        delay(100);
+
+    Serial.println("Image captured");
+
+    byte *buffer;
+    uint32_t length;
+
+    if (camera.readImageToBuffer(&buffer, length))
+    {
+        Serial.print("Image read to buffer with length ");
+        Serial.println(length);
+
+        delete(buffer);
+    }
+    ```
+
+    يبدأ هذا الكود التقاط الكاميرا عن طريق استدعاء `startCapture`. لا تعمل أجهزة الكاميرا عن طريق إعادة البيانات عند طلبها، بل ترسل تعليمات لبدء الالتقاط، وستعمل الكاميرا في الخلفية لالتقاط الصورة، وتحويلها إلى JPEG، وتخزينها في ذاكرة محلية على الكاميرا نفسها. ثم يتحقق استدعاء `captureReady` لمعرفة ما إذا كان التقاط الصورة قد انتهى.
+
+    بمجرد انتهاء الالتقاط، يتم نسخ بيانات الصورة من الذاكرة المؤقتة على الكاميرا إلى ذاكرة محلية (مصفوفة من البايتات) باستخدام استدعاء `readImageToBuffer`. يتم إرسال طول الذاكرة المؤقتة إلى الشاشة التسلسلية.
+
+1. قم ببناء ورفع هذا الكود، وتحقق من الإخراج على الشاشة التسلسلية. في كل مرة تضغط فيها على زر C، سيتم التقاط صورة وسترى حجم الصورة يتم إرساله إلى الشاشة التسلسلية.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    ستكون أحجام الصور مختلفة. يتم ضغطها كملفات JPEG وحجم ملف JPEG لدقة معينة يعتمد على ما هو موجود في الصورة.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal).
+
+😀 لقد نجحت في التقاط الصور باستخدام Wio Terminal الخاص بك.
+
+## اختياري - التحقق من صور الكاميرا باستخدام بطاقة SD
+
+أسهل طريقة لرؤية الصور التي تم التقاطها بواسطة الكاميرا هي كتابتها إلى بطاقة SD في Wio Terminal ثم عرضها على جهاز الكمبيوتر الخاص بك. قم بهذه الخطوة إذا كان لديك بطاقة microSD احتياطية ومقبس microSD في جهاز الكمبيوتر الخاص بك، أو محول.
+
+يدعم Wio Terminal فقط بطاقات microSD بسعة تصل إلى 16 جيجابايت. إذا كان لديك بطاقة SD أكبر، فلن تعمل.
+
+### المهمة - التحقق من صور الكاميرا باستخدام بطاقة SD
+
+1. قم بتهيئة بطاقة microSD كـ FAT32 أو exFAT باستخدام التطبيقات ذات الصلة على جهاز الكمبيوتر الخاص بك (Disk Utility على macOS، File Explorer على Windows، أو باستخدام أدوات سطر الأوامر في Linux).
+
+1. أدخل بطاقة microSD في المقبس أسفل مفتاح التشغيل مباشرة. تأكد من أنها دخلت بالكامل حتى تنقر وتبقى في مكانها، قد تحتاج إلى دفعها باستخدام ظفر أو أداة رفيعة.
+
+1. أضف عبارات التضمين التالية في أعلى ملف `main.cpp`:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. أضف الوظيفة التالية قبل وظيفة `setup`:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    يقوم هذا بتكوين بطاقة SD باستخدام ناقل SPI.
+
+1. قم باستدعاء هذه الوظيفة من وظيفة `setup`:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. أضف الكود التالي فوق وظيفة `buttonPressed`:
+
+    ```cpp
+    int fileNum = 1;
+
+    void saveToSDCard(byte *buffer, uint32_t length)
+    {
+        char buff[16];
+        sprintf(buff, "%d.jpg", fileNum);
+        fileNum++;
+    
+        File outFile = SD.open(buff, FILE_WRITE );
+        outFile.write(buffer, length);
+        outFile.close();
+
+        Serial.print("Image written to file ");
+        Serial.println(buff);
+    }
+    ```
+
+    هذا يعرّف متغيرًا عالميًا لعدد الملفات. يتم استخدام هذا لأسماء ملفات الصور بحيث يمكن التقاط صور متعددة بأسماء ملفات متزايدة - `1.jpg`، `2.jpg` وهكذا.
+
+    ثم يعرّف وظيفة `saveToSDCard` التي تأخذ ذاكرة مؤقتة من بيانات البايت، وطول الذاكرة المؤقتة. يتم إنشاء اسم ملف باستخدام عدد الملفات، ويتم زيادة عدد الملفات استعدادًا للملف التالي. يتم كتابة البيانات الثنائية من الذاكرة المؤقتة إلى الملف.
+
+1. قم باستدعاء وظيفة `saveToSDCard` من وظيفة `buttonPressed`. يجب أن يكون الاستدعاء **قبل** حذف الذاكرة المؤقتة:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. قم ببناء ورفع هذا الكود، وتحقق من الإخراج على الشاشة التسلسلية. في كل مرة تضغط فيها على زر C، سيتم التقاط صورة وحفظها على بطاقة SD.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 16392
+    Image written to file 1.jpg
+    Image captured
+    Image read to buffer with length 14344
+    Image written to file 2.jpg
+    ```
+
+1. قم بإيقاف تشغيل بطاقة microSD وقم بإخراجها عن طريق دفعها قليلاً وإطلاقها، وستخرج. قد تحتاج إلى استخدام أداة رفيعة للقيام بذلك. قم بتوصيل بطاقة microSD بجهاز الكمبيوتر الخاص بك لعرض الصور.
+
+    ![صورة موزة تم التقاطها باستخدام ArduCam](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ar.jpg)
+> 💁 قد يستغرق الأمر بضع صور حتى يتكيف توازن اللون الأبيض في الكاميرا. ستلاحظ ذلك بناءً على لون الصور الملتقطة، قد تبدو الصور الأولى غير متوازنة في الألوان. يمكنك دائمًا التغلب على ذلك عن طريق تعديل الكود لالتقاط بضع صور يتم تجاهلها في وظيفة `setup`.
+
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..06272a8b
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T21:51:05+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "ar"
+}
+-->
+# تصنيف صورة - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإرسال الصورة التي التقطتها الكاميرا إلى خدمة Custom Vision لتصنيفها.
+
+## تصنيف صورة
+
+تحتوي خدمة Custom Vision على واجهة برمجة تطبيقات REST يمكنك استدعاؤها من Wio Terminal لتصنيف الصور. يتم الوصول إلى واجهة برمجة التطبيقات هذه عبر اتصال HTTPS - وهو اتصال HTTP آمن.
+
+عند التفاعل مع نقاط نهاية HTTPS، يحتاج كود العميل إلى طلب شهادة المفتاح العام من الخادم الذي يتم الوصول إليه، واستخدامها لتشفير البيانات المرسلة. يقوم متصفح الويب الخاص بك بذلك تلقائيًا، لكن وحدات التحكم الدقيقة لا تفعل ذلك. ستحتاج إلى طلب هذه الشهادة يدويًا واستخدامها لإنشاء اتصال آمن مع واجهة برمجة التطبيقات REST. هذه الشهادات لا تتغير، لذا بمجرد الحصول على شهادة، يمكن تضمينها بشكل ثابت في تطبيقك.
+
+تحتوي هذه الشهادات على مفاتيح عامة، ولا تحتاج إلى أن تكون آمنة. يمكنك استخدامها في كود المصدر الخاص بك ومشاركتها علنًا في أماكن مثل GitHub.
+
+### المهمة - إعداد عميل SSL
+
+1. افتح مشروع تطبيق `fruit-quality-detector` إذا لم يكن مفتوحًا بالفعل.
+
+1. افتح ملف الرأس `config.h`، وأضف ما يلي:
+
+    ```cpp
+    const char *CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    هذه هي *شهادة Microsoft Azure DigiCert Global Root G2* - وهي واحدة من الشهادات المستخدمة من قبل العديد من خدمات Azure عالميًا.
+
+    > 💁 لرؤية أن هذه هي الشهادة التي يجب استخدامها، قم بتشغيل الأمر التالي على macOS أو Linux. إذا كنت تستخدم Windows، يمكنك تشغيل هذا الأمر باستخدام [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn):
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > سيعرض الإخراج شهادة DigiCert Global Root G2.
+
+1. افتح `main.cpp` وأضف توجيه التضمين التالي:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. أسفل توجيهات التضمين، قم بتعريف مثيل لـ `WifiClientSecure`:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    تحتوي هذه الفئة على كود للتواصل مع نقاط نهاية الويب عبر HTTPS.
+
+1. في طريقة `connectWiFi`، قم بتعيين WiFiClientSecure لاستخدام شهادة DigiCert Global Root G2:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### المهمة - تصنيف صورة
+
+1. أضف السطر التالي كإضافة إلى قائمة `lib_deps` في ملف `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    يقوم هذا باستيراد [ArduinoJson](https://arduinojson.org)، وهي مكتبة JSON لـ Arduino، وستُستخدم لفك تشفير استجابة JSON من واجهة برمجة التطبيقات REST.
+
+1. في `config.h`، أضف ثوابت لعنوان التنبؤ والمفتاح من خدمة Custom Vision:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    استبدل `<PREDICTION_URL>` بعنوان التنبؤ من Custom Vision. استبدل `<PREDICTION_KEY>` بمفتاح التنبؤ.
+
+1. في `main.cpp`، أضف توجيه تضمين لمكتبة ArduinoJson:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. أضف الوظيفة التالية إلى `main.cpp`، فوق وظيفة `buttonPressed`.
+
+    ```cpp
+    void classifyImage(byte *buffer, uint32_t length)
+    {
+        HTTPClient httpClient;
+        httpClient.begin(client, PREDICTION_URL);
+        httpClient.addHeader("Content-Type", "application/octet-stream");
+        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
+    
+        int httpResponseCode = httpClient.POST(buffer, length);
+    
+        if (httpResponseCode == 200)
+        {
+            String result = httpClient.getString();
+    
+            DynamicJsonDocument doc(1024);
+            deserializeJson(doc, result.c_str());
+    
+            JsonObject obj = doc.as<JsonObject>();
+            JsonArray predictions = obj["predictions"].as<JsonArray>();
+    
+            for(JsonVariant prediction : predictions) 
+            {
+                String tag = prediction["tagName"].as<String>();
+                float probability = prediction["probability"].as<float>();
+    
+                char buff[32];
+                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+                Serial.println(buff);
+            }
+        }
+    
+        httpClient.end();
+    }
+    ```
+
+    يبدأ هذا الكود بتعريف `HTTPClient` - وهي فئة تحتوي على طرق للتفاعل مع واجهات برمجة التطبيقات REST. ثم يقوم بتوصيل العميل بعنوان التنبؤ باستخدام مثيل `WiFiClientSecure` الذي تم إعداده باستخدام المفتاح العام لـ Azure.
+
+    بمجرد الاتصال، يتم إرسال الرؤوس - وهي معلومات حول الطلب القادم الذي سيتم إجراؤه ضد واجهة برمجة التطبيقات REST. يشير رأس `Content-Type` إلى أن استدعاء واجهة برمجة التطبيقات سيرسل بيانات ثنائية خام، بينما يمرر رأس `Prediction-Key` مفتاح التنبؤ الخاص بـ Custom Vision.
+
+    بعد ذلك، يتم إرسال طلب POST إلى عميل HTTP، مع تحميل مصفوفة بايت. ستحتوي هذه المصفوفة على صورة JPEG التي تم التقاطها من الكاميرا عند استدعاء هذه الوظيفة.
+
+    > 💁 طلبات POST مخصصة لإرسال البيانات والحصول على استجابة. هناك أنواع أخرى من الطلبات مثل طلبات GET التي تسترجع البيانات. يتم استخدام طلبات GET من قبل متصفح الويب الخاص بك لتحميل صفحات الويب.
+
+    يعيد طلب POST رمز حالة استجابة. هذه القيم محددة جيدًا، حيث يعني 200 **OK** - أن طلب POST كان ناجحًا.
+
+    > 💁 يمكنك رؤية جميع رموز حالة الاستجابة في [صفحة قائمة رموز حالة HTTP على ويكيبيديا](https://wikipedia.org/wiki/List_of_HTTP_status_codes)
+
+    إذا تم إرجاع 200، يتم قراءة النتيجة من عميل HTTP. هذه استجابة نصية من واجهة برمجة التطبيقات REST تحتوي على نتائج التنبؤ كوثيقة JSON. يكون JSON بالتنسيق التالي:
+
+    ```jSON
+    {
+        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
+        "project":"135607e5-efac-4855-8afb-c93af3380531",
+        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
+        "created":"2021-06-10T17:58:58.959Z",
+        "predictions":[
+            {
+                "probability":0.5582016,
+                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
+                "tagName":"ripe"
+            },
+            {
+                "probability":0.44179836,
+                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
+                "tagName":"unripe"
+            }
+        ]
+    }
+    ```
+
+    الجزء المهم هنا هو مصفوفة `predictions`. تحتوي هذه المصفوفة على التنبؤات، مع إدخال واحد لكل علامة يحتوي على اسم العلامة والاحتمالية. الاحتمالات التي يتم إرجاعها هي أرقام عشرية تتراوح من 0-1، حيث 0 تعني احتمال 0% لمطابقة العلامة، و1 تعني احتمال 100%.
+
+    > 💁 ستعيد مصنفات الصور النسب المئوية لجميع العلامات التي تم استخدامها. سيكون لكل علامة احتمال أن الصورة تطابق تلك العلامة.
+
+    يتم فك تشفير JSON، ويتم إرسال الاحتمالات لكل علامة إلى شاشة المراقبة التسلسلية.
+
+1. في وظيفة `buttonPressed`، استبدل الكود الذي يحفظ على بطاقة SD باستدعاء `classifyImage`، أو أضفه بعد كتابة الصورة، ولكن **قبل** حذف المخزن المؤقت:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 إذا استبدلت الكود الذي يحفظ على بطاقة SD، يمكنك تنظيف الكود الخاص بك عن طريق إزالة وظائف `setupSDCard` و`saveToSDCard`.
+
+1. قم بتحميل وتشغيل الكود الخاص بك. وجه الكاميرا نحو بعض الفواكه واضغط على الزر C. سترى الإخراج في شاشة المراقبة التسلسلية:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    ستتمكن من رؤية الصورة التي تم التقاطها، وهذه القيم في علامة التبويب **Predictions** في Custom Vision.
+
+    ![موزة في Custom Vision تم التنبؤ بأنها ناضجة بنسبة 56.8% وغير ناضجة بنسبة 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal).
+
+😀 لقد نجح برنامج تصنيف جودة الفواكه الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..eb23bc4e
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,626 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T21:57:15+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "ar"
+}
+-->
+# تشغيل كاشف الفواكه على الحافة
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة حول تشغيل مصنفات الصور على أجهزة إنترنت الأشياء، وهو الموضوع الذي يتم تغطيته في هذا الدرس.
+
+[![Custom Vision AI على Azure IoT Edge](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## المقدمة
+
+في الدرس السابق، استخدمت مصنف الصور الخاص بك لتصنيف الفواكه الناضجة وغير الناضجة، حيث أرسلت صورة تم التقاطها بواسطة الكاميرا على جهاز إنترنت الأشياء الخاص بك عبر الإنترنت إلى خدمة سحابية. هذه العمليات تستغرق وقتًا، وتكلف مالًا، وبناءً على نوع بيانات الصور التي تستخدمها، قد تكون لها تداعيات على الخصوصية.
+
+في هذا الدرس، ستتعلم كيفية تشغيل نماذج التعلم الآلي (ML) على الحافة - على أجهزة إنترنت الأشياء التي تعمل على شبكتك الخاصة بدلاً من السحابة. ستتعرف على فوائد ومساوئ الحوسبة الطرفية مقارنة بالحوسبة السحابية، وكيفية نشر نموذج الذكاء الاصطناعي الخاص بك على الحافة، وكيفية الوصول إليه من جهاز إنترنت الأشياء الخاص بك.
+
+في هذا الدرس سنغطي:
+
+* [الحوسبة الطرفية](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [تسجيل جهاز IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [إعداد جهاز IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [تصدير النموذج الخاص بك](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [تحضير الحاوية للنشر](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [نشر الحاوية](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [استخدام جهاز IoT Edge الخاص بك](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## الحوسبة الطرفية
+
+الحوسبة الطرفية تتضمن وجود أجهزة كمبيوتر تقوم بمعالجة بيانات إنترنت الأشياء بالقرب قدر الإمكان من المكان الذي يتم فيه إنشاء البيانات. بدلاً من أن تتم هذه المعالجة في السحابة، يتم نقلها إلى حافة السحابة - شبكتك الداخلية.
+
+![مخطط معماري يظهر خدمات الإنترنت في السحابة وأجهزة إنترنت الأشياء على شبكة محلية](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ar.png)
+
+في الدروس السابقة، كانت لديك أجهزة تجمع البيانات وترسلها إلى السحابة لتحليلها، حيث يتم تشغيل وظائف بدون خادم أو نماذج ذكاء اصطناعي في السحابة.
+
+![مخطط معماري يظهر أجهزة إنترنت الأشياء على شبكة محلية تتصل بأجهزة الحافة، وهذه الأجهزة تتصل بالسحابة](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ar.png)
+
+الحوسبة الطرفية تتضمن نقل بعض خدمات السحابة إلى أجهزة كمبيوتر تعمل على نفس الشبكة مثل أجهزة إنترنت الأشياء، مع التواصل مع السحابة فقط عند الحاجة. على سبيل المثال، يمكنك تشغيل نماذج ذكاء اصطناعي على أجهزة الحافة لتحليل نضج الفواكه، وإرسال التحليلات فقط إلى السحابة، مثل عدد الفواكه الناضجة مقابل غير الناضجة.
+
+✅ فكر في تطبيقات إنترنت الأشياء التي قمت ببنائها حتى الآن. أي أجزاء منها يمكن نقلها إلى الحافة؟
+
+### الفوائد
+
+فوائد الحوسبة الطرفية تشمل:
+
+1. **السرعة** - الحوسبة الطرفية مثالية للبيانات الحساسة للوقت حيث يتم تنفيذ الإجراءات على نفس الشبكة مثل الجهاز، بدلاً من إجراء مكالمات عبر الإنترنت. هذا يتيح سرعات أعلى حيث يمكن للشبكات الداخلية أن تعمل بسرعات أعلى بكثير من اتصالات الإنترنت، مع انتقال البيانات لمسافات أقصر.
+
+    > 💁 على الرغم من استخدام الكابلات الضوئية لاتصالات الإنترنت التي تسمح للبيانات بالانتقال بسرعة الضوء، إلا أن البيانات قد تستغرق وقتًا للانتقال حول العالم إلى مقدمي الخدمات السحابية. على سبيل المثال، إذا كنت ترسل بيانات من أوروبا إلى خدمات السحابة في الولايات المتحدة، فإن الأمر يستغرق على الأقل 28 مللي ثانية لعبور المحيط الأطلسي عبر كابل ضوئي، وهذا دون احتساب الوقت اللازم لنقل البيانات إلى الكابل، وتحويل الإشارات من كهربائية إلى ضوئية والعكس في الطرف الآخر، ثم من الكابل الضوئي إلى مقدم الخدمة السحابية.
+
+    الحوسبة الطرفية تتطلب أيضًا حركة مرور أقل على الشبكة، مما يقلل من خطر تباطؤ البيانات بسبب الازدحام على النطاق الترددي المحدود المتاح لاتصال الإنترنت.
+
+1. **الوصول عن بعد** - الحوسبة الطرفية تعمل عندما تكون لديك اتصال محدود أو معدوم، أو عندما يكون الاتصال مكلفًا جدًا للاستخدام بشكل مستمر. على سبيل المثال، عند العمل في مناطق الكوارث الإنسانية حيث تكون البنية التحتية محدودة، أو في الدول النامية.
+
+1. **خفض التكاليف** - جمع البيانات وتخزينها وتحليلها وتنفيذ الإجراءات على جهاز الحافة يقلل من استخدام الخدمات السحابية، مما يمكن أن يقلل من التكلفة الإجمالية لتطبيق إنترنت الأشياء الخاص بك. هناك زيادة حديثة في الأجهزة المصممة للحوسبة الطرفية، مثل لوحات تسريع الذكاء الاصطناعي مثل [Jetson Nano من NVIDIA](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)، التي يمكنها تشغيل أعباء عمل الذكاء الاصطناعي باستخدام أجهزة تعتمد على GPU على أجهزة تكلف أقل من 100 دولار أمريكي.
+
+1. **الخصوصية والأمان** - مع الحوسبة الطرفية، تبقى البيانات على شبكتك ولا يتم تحميلها إلى السحابة. هذا غالبًا ما يكون مفضلًا للبيانات الحساسة والمعلومات الشخصية، خاصة لأن البيانات لا تحتاج إلى أن يتم تخزينها بعد تحليلها، مما يقلل بشكل كبير من خطر تسرب البيانات. أمثلة تشمل البيانات الطبية ولقطات كاميرات الأمان.
+
+1. **التعامل مع الأجهزة غير الآمنة** - إذا كانت لديك أجهزة بها عيوب أمنية معروفة ولا تريد توصيلها مباشرة بشبكتك أو الإنترنت، يمكنك توصيلها بشبكة منفصلة إلى جهاز بوابة IoT Edge. يمكن لهذا الجهاز الطرفي أيضًا أن يكون لديه اتصال بشبكتك الأوسع أو الإنترنت، وإدارة تدفقات البيانات ذهابًا وإيابًا.
+
+1. **دعم الأجهزة غير المتوافقة** - إذا كانت لديك أجهزة لا يمكنها الاتصال بـ IoT Hub، مثل الأجهزة التي يمكنها الاتصال فقط باستخدام اتصالات HTTP أو الأجهزة التي لديها فقط بلوتوث للاتصال، يمكنك استخدام جهاز IoT Edge كجهاز بوابة، يقوم بإعادة توجيه الرسائل إلى IoT Hub.
+
+✅ قم ببعض البحث: ما الفوائد الأخرى التي قد تكون موجودة للحوسبة الطرفية؟
+
+### العيوب
+
+هناك عيوب للحوسبة الطرفية، حيث قد تكون السحابة خيارًا مفضلًا:
+
+1. **التوسع والمرونة** - الحوسبة السحابية يمكنها التكيف مع احتياجات الشبكة والبيانات في الوقت الفعلي عن طريق إضافة أو تقليل الخوادم والموارد الأخرى. لإضافة المزيد من أجهزة الحافة يتطلب إضافة أجهزة يدويًا.
+
+1. **الاعتمادية والمرونة** - الحوسبة السحابية توفر خوادم متعددة غالبًا في مواقع متعددة للتكرار واستعادة الكوارث. للحصول على نفس مستوى التكرار على الحافة يتطلب استثمارات كبيرة والكثير من العمل في الإعداد.
+
+1. **الصيانة** - مقدمو الخدمات السحابية يقدمون صيانة النظام والتحديثات.
+
+✅ قم ببعض البحث: ما العيوب الأخرى التي قد تكون موجودة للحوسبة الطرفية؟
+
+العيوب هي في الأساس عكس فوائد استخدام السحابة - عليك بناء وإدارة هذه الأجهزة بنفسك، بدلاً من الاعتماد على خبرة وحجم مقدمي الخدمات السحابية.
+
+بعض المخاطر يتم تخفيفها بطبيعة الحوسبة الطرفية نفسها. على سبيل المثال، إذا كان لديك جهاز طرفي يعمل في مصنع يجمع البيانات من الآلات، فلا تحتاج إلى التفكير في بعض سيناريوهات استعادة الكوارث. إذا انقطعت الكهرباء عن المصنع، فلن تحتاج إلى جهاز طرفي احتياطي لأن الآلات التي تولد البيانات التي يعالجها الجهاز الطرفي ستكون أيضًا بدون كهرباء.
+
+بالنسبة لأنظمة إنترنت الأشياء، غالبًا ما ترغب في مزيج من الحوسبة السحابية والطرفية، مستفيدًا من كل خدمة بناءً على احتياجات النظام، عملائه، وصيانته.
+
+## Azure IoT Edge
+
+![شعار Azure IoT Edge](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ar.png)
+
+Azure IoT Edge هو خدمة يمكن أن تساعدك في نقل أعباء العمل من السحابة إلى الحافة. يمكنك إعداد جهاز كجهاز طرفي، ومن السحابة يمكنك نشر التعليمات البرمجية إلى هذا الجهاز الطرفي. هذا يسمح لك بمزج قدرات السحابة والحافة.
+
+> 🎓 *أعباء العمل* هو مصطلح لأي خدمة تقوم بنوع من العمل، مثل نماذج الذكاء الاصطناعي، التطبيقات، أو الوظائف بدون خادم.
+
+على سبيل المثال، يمكنك تدريب مصنف صور في السحابة، ثم من السحابة نشره إلى جهاز طرفي. جهاز إنترنت الأشياء الخاص بك يرسل الصور إلى الجهاز الطرفي للتصنيف، بدلاً من إرسال الصور عبر الإنترنت. إذا كنت بحاجة إلى نشر نسخة جديدة من النموذج، يمكنك تدريبه في السحابة واستخدام IoT Edge لتحديث النموذج على الجهاز الطرفي إلى النسخة الجديدة.
+
+> 🎓 البرمجيات التي يتم نشرها إلى IoT Edge تُعرف باسم *الوحدات*. بشكل افتراضي، IoT Edge يشغل وحدات تتواصل مع IoT Hub، مثل وحدات `edgeAgent` و`edgeHub`. عندما تقوم بنشر مصنف صور، يتم نشره كوحدة إضافية.
+
+IoT Edge مدمج في IoT Hub، لذا يمكنك إدارة الأجهزة الطرفية باستخدام نفس الخدمة التي تستخدمها لإدارة أجهزة إنترنت الأشياء، بنفس مستوى الأمان.
+
+IoT Edge يشغل التعليمات البرمجية من *الحاويات* - تطبيقات مستقلة يتم تشغيلها بمعزل عن باقي التطبيقات على جهاز الكمبيوتر الخاص بك. عندما تقوم بتشغيل حاوية، فإنها تعمل كجهاز كمبيوتر منفصل يعمل داخل جهاز الكمبيوتر الخاص بك، مع برمجياته وخدماته وتطبيقاته الخاصة. معظم الوقت، لا يمكن للحاويات الوصول إلى أي شيء على جهاز الكمبيوتر الخاص بك إلا إذا اخترت مشاركة أشياء مثل مجلد مع الحاوية. الحاوية بعد ذلك تعرض الخدمات عبر منفذ مفتوح يمكنك الاتصال به أو عرضه على شبكتك.
+
+![طلب ويب يتم إعادة توجيهه إلى حاوية](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ar.png)
+
+على سبيل المثال، يمكنك أن تكون لديك حاوية بها موقع ويب يعمل على المنفذ 80، وهو المنفذ الافتراضي لـ HTTP، ويمكنك بعد ذلك عرضه من جهاز الكمبيوتر الخاص بك أيضًا على المنفذ 80.
+
+✅ قم ببعض البحث: اقرأ عن الحاويات والخدمات مثل Docker أو Moby.
+
+يمكنك استخدام Custom Vision لتنزيل مصنفات الصور ونشرها كحاويات، إما تشغيلها مباشرة على جهاز أو نشرها عبر IoT Edge. بمجرد تشغيلها في حاوية، يمكن الوصول إليها باستخدام نفس واجهة برمجة التطبيقات REST مثل النسخة السحابية، ولكن مع نقطة النهاية تشير إلى الجهاز الطرفي الذي يشغل الحاوية.
+
+## تسجيل جهاز IoT Edge
+
+لاستخدام جهاز IoT Edge، يجب تسجيله في IoT Hub.
+
+### المهمة - تسجيل جهاز IoT Edge
+
+1. قم بإنشاء IoT Hub في مجموعة الموارد `fruit-quality-detector`. امنحه اسمًا فريدًا يعتمد على `fruit-quality-detector`.
+
+1. قم بتسجيل جهاز IoT Edge يسمى `fruit-quality-detector-edge` في IoT Hub الخاص بك. الأمر للقيام بذلك مشابه للأمر المستخدم لتسجيل جهاز غير طرفي، باستثناء أنك تمرر العلامة `--edge-enabled`.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الخاص بك.
+
+1. احصل على سلسلة الاتصال لجهازك باستخدام الأمر التالي:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الخاص بك.
+
+    خذ نسخة من سلسلة الاتصال التي تظهر في الإخراج.
+
+## إعداد جهاز IoT Edge
+
+بمجرد إنشاء تسجيل الجهاز الطرفي في IoT Hub الخاص بك، يمكنك إعداد الجهاز الطرفي.
+
+### المهمة - تثبيت وتشغيل وقت تشغيل IoT Edge
+
+**وقت تشغيل IoT Edge يشغل فقط حاويات Linux.** يمكن تشغيله على Linux، أو على Windows باستخدام الأجهزة الافتراضية Linux.
+
+* إذا كنت تستخدم Raspberry Pi كجهاز إنترنت الأشياء الخاص بك، فإنه يشغل نسخة مدعومة من Linux ويمكنه استضافة وقت تشغيل IoT Edge. اتبع [دليل تثبيت Azure IoT Edge لـ Linux على مستندات Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) لتثبيت IoT Edge وإعداد سلسلة الاتصال.
+
+    > 💁 تذكر، نظام تشغيل Raspberry Pi هو نسخة من Debian Linux.
+
+* إذا كنت لا تستخدم Raspberry Pi، ولكن لديك جهاز كمبيوتر يعمل بنظام Linux، يمكنك تشغيل وقت تشغيل IoT Edge. اتبع [دليل تثبيت Azure IoT Edge لـ Linux على مستندات Microsoft](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) لتثبيت IoT Edge وإعداد سلسلة الاتصال.
+
+* إذا كنت تستخدم Windows، يمكنك تثبيت وقت تشغيل IoT Edge في جهاز افتراضي Linux باتباع [قسم تثبيت وتشغيل وقت تشغيل IoT Edge من دليل البدء السريع لنشر أول وحدة IoT Edge على جهاز Windows على مستندات Microsoft](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime). يمكنك التوقف عندما تصل إلى قسم *نشر وحدة*.
+
+* إذا كنت تستخدم macOS، يمكنك إنشاء جهاز افتراضي (VM) في السحابة لاستخدامه كجهاز IoT Edge الخاص بك. هذه أجهزة كمبيوتر يمكنك إنشاؤها في السحابة والوصول إليها عبر الإنترنت. يمكنك إنشاء جهاز افتراضي Linux يحتوي على IoT Edge مثبت. اتبع [دليل إنشاء جهاز افتراضي يشغل IoT Edge](vm-iotedge.md) للحصول على التعليمات حول كيفية القيام بذلك.
+
+## تصدير النموذج الخاص بك
+
+لتشغيل المصنف على الحافة، يجب تصديره من Custom Vision. يمكن لـ Custom Vision إنشاء نوعين من النماذج - النماذج القياسية والنماذج المدمجة. النماذج المدمجة تستخدم تقنيات مختلفة لتقليل حجم النموذج، مما يجعله صغيرًا بما يكفي ليتم تنزيله ونشره على أجهزة إنترنت الأشياء.
+
+عندما قمت بإنشاء مصنف الصور، استخدمت مجال *الطعام*، وهو نسخة من النموذج محسنة للتدريب على صور الطعام. في Custom Vision، يمكنك تغيير مجال مشروعك، باستخدام بيانات التدريب الخاصة بك لتدريب نموذج جديد بالمجال الجديد. جميع المجالات المدعومة بواسطة Custom Vision متوفرة كنسخ قياسية ومدمجة.
+
+### المهمة - تدريب النموذج الخاص بك باستخدام مجال الطعام (المدمج)
+1. افتح بوابة Custom Vision على [CustomVision.ai](https://customvision.ai) وقم بتسجيل الدخول إذا لم تكن قد فتحتها بالفعل. ثم افتح مشروعك `fruit-quality-detector`.
+
+1. اختر زر **الإعدادات** (رمز ⚙).
+
+1. في قائمة *Domains*، اختر *Food (compact)*.
+
+1. تحت *Export Capabilities*، تأكد من اختيار *Basic platforms (Tensorflow, CoreML, ONNX, ...)*.
+
+1. في أسفل صفحة الإعدادات، اختر **حفظ التغييرات**.
+
+1. أعد تدريب النموذج باستخدام زر **Train**، واختر *Quick training*.
+
+### المهمة - تصدير النموذج الخاص بك
+
+بمجرد تدريب النموذج، يجب تصديره كحاوية.
+
+1. اختر علامة التبويب **Performance**، وابحث عن أحدث تكرار تم تدريبه باستخدام المجال المضغوط.
+
+1. اختر زر **Export** في الأعلى.
+
+1. اختر **DockerFile**، ثم اختر الإصدار الذي يتناسب مع جهاز الحافة الخاص بك:
+
+    * إذا كنت تستخدم IoT Edge على جهاز كمبيوتر يعمل بنظام Linux أو Windows أو جهاز افتراضي، اختر إصدار *Linux*.
+    * إذا كنت تستخدم IoT Edge على Raspberry Pi، اختر إصدار *ARM (Raspberry Pi 3)*.
+
+> 🎓 Docker هو أحد الأدوات الأكثر شهرة لإدارة الحاويات، وDockerFile هو مجموعة من التعليمات حول كيفية إعداد الحاوية.
+
+1. اختر **Export** ليقوم Custom Vision بإنشاء الملفات ذات الصلة، ثم **Download** لتنزيلها في ملف مضغوط.
+
+1. احفظ الملفات على جهاز الكمبيوتر الخاص بك، ثم فك ضغط المجلد.
+
+## إعداد الحاوية للنشر
+
+![الحاويات تُبنى ثم تُدفع إلى سجل الحاويات، ثم تُنشر من سجل الحاويات إلى جهاز الحافة باستخدام IoT Edge](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ar.png)
+
+بمجرد تنزيل النموذج الخاص بك، يجب بناؤه في حاوية، ثم دفعه إلى سجل الحاويات - وهو موقع عبر الإنترنت حيث يمكنك تخزين الحاويات. يمكن لـ IoT Edge بعد ذلك تنزيل الحاوية من السجل ودفعها إلى جهازك.
+
+![شعار Azure Container Registry](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ar.png)
+
+سجل الحاويات الذي ستستخدمه في هذا الدرس هو Azure Container Registry. هذه ليست خدمة مجانية، لذا لتوفير المال تأكد من [تنظيف مشروعك](../../../clean-up.md) بمجرد الانتهاء.
+
+> 💁 يمكنك الاطلاع على تكاليف استخدام Azure Container Registry في [صفحة تسعير Azure Container Registry](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn).
+
+### المهمة - تثبيت Docker
+
+لبناء ونشر المصنف، قد تحتاج إلى تثبيت [Docker](https://www.docker.com/).
+
+ستحتاج إلى القيام بذلك فقط إذا كنت تخطط لبناء الحاوية من جهاز مختلف عن الجهاز الذي قمت بتثبيت IoT Edge عليه - كجزء من تثبيت IoT Edge، يتم تثبيت Docker تلقائيًا.
+
+1. إذا كنت تبني الحاوية على جهاز مختلف عن جهاز IoT Edge الخاص بك، اتبع تعليمات تثبيت Docker على [صفحة تثبيت Docker](https://www.docker.com/products/docker-desktop) لتثبيت Docker Desktop أو محرك Docker. تأكد من تشغيله بعد التثبيت.
+
+### المهمة - إنشاء مورد سجل الحاويات
+
+1. قم بتشغيل الأمر التالي من Terminal أو موجه الأوامر لإنشاء مورد سجل الحاويات في Azure:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    استبدل `<Container registry name>` باسم فريد لسجل الحاويات الخاص بك، باستخدام الأحرف والأرقام فقط. اجعل الاسم مستندًا إلى `fruitqualitydetector`. يصبح هذا الاسم جزءًا من عنوان URL للوصول إلى سجل الحاويات، لذا يجب أن يكون فريدًا عالميًا.
+
+1. قم بتسجيل الدخول إلى سجل الحاويات في Azure باستخدام الأمر التالي:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+1. قم بتفعيل وضع المسؤول لسجل الحاويات الخاص بك لتتمكن من إنشاء كلمة مرور باستخدام الأمر التالي:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+1. قم بإنشاء كلمات مرور لسجل الحاويات الخاص بك باستخدام الأمر التالي:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+    قم بنسخ قيمة `PASSWORD`، حيث ستحتاج إليها لاحقًا.
+
+### المهمة - بناء الحاوية الخاصة بك
+
+ما قمت بتنزيله من Custom Vision هو DockerFile يحتوي على تعليمات حول كيفية بناء الحاوية، إلى جانب كود التطبيق الذي سيتم تشغيله داخل الحاوية لاستضافة نموذج الرؤية المخصص الخاص بك، مع واجهة REST API لاستدعائه. يمكنك استخدام Docker لبناء حاوية مميزة من DockerFile، ثم دفعها إلى سجل الحاويات الخاص بك.
+
+> 🎓 يتم إعطاء الحاويات علامة تحدد اسمًا وإصدارًا لها. عندما تحتاج إلى تحديث حاوية، يمكنك بناؤها بنفس العلامة ولكن بإصدار أحدث.
+
+1. افتح Terminal أو موجه الأوامر وانتقل إلى النموذج الذي تم فك ضغطه والذي قمت بتنزيله من Custom Vision.
+
+1. قم بتشغيل الأمر التالي لبناء الصورة ووضع علامة عليها:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    استبدل `<platform>` بالمنصة التي ستعمل عليها هذه الحاوية. إذا كنت تستخدم IoT Edge على Raspberry Pi، قم بتعيين هذا إلى `linux/armhf`، وإلا قم بتعيينه إلى `linux/amd64`.
+
+    > 💁 إذا كنت تقوم بتشغيل هذا الأمر من الجهاز الذي تقوم بتشغيل IoT Edge منه، مثل تشغيله من Raspberry Pi، يمكنك حذف الجزء `--platform <platform>` حيث يتم افتراض المنصة الحالية.
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+    > 💁 إذا كنت تعمل على Linux أو Raspberry Pi OS، قد تحتاج إلى استخدام `sudo` لتشغيل هذا الأمر.
+
+    سيقوم Docker ببناء الصورة، وتكوين جميع البرامج اللازمة. سيتم بعد ذلك وضع علامة على الصورة كـ `classifier:v1`.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
+    [+] Building 102.4s (11/11) FINISHED
+     => [internal] load build definition from Dockerfile
+     => => transferring dockerfile: 131B
+     => [internal] load .dockerignore
+     => => transferring context: 2B
+     => [internal] load metadata for docker.io/library/python:3.7-slim
+     => [internal] load build context
+     => => transferring context: 905B
+     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
+     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
+     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
+     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
+     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
+     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
+     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
+     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
+     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
+     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
+     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
+     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
+     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
+     => [2/6] RUN pip install -U pip
+     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
+     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
+     => [5/6] COPY app /app
+     => [6/6] WORKDIR /app
+     => exporting to image
+     => => exporting layers
+     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
+     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    ```
+
+### المهمة - دفع الحاوية إلى سجل الحاويات الخاص بك
+
+1. استخدم الأمر التالي لدفع الحاوية إلى سجل الحاويات الخاص بك:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+    > 💁 إذا كنت تعمل على Linux، قد تحتاج إلى استخدام `sudo` لتشغيل هذا الأمر.
+
+    سيتم دفع الحاوية إلى سجل الحاويات.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
+    5f70bf18a086: Pushed 
+    8a1ba9294a22: Pushed 
+    56cf27184a76: Pushed 
+    b32154f3f5dd: Pushed 
+    36103e9a3104: Pushed 
+    e2abb3cacca0: Pushed 
+    4213fd357bbe: Pushed 
+    7ea163ba4dce: Pushed 
+    537313a13d90: Pushed 
+    764055ebc9a7: Pushed 
+    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
+    ```
+
+1. للتحقق من الدفع، يمكنك عرض قائمة الحاويات في السجل الخاص بك باستخدام الأمر التالي:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    استبدل `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    سترى المصنف الخاص بك مدرجًا في الإخراج.
+
+## نشر الحاوية الخاصة بك
+
+يمكن الآن نشر الحاوية الخاصة بك إلى جهاز IoT Edge الخاص بك. للنشر، تحتاج إلى تعريف ملف نشر - وهو مستند JSON يسرد الوحدات التي سيتم نشرها إلى جهاز الحافة.
+
+### المهمة - إنشاء ملف النشر
+
+1. قم بإنشاء ملف جديد يسمى `deployment.json` في مكان ما على جهاز الكمبيوتر الخاص بك.
+
+1. أضف ما يلي إلى هذا الملف:
+
+    ```json
+    {
+        "content": {
+            "modulesContent": {
+                "$edgeAgent": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "runtime": {
+                            "type": "docker",
+                            "settings": {
+                                "minDockerVersion": "v1.25",
+                                "loggingOptions": "",
+                                "registryCredentials": {
+                                    "ClassifierRegistry": {
+                                        "username": "<Container registry name>",
+                                        "password": "<Container registry password>",
+                                        "address": "<Container registry name>.azurecr.io"
+                                      }
+                                }
+                            }
+                        },
+                        "systemModules": {
+                            "edgeAgent": {
+                                "type": "docker",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
+                                    "createOptions": "{}"
+                                }
+                            },
+                            "edgeHub": {
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
+                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
+                                }
+                            }
+                        },
+                        "modules": {
+                            "ImageClassifier": {
+                                "version": "1.0",
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
+                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
+                                }
+                            }
+                        }
+                    }
+                },
+                "$edgeHub": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "routes": {
+                            "upstream": "FROM /messages/* INTO $upstream"
+                        },
+                        "storeAndForwardConfiguration": {
+                            "timeToLiveSecs": 7200
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 يمكنك العثور على هذا الملف في مجلد [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment).
+
+    استبدل الثلاثة أمثلة لـ `<Container registry name>` بالاسم الذي استخدمته لسجل الحاويات الخاص بك. أحدها في قسم `ImageClassifier`، والآخران في قسم `registryCredentials`.
+
+    استبدل `<Container registry password>` في قسم `registryCredentials` بكلمة مرور سجل الحاويات الخاص بك.
+
+1. من المجلد الذي يحتوي على ملف النشر الخاص بك، قم بتشغيل الأمر التالي:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    استبدل `<hub_name>` باسم IoT Hub الخاص بك.
+
+    سيتم نشر وحدة المصنف إلى جهاز الحافة الخاص بك.
+
+### المهمة - التحقق من تشغيل المصنف
+
+1. قم بالاتصال بجهاز IoT Edge:
+
+    * إذا كنت تستخدم Raspberry Pi لتشغيل IoT Edge، قم بالاتصال باستخدام ssh إما من Terminal الخاص بك، أو عبر جلسة SSH عن بُعد في VS Code.
+    * إذا كنت تقوم بتشغيل IoT Edge في حاوية Linux على Windows، اتبع الخطوات في [دليل التحقق من التكوين الناجح](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) للاتصال بجهاز IoT Edge.
+    * إذا كنت تقوم بتشغيل IoT Edge على جهاز افتراضي، يمكنك SSH إلى الجهاز باستخدام `adminUsername` و`password` الذي قمت بتعيينه عند إنشاء الجهاز الافتراضي، واستخدام إما عنوان IP أو اسم DNS:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        أو:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        أدخل كلمة المرور الخاصة بك عند الطلب.
+
+1. بمجرد الاتصال، قم بتشغيل الأمر التالي للحصول على قائمة وحدات IoT Edge:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 قد تحتاج إلى تشغيل هذا الأمر باستخدام `sudo`.
+
+    سترى الوحدات النمطية قيد التشغيل:
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge list
+    NAME             STATUS           DESCRIPTION      CONFIG
+    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
+    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
+    ```
+
+1. تحقق من السجلات لوحدة المصنف باستخدام الأمر التالي:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 قد تحتاج إلى تشغيل هذا الأمر باستخدام `sudo`.
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
+    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
+    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
+    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
+    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
+    Loading model...Success!
+    Loading labels...2 found. Success!
+     * Serving Flask app "app" (lazy loading)
+     * Environment: production
+       WARNING: This is a development server. Do not use it in a production deployment.
+       Use a production WSGI server instead.
+     * Debug mode: off
+     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
+    ```
+
+### المهمة - اختبار المصنف
+
+1. يمكنك استخدام CURL لاختبار المصنف باستخدام عنوان IP أو اسم المضيف للجهاز الذي يقوم بتشغيل وكيل IoT Edge. ابحث عن عنوان IP:
+
+    * إذا كنت على نفس الجهاز الذي يعمل عليه IoT Edge، يمكنك استخدام `localhost` كاسم المضيف.
+    * إذا كنت تستخدم جهاز افتراضي، يمكنك استخدام إما عنوان IP أو اسم DNS للجهاز الافتراضي.
+    * خلاف ذلك، يمكنك الحصول على عنوان IP للجهاز الذي يعمل عليه IoT Edge:
+      * على Windows 10، اتبع [دليل العثور على عنوان IP الخاص بك](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * على macOS، اتبع [كيفية العثور على عنوان IP الخاص بك على Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * على Linux، اتبع القسم الخاص بالعثور على عنوان IP الخاص بك في [كيفية العثور على عنوان IP الخاص بك في Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+1. يمكنك اختبار الحاوية باستخدام ملف محلي عن طريق تشغيل أمر CURL التالي:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    استبدل `<IP address or name>` بعنوان IP أو اسم المضيف للجهاز الذي يقوم بتشغيل IoT Edge. استبدل `<file_Name>` باسم الملف للاختبار.
+
+    سترى نتائج التنبؤ في الإخراج:
+
+    ```output
+    {
+        "created": "2021-07-05T21:44:39.573181",
+        "id": "",
+        "iteration": "",
+        "predictions": [
+            {
+                "boundingBox": null,
+                "probability": 0.9995615482330322,
+                "tagId": "",
+                "tagName": "ripe"
+            },
+            {
+                "boundingBox": null,
+                "probability": 0.0004384400090202689,
+                "tagId": "",
+                "tagName": "unripe"
+            }
+        ],
+        "project": ""
+    }
+    ```
+
+    > 💁 لا حاجة لتوفير مفتاح التنبؤ هنا، حيث لا يتم استخدام مورد Azure. بدلاً من ذلك، يتم تكوين الأمان على الشبكة الداخلية بناءً على احتياجات الأمان الداخلية، بدلاً من الاعتماد على نقطة نهاية عامة ومفتاح API.
+
+## استخدام جهاز IoT Edge الخاص بك
+
+الآن بعد أن تم نشر المصنف الخاص بك إلى جهاز IoT Edge، يمكنك استخدامه من جهاز IoT الخاص بك.
+
+### المهمة - استخدام جهاز IoT Edge الخاص بك
+
+اعمل من خلال الدليل المناسب لتصنيف الصور باستخدام مصنف IoT Edge:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز IoT افتراضي](single-board-computer.md)
+
+### إعادة تدريب النموذج
+
+أحد العيوب لتشغيل مصنفات الصور على IoT Edge هو أنها غير متصلة بمشروع Custom Vision الخاص بك. إذا نظرت إلى علامة التبويب **Predictions** في Custom Vision، لن ترى الصور التي تم تصنيفها باستخدام المصنف المستند إلى Edge.
+
+هذا هو السلوك المتوقع - الصور لا تُرسل إلى السحابة للتصنيف، لذا لن تكون متاحة في السحابة. أحد المزايا لاستخدام IoT Edge هو الخصوصية، مما يضمن أن الصور لا تغادر شبكتك، ميزة أخرى هي القدرة على العمل دون اتصال، لذا لا حاجة لتحميل الصور عندما لا يكون الجهاز متصلًا بالإنترنت. العيب هو تحسين النموذج الخاص بك - ستحتاج إلى تنفيذ طريقة أخرى لتخزين الصور التي يمكن إعادة تصنيفها يدويًا لتحسين وإعادة تدريب المصنف.
+
+✅ فكر في طرق لتحميل الصور لإعادة تدريب المصنف.
+
+---
+
+## 🚀 التحدي
+
+تشغيل نماذج الذكاء الاصطناعي على أجهزة الحافة يمكن أن يكون أسرع من السحابة - القفزة الشبكية أقصر. يمكن أن تكون أيضًا أبطأ حيث أن الأجهزة التي تشغل النموذج قد لا تكون قوية مثل السحابة.
+
+قم ببعض القياسات وقارن إذا كانت المكالمة إلى جهاز الحافة الخاص بك أسرع أو أبطأ من المكالمة إلى السحابة؟ فكر في أسباب تشرح الفرق، أو عدم وجود فرق. ابحث عن طرق لتشغيل نماذج الذكاء الاصطناعي بشكل أسرع على الحافة باستخدام أجهزة متخصصة.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن الحاويات على [صفحة الافتراضية على مستوى نظام التشغيل في ويكيبيديا](https://wikipedia.org/wiki/OS-level_virtualization).
+* اقرأ المزيد عن الحوسبة الطرفية، مع التركيز على كيفية مساهمة تقنية 5G في توسيع نطاق الحوسبة الطرفية في [مقال "ما هي الحوسبة الطرفية ولماذا هي مهمة؟" على موقع NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* تعرف على المزيد حول تشغيل خدمات الذكاء الاصطناعي في IoT Edge من خلال مشاهدة [حلقة "تعلم كيفية استخدام Azure IoT Edge على خدمة ذكاء اصطناعي جاهزة على الطرف للكشف عن اللغة" من برنامج Learn Live على قناة Microsoft Channel9](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)
+
+## المهمة
+
+[تشغيل خدمات أخرى على الطرف](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..8778badd
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T22:01:33+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "ar"
+}
+-->
+# تشغيل خدمات أخرى على الحافة
+
+## التعليمات
+
+ليس فقط مصنّفات الصور يمكن تشغيلها على الحافة، بل أي شيء يمكن تعبئته في حاوية يمكن نشره على جهاز IoT Edge. يمكن تشغيل التعليمات البرمجية بدون خادم كوظائف Azure Functions، مثل المشغلات التي قمت بإنشائها في الدروس السابقة، داخل الحاويات، وبالتالي على IoT Edge.
+
+اختر أحد الدروس السابقة وحاول تشغيل تطبيق Azure Functions في حاوية IoT Edge. يمكنك العثور على دليل يوضح كيفية القيام بذلك باستخدام مشروع تطبيق Functions مختلف في [Tutorial: Deploy Azure Functions as IoT Edge modules on Microsoft docs](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11).
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| نشر تطبيق Azure Functions إلى IoT Edge | تمكن من نشر تطبيق Azure Functions إلى IoT Edge واستخدامه مع جهاز IoT لتشغيل مشغل من بيانات IoT | تمكن من نشر تطبيق Functions إلى IoT Edge، لكنه لم يتمكن من تشغيل المشغل | لم يتمكن من نشر تطبيق Functions إلى IoT Edge |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..a3ae1414
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T22:04:01+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "ar"
+}
+-->
+# تصنيف صورة باستخدام مصنف صور يعتمد على IoT Edge - أجهزة IoT الافتراضية و Raspberry Pi
+
+في هذا الجزء من الدرس، ستستخدم مصنف الصور الذي يعمل على جهاز IoT Edge.
+
+## استخدام مصنف IoT Edge
+
+يمكن إعادة توجيه جهاز IoT لاستخدام مصنف الصور الخاص بـ IoT Edge. عنوان URL لمصنف الصور هو `http://<IP address or name>/image`، مع استبدال `<IP address or name>` بعنوان IP أو اسم المضيف الخاص بالحاسوب الذي يعمل عليه IoT Edge.
+
+مكتبة Python الخاصة بـ Custom Vision تعمل فقط مع النماذج المستضافة على السحابة، وليس النماذج المستضافة على IoT Edge. هذا يعني أنك ستحتاج إلى استخدام REST API لاستدعاء المصنف.
+
+### المهمة - استخدام مصنف IoT Edge
+
+1. افتح مشروع `fruit-quality-detector` في VS Code إذا لم يكن مفتوحًا بالفعل. إذا كنت تستخدم جهاز IoT افتراضي، فتأكد من تفعيل البيئة الافتراضية.
+
+1. افتح ملف `app.py`، وقم بإزالة عبارات الاستيراد من `azure.cognitiveservices.vision.customvision.prediction` و `msrest.authentication`.
+
+1. أضف الاستيراد التالي في أعلى الملف:
+
+    ```python
+    import requests
+    ```
+
+1. احذف كل الكود بعد حفظ الصورة في ملف، من `image_file.write(image.read())` إلى نهاية الملف.
+
+1. أضف الكود التالي إلى نهاية الملف:
+
+    ```python
+    prediction_url = '<URL>'
+    headers = {
+        'Content-Type' : 'application/octet-stream'
+    }
+    image.seek(0)
+    response = requests.post(prediction_url, headers=headers, data=image)
+    results = response.json()
+    
+    for prediction in results['predictions']:
+        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
+    ```
+
+    استبدل `<URL>` بعنوان URL الخاص بالمصنف.
+
+    يقوم هذا الكود بإجراء طلب REST POST إلى المصنف، ويرسل الصورة كجسم الطلب. النتائج تعود بصيغة JSON، ويتم فك تشفيرها لعرض الاحتمالات.
+
+1. قم بتشغيل الكود الخاص بك، مع توجيه الكاميرا نحو بعض الفواكه، أو مجموعة صور مناسبة، أو فواكه مرئية على كاميرا الويب إذا كنت تستخدم أجهزة IoT افتراضية. سترى النتائج في وحدة التحكم:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) أو [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device).
+
+😀 لقد نجح برنامج مصنف جودة الفواكه الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..22e43137
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T22:02:11+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "ar"
+}
+-->
+# إنشاء آلة افتراضية تعمل بنظام IoT Edge
+
+في Azure، يمكنك إنشاء آلة افتراضية - وهي عبارة عن جهاز كمبيوتر في السحابة يمكنك تكوينه بالطريقة التي تريدها وتشغيل برامجك الخاصة عليه.
+
+> 💁 يمكنك قراءة المزيد عن الآلات الافتراضية على [صفحة الآلة الافتراضية في ويكيبيديا](https://wikipedia.org/wiki/Virtual_machine).
+
+## المهمة - إعداد آلة افتراضية لنظام IoT Edge
+
+1. قم بتشغيل الأمر التالي لإنشاء آلة افتراضية تحتوي بالفعل على Azure IoT Edge مثبت مسبقًا:
+
+    ```sh
+    az deployment group create \
+                --resource-group fruit-quality-detector \
+                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
+                --parameters dnsLabelPrefix=<vm_name> \
+                --parameters adminUsername=<username> \
+                --parameters deviceConnectionString="<connection_string>" \
+                --parameters authenticationType=password \
+                --parameters adminPasswordOrKey="<password>"
+    ```
+
+    استبدل `<vm_name>` باسم لهذه الآلة الافتراضية. يجب أن يكون هذا الاسم فريدًا عالميًا، لذا استخدم شيئًا مثل `fruit-quality-detector-vm-` مع اسمك أو قيمة أخرى في النهاية.
+
+    استبدل `<username>` و `<password>` باسم مستخدم وكلمة مرور لتسجيل الدخول إلى الآلة الافتراضية. يجب أن تكون هذه البيانات آمنة نسبيًا، لذا لا يمكنك استخدام admin/password.
+
+    استبدل `<connection_string>` بسلسلة الاتصال الخاصة بجهاز IoT Edge الخاص بك `fruit-quality-detector-edge`.
+
+    سيؤدي هذا إلى إنشاء آلة افتراضية تم تكوينها كآلة افتراضية من نوع `DS1 v2`. تشير هذه الفئات إلى مدى قوة الجهاز، وبالتالي إلى تكلفته. تحتوي هذه الآلة الافتراضية على وحدة معالجة مركزية واحدة وذاكرة RAM بسعة 3.5 جيجابايت.
+
+    > 💰 يمكنك الاطلاع على الأسعار الحالية لهذه الآلات الافتراضية في [دليل أسعار الآلات الافتراضية في Azure](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn)
+
+    بمجرد إنشاء الآلة الافتراضية، سيتم تثبيت نظام تشغيل IoT Edge تلقائيًا، وسيتم تكوينه للاتصال بمركز IoT الخاص بك كجهاز `fruit-quality-detector-edge`.
+
+1. ستحتاج إلى عنوان IP أو اسم DNS الخاص بالآلة الافتراضية لاستدعاء مصنف الصور منها. قم بتشغيل الأمر التالي للحصول على ذلك:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    قم بنسخ إما الحقل `PublicIps` أو الحقل `Fqdns`.
+
+1. الآلات الافتراضية تكلف المال. في وقت كتابة هذا النص، تكلف آلة DS1 حوالي $0.06 لكل ساعة. لتقليل التكاليف، يجب إيقاف تشغيل الآلة الافتراضية عندما لا تستخدمها، وحذفها عند الانتهاء من هذا المشروع.
+
+    يمكنك تكوين الآلة الافتراضية للإيقاف التلقائي في وقت معين كل يوم. هذا يعني أنه إذا نسيت إيقاف تشغيلها، فلن يتم محاسبتك إلا على الوقت حتى الإيقاف التلقائي. استخدم الأمر التالي لتعيين ذلك:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    استبدل `<vm_name>` باسم الآلة الافتراضية الخاصة بك.
+
+    استبدل `<shutdown_time_utc>` بالوقت UTC الذي تريد أن يتم فيه إيقاف تشغيل الآلة الافتراضية باستخدام 4 أرقام بصيغة HHMM. على سبيل المثال، إذا كنت تريد الإيقاف عند منتصف الليل UTC، فقم بتعيين هذا إلى `0000`. بالنسبة للساعة 7:30 مساءً على الساحل الغربي للولايات المتحدة، استخدم 0230 (الساعة 7:30 مساءً على الساحل الغربي للولايات المتحدة تعادل الساعة 2:30 صباحًا UTC).
+
+1. سيكون مصنف الصور الخاص بك يعمل على هذا الجهاز الطرفي، ويستمع على المنفذ 80 (المنفذ القياسي لـ HTTP). بشكل افتراضي، يتم حظر المنافذ الواردة في الآلات الافتراضية، لذا ستحتاج إلى تمكين المنفذ 80. يتم تمكين المنافذ على مجموعات أمان الشبكة، لذا تحتاج أولاً إلى معرفة اسم مجموعة أمان الشبكة الخاصة بالآلة الافتراضية، والذي يمكنك العثور عليه باستخدام الأمر التالي:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    قم بنسخ قيمة الحقل `Name`.
+
+1. قم بتشغيل الأمر التالي لإضافة قاعدة لفتح المنفذ 80 إلى مجموعة أمان الشبكة:
+
+    ```sh
+    az network nsg rule create \
+                        --resource-group fruit-quality-detector \
+                        --name Port_80 \
+                        --protocol tcp \
+                        --priority 1010 \
+                        --destination-port-range 80 \
+                        --nsg-name <nsg name>
+    ```
+
+    استبدل `<nsg name>` باسم مجموعة أمان الشبكة من الخطوة السابقة.
+
+### المهمة - إدارة الآلة الافتراضية لتقليل التكاليف
+
+1. عندما لا تستخدم الآلة الافتراضية، يجب عليك إيقاف تشغيلها. لإيقاف تشغيل الآلة الافتراضية، استخدم الأمر التالي:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    استبدل `<vm_name>` باسم الآلة الافتراضية الخاصة بك.
+
+    > 💁 هناك أمر `az vm stop` الذي سيوقف الآلة الافتراضية، لكنه يحتفظ بالجهاز مخصصًا لك، لذا ستظل تدفع كما لو كان لا يزال يعمل.
+
+1. لإعادة تشغيل الآلة الافتراضية، استخدم الأمر التالي:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    استبدل `<vm_name>` باسم الآلة الافتراضية الخاصة بك.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..3687294d
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T22:03:20+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "ar"
+}
+-->
+# تصنيف صورة باستخدام مصنف صور يعتمد على IoT Edge - Wio Terminal
+
+في هذا الجزء من الدرس، ستستخدم مصنف الصور الذي يعمل على جهاز IoT Edge.
+
+## استخدام مصنف IoT Edge
+
+يمكن إعادة توجيه جهاز IoT لاستخدام مصنف الصور الخاص بـ IoT Edge. عنوان URL الخاص بمصنف الصور هو `http://<عنوان IP أو الاسم>/image`، مع استبدال `<عنوان IP أو الاسم>` بعنوان IP أو اسم المضيف الخاص بالحاسوب الذي يعمل عليه IoT Edge.
+
+### المهمة - استخدام مصنف IoT Edge
+
+1. افتح مشروع تطبيق `fruit-quality-detector` إذا لم يكن مفتوحًا بالفعل.
+
+1. يعمل مصنف الصور كواجهة برمجية REST API باستخدام HTTP وليس HTTPS، لذا يجب أن يتم الاتصال باستخدام عميل WiFi يعمل فقط مع مكالمات HTTP. هذا يعني أن الشهادة غير مطلوبة. احذف `CERTIFICATE` من ملف `config.h`.
+
+1. يجب تحديث عنوان URL الخاص بالتنبؤ في ملف `config.h` إلى العنوان الجديد. يمكنك أيضًا حذف `PREDICTION_KEY` لأنه غير مطلوب.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    استبدل `<URL>` بعنوان URL الخاص بالمصنف الخاص بك.
+
+1. في `main.cpp`، قم بتغيير توجيه الاستيراد الخاص بـ WiFi Client Secure لاستيراد النسخة القياسية لـ HTTP:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. قم بتغيير تعريف `WiFiClient` ليكون النسخة الخاصة بـ HTTP:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. حدد السطر الذي يحدد الشهادة على عميل WiFi. احذف السطر `client.setCACert(CERTIFICATE);` من وظيفة `connectWiFi`.
+
+1. في وظيفة `classifyImage`، احذف السطر `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` الذي يحدد مفتاح التنبؤ في الترويسة.
+
+1. قم برفع وتشغيل الكود الخاص بك. وجه الكاميرا نحو بعض الفواكه واضغط على الزر C. سترى الناتج في شاشة المراقبة التسلسلية:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal).
+
+😀 لقد نجح برنامج مصنف جودة الفواكه الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..97d94a1d
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T22:05:19+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "ar"
+}
+-->
+# تشغيل الكشف عن جودة الفاكهة باستخدام مستشعر
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## المقدمة
+
+تطبيقات إنترنت الأشياء ليست مجرد جهاز واحد يقوم بجمع البيانات وإرسالها إلى السحابة، بل غالبًا ما تكون مجموعة من الأجهزة تعمل معًا لجمع البيانات من العالم المادي باستخدام المستشعرات، واتخاذ قرارات بناءً على تلك البيانات، والتفاعل مع العالم المادي عبر المشغلات أو التصورات.
+
+في هذا الدرس، ستتعلم المزيد عن تصميم تطبيقات إنترنت الأشياء المعقدة، ودمج مستشعرات متعددة وخدمات سحابية لتحليل وتخزين البيانات، وعرض الاستجابة عبر مشغل. ستتعلم كيفية تصميم نموذج أولي لنظام مراقبة جودة الفاكهة، بما في ذلك استخدام مستشعرات القرب لتشغيل تطبيق إنترنت الأشياء، وما هي بنية هذا النموذج الأولي.
+
+في هذا الدرس سنتناول:
+
+* [تصميم تطبيقات إنترنت الأشياء المعقدة](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [تصميم نظام مراقبة جودة الفاكهة](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [تشغيل فحص جودة الفاكهة باستخدام مستشعر](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [البيانات المستخدمة في كاشف جودة الفاكهة](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [استخدام أجهزة المطورين لمحاكاة أجهزة إنترنت الأشياء المتعددة](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [الانتقال إلى الإنتاج](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 هذا هو الدرس الأخير في هذا المشروع، لذا بعد إكمال هذا الدرس والتكليف، لا تنس تنظيف خدمات السحابة الخاصة بك. ستحتاج إلى الخدمات لإكمال التكليف، لذا تأكد من إكماله أولاً.
+>
+> ارجع إلى [دليل تنظيف المشروع الخاص بك](../../../clean-up.md) إذا لزم الأمر للحصول على تعليمات حول كيفية القيام بذلك.
+
+## تصميم تطبيقات إنترنت الأشياء المعقدة
+
+تتكون تطبيقات إنترنت الأشياء من العديد من المكونات، بما في ذلك مجموعة متنوعة من الأجهزة والخدمات عبر الإنترنت.
+
+يمكن وصف تطبيقات إنترنت الأشياء بأنها *أشياء* (أجهزة) ترسل بيانات تولد *رؤى*. هذه *الرؤى* تولد *إجراءات* لتحسين الأعمال أو العمليات. على سبيل المثال، محرك (الشيء) يرسل بيانات درجة الحرارة. تُستخدم هذه البيانات لتقييم ما إذا كان أداء المحرك كما هو متوقع (الرؤية). تُستخدم الرؤية لتحديد أولويات جدول الصيانة للمحرك بشكل استباقي (الإجراء).
+
+* تجمع الأشياء المختلفة أجزاء مختلفة من البيانات.
+* تقدم خدمات إنترنت الأشياء رؤى حول تلك البيانات، وأحيانًا تعززها ببيانات من مصادر إضافية.
+* تقود هذه الرؤى الإجراءات، بما في ذلك التحكم في المشغلات في الأجهزة أو تصور البيانات.
+
+### بنية مرجعية لإنترنت الأشياء
+
+![بنية مرجعية لإنترنت الأشياء](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ar.png)
+
+يوضح الرسم البياني أعلاه بنية مرجعية لإنترنت الأشياء.
+
+> 🎓 *البنية المرجعية* هي بنية نموذجية يمكنك استخدامها كمرجع عند تصميم أنظمة جديدة. في هذه الحالة، إذا كنت تبني نظام إنترنت أشياء جديدًا، يمكنك اتباع البنية المرجعية، واستبدال الأجهزة والخدمات الخاصة بك حيثما كان ذلك مناسبًا.
+
+* **الأشياء** هي الأجهزة التي تجمع البيانات من المستشعرات، وربما تتفاعل مع خدمات الحافة لتفسير تلك البيانات، مثل مصنفات الصور لتفسير بيانات الصور. يتم إرسال البيانات من الأجهزة إلى خدمة إنترنت الأشياء.
+* **الرؤى** تأتي من التطبيقات بدون خادم، أو من التحليلات التي تُجرى على البيانات المخزنة.
+* **الإجراءات** يمكن أن تكون أوامر تُرسل إلى الأجهزة، أو تصور البيانات للسماح للبشر باتخاذ قرارات.
+
+![بنية مرجعية لإنترنت الأشياء باستخدام Azure](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ar.png)
+
+يوضح الرسم البياني أعلاه بعض المكونات والخدمات التي تمت تغطيتها حتى الآن في هذه الدروس وكيفية ارتباطها ببعضها في بنية مرجعية لإنترنت الأشياء.
+
+* **الأشياء** - كتبت رمز الجهاز لالتقاط البيانات من المستشعرات، وتحليل الصور باستخدام Custom Vision الذي يعمل في السحابة وعلى جهاز الحافة. تم إرسال هذه البيانات إلى IoT Hub.
+* **الرؤى** - استخدمت وظائف Azure للرد على الرسائل المرسلة إلى IoT Hub، وقمت بتخزين البيانات لتحليلها لاحقًا في Azure Storage.
+* **الإجراءات** - قمت بالتحكم في المشغلات بناءً على القرارات التي تم اتخاذها في السحابة والأوامر المرسلة إلى الأجهزة، وقمت بتصور البيانات باستخدام Azure Maps.
+
+✅ فكر في أجهزة إنترنت الأشياء الأخرى التي استخدمتها، مثل الأجهزة المنزلية الذكية. ما هي الأشياء، والرؤى، والإجراءات التي تشارك في هذا الجهاز وبرامجه؟
+
+يمكن توسيع هذا النمط ليكون كبيرًا أو صغيرًا حسب الحاجة، مع إضافة المزيد من الأجهزة والخدمات.
+
+### البيانات والأمان
+
+عند تعريف بنية نظامك، تحتاج إلى التفكير باستمرار في البيانات والأمان.
+
+* ما البيانات التي يرسلها جهازك ويتلقاها؟
+* كيف يجب تأمين تلك البيانات وحمايتها؟
+* كيف يجب التحكم في الوصول إلى الجهاز وخدمة السحابة؟
+
+✅ فكر في أمان البيانات لأي أجهزة إنترنت الأشياء التي تمتلكها. ما مقدار تلك البيانات الشخصية التي يجب أن تبقى خاصة، سواء أثناء النقل أو عند التخزين؟ ما البيانات التي لا يجب تخزينها؟
+
+## تصميم نظام مراقبة جودة الفاكهة
+
+لنأخذ الآن فكرة الأشياء، والرؤى، والإجراءات ونطبقها على كاشف جودة الفاكهة لتصميم تطبيق شامل من البداية إلى النهاية.
+
+تخيل أنك تم تكليفك ببناء كاشف جودة الفاكهة ليُستخدم في مصنع معالجة. تنتقل الفاكهة على نظام ناقل حيث يقضي الموظفون حاليًا وقتًا في فحص الفاكهة يدويًا وإزالة أي فاكهة غير ناضجة عند وصولها. لتقليل التكاليف، يريد مالك المصنع نظامًا آليًا.
+
+✅ أحد الاتجاهات مع صعود إنترنت الأشياء (والتكنولوجيا بشكل عام) هو أن الوظائف اليدوية يتم استبدالها بالآلات. قم ببعض البحث: كم عدد الوظائف التي يُقدر أنها ستُفقد بسبب إنترنت الأشياء؟ كم عدد الوظائف الجديدة التي سيتم إنشاؤها لبناء أجهزة إنترنت الأشياء؟
+
+تحتاج إلى بناء نظام يتم فيه اكتشاف الفاكهة عند وصولها على الناقل، ثم يتم تصويرها وفحصها باستخدام نموذج ذكاء اصطناعي يعمل على الحافة. يتم إرسال النتائج بعد ذلك إلى السحابة لتخزينها، وإذا كانت الفاكهة غير ناضجة يتم إرسال إشعار لإزالتها.
+
+|   |   |
+| - | - |
+| **الأشياء** | كاشف لوصول الفاكهة على الناقل<br>كاميرا لتصوير وتصنيف الفاكهة<br>جهاز حافة يقوم بتشغيل المصنف<br>جهاز للإبلاغ عن الفاكهة غير الناضجة |
+| **الرؤى** | اتخاذ قرار بفحص نضج الفاكهة<br>تخزين نتائج تصنيف النضج<br>تحديد ما إذا كان هناك حاجة للإبلاغ عن الفاكهة غير الناضجة |
+| **الإجراءات** | إرسال أمر إلى جهاز لتصوير الفاكهة وفحصها باستخدام مصنف الصور<br>إرسال أمر إلى جهاز للإبلاغ عن الفاكهة غير الناضجة |
+
+### إنشاء نموذج أولي لتطبيقك
+
+![بنية مرجعية لإنترنت الأشياء لفحص جودة الفاكهة](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ar.png)
+
+يوضح الرسم البياني أعلاه بنية مرجعية لهذا التطبيق النموذجي.
+
+* جهاز إنترنت الأشياء مع مستشعر القرب يكتشف وصول الفاكهة. يرسل هذا رسالة إلى السحابة للإبلاغ عن اكتشاف الفاكهة.
+* تطبيق بدون خادم في السحابة يرسل أمرًا إلى جهاز آخر لتصوير وتصنيف الصورة.
+* جهاز إنترنت الأشياء مع كاميرا يلتقط صورة ويرسلها إلى مصنف الصور الذي يعمل على الحافة. يتم إرسال النتائج بعد ذلك إلى السحابة.
+* تطبيق بدون خادم في السحابة يخزن هذه المعلومات لتحليلها لاحقًا لمعرفة نسبة الفاكهة غير الناضجة. إذا كانت الفاكهة غير ناضجة، فإنه يرسل أمرًا إلى جهاز إنترنت الأشياء الآخر للإبلاغ عن الفاكهة غير الناضجة عبر LED.
+
+> 💁 يمكن تنفيذ هذا التطبيق الكامل لإنترنت الأشياء كجهاز واحد، مع تضمين كل المنطق لتشغيل تصنيف الصور والتحكم في LED. يمكن استخدام IoT Hub فقط لتتبع عدد الفواكه غير الناضجة المكتشفة وتكوين الجهاز. في هذا الدرس يتم توسيعه لتوضيح المفاهيم لتطبيقات إنترنت الأشياء واسعة النطاق.
+
+بالنسبة للنموذج الأولي، ستقوم بتنفيذ كل هذا على جهاز واحد. إذا كنت تستخدم متحكمًا دقيقًا، فستستخدم جهاز حافة منفصل لتشغيل المصنف.
+
+## تشغيل فحص جودة الفاكهة باستخدام مستشعر
+
+يحتاج جهاز إنترنت الأشياء إلى نوع من المشغلات للإشارة إلى أن الفاكهة جاهزة للتصنيف. يمكن أن يكون أحد المشغلات هو قياس موقع الفاكهة على الناقل عن طريق قياس المسافة إلى مستشعر.
+
+![مستشعرات القرب ترسل أشعة ليزر إلى أجسام مثل الموز وتقيس الوقت حتى ترتد الأشعة](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ar.png)
+
+يمكن استخدام مستشعرات القرب لقياس المسافة بين المستشعر والجسم. عادةً ما ترسل شعاعًا من الإشعاع الكهرومغناطيسي مثل شعاع الليزر أو ضوء الأشعة تحت الحمراء، ثم تكتشف الإشعاع المرتد عن الجسم. يمكن استخدام الوقت بين إرسال شعاع الليزر والإشارة المرتدة لحساب المسافة إلى المستشعر.
+
+> 💁 ربما استخدمت مستشعرات القرب دون أن تدرك ذلك. معظم الهواتف الذكية تقوم بإيقاف تشغيل الشاشة عندما تضعها على أذنك لمنع إنهاء المكالمة عن طريق الخطأ باستخدام شحمة الأذن، ويعمل هذا باستخدام مستشعر القرب، الذي يكتشف جسمًا قريبًا من الشاشة أثناء المكالمة ويعطل قدرات اللمس حتى يكون الهاتف على مسافة معينة.
+
+### المهمة - تشغيل فحص جودة الفاكهة باستخدام مستشعر المسافة
+
+قم بتنفيذ الدليل المناسب لاستخدام مستشعر القرب لاكتشاف جسم باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-proximity.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-proximity.md)
+
+## البيانات المستخدمة في كاشف جودة الفاكهة
+
+يحتوي كاشف الفاكهة النموذجي على مكونات متعددة تتواصل مع بعضها البعض.
+
+![المكونات التي تتواصل مع بعضها البعض](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ar.png)
+
+* مستشعر القرب يقيس المسافة إلى قطعة الفاكهة ويرسلها إلى IoT Hub
+* الأمر للتحكم في الكاميرا يأتي من IoT Hub إلى جهاز الكاميرا
+* نتائج تصنيف الصور يتم إرسالها إلى IoT Hub
+* الأمر للتحكم في LED للإبلاغ عن الفاكهة غير الناضجة يتم إرساله من IoT Hub إلى الجهاز المزود بـ LED
+
+من الجيد تحديد هيكل هذه الرسائل مسبقًا، قبل بناء التطبيق.
+
+> 💁 تقريبًا كل مطور ذو خبرة قد قضى في مرحلة ما من حياته المهنية ساعات أو أيامًا أو حتى أسابيع في مطاردة أخطاء ناجمة عن اختلافات في البيانات المرسلة مقارنة بما هو متوقع.
+
+على سبيل المثال - إذا كنت ترسل معلومات درجة الحرارة، كيف ستحدد JSON؟ يمكنك أن يكون لديك حقل يسمى `temperature`، أو يمكنك استخدام الاختصار الشائع `temp`.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+مقارنة بـ:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+يجب أيضًا أن تأخذ في الاعتبار الوحدات - هل درجة الحرارة بالـ °C أم °F؟ إذا كنت تقيس درجة الحرارة باستخدام جهاز استهلاكي وقام المستخدم بتغيير وحدات العرض، يجب أن تتأكد من أن الوحدات المرسلة إلى السحابة تظل متسقة.
+
+✅ قم ببعض البحث: كيف تسببت مشاكل الوحدات في تحطم Mars Climate Orbiter الذي بلغت تكلفته 125 مليون دولار؟
+
+فكر في البيانات التي يتم إرسالها لكاشف جودة الفاكهة. كيف ستحدد كل رسالة؟ أين ستقوم بتحليل البيانات واتخاذ قرارات بشأن البيانات التي سيتم إرسالها؟
+
+على سبيل المثال - تشغيل تصنيف الصور باستخدام مستشعر القرب. يقيس جهاز إنترنت الأشياء المسافة، ولكن أين يتم اتخاذ القرار؟ هل يقرر الجهاز أن الفاكهة قريبة بما يكفي ويرسل رسالة لإخبار IoT Hub بتشغيل التصنيف؟ أم أنه يرسل قياسات القرب ويترك IoT Hub يتخذ القرار؟
+
+الإجابة على أسئلة مثل هذه هي - يعتمد الأمر. كل حالة استخدام مختلفة، ولهذا السبب كمطور إنترنت الأشياء تحتاج إلى فهم النظام الذي تبنيه، وكيف يتم استخدامه، والبيانات التي يتم اكتشافها.
+
+* إذا تم اتخاذ القرار بواسطة IoT Hub، ستحتاج إلى إرسال قياسات مسافة متعددة.
+* إذا أرسلت الكثير من الرسائل، فإن ذلك يزيد من تكلفة IoT Hub، وكمية النطاق الترددي المطلوبة من أجهزة إنترنت الأشياء الخاصة بك (خاصة في مصنع يحتوي على ملايين الأجهزة). يمكن أن يؤدي ذلك أيضًا إلى إبطاء جهازك.
+* إذا اتخذت القرار على الجهاز، ستحتاج إلى توفير طريقة لتكوين الجهاز لضبط الآلة بدقة.
+
+## استخدام أجهزة المطورين لمحاكاة أجهزة إنترنت الأشياء المتعددة
+
+لبناء النموذج الأولي الخاص بك، ستحتاج إلى مجموعة أدوات تطوير إنترنت الأشياء الخاصة بك لتعمل كأجهزة متعددة، ترسل بيانات وتستجيب للأوامر.
+
+### محاكاة أجهزة إنترنت الأشياء المتعددة على Raspberry Pi أو أجهزة إنترنت الأشياء الافتراضية
+
+عند استخدام كمبيوتر أحادي اللوحة مثل Raspberry Pi، يمكنك تشغيل تطبيقات متعددة في وقت واحد. هذا يعني أنه يمكنك محاكاة أجهزة إنترنت الأشياء المتعددة عن طريق إنشاء تطبيقات متعددة، واحد لكل "جهاز إنترنت الأشياء". على سبيل المثال، يمكنك تنفيذ كل جهاز كملف Python منفصل وتشغيلها في جلسات طرفية مختلفة.
+💁 كن على علم بأن بعض الأجهزة لن تعمل عند الوصول إليها من قبل تطبيقات متعددة تعمل في نفس الوقت.
+### محاكاة أجهزة متعددة على المتحكم الدقيق
+
+المتحكمات الدقيقة أكثر تعقيدًا عندما يتعلق الأمر بمحاكاة أجهزة متعددة. على عكس الحواسيب أحادية اللوحة، لا يمكنك تشغيل تطبيقات متعددة في وقت واحد، بل يجب تضمين كل المنطق الخاص بالأجهزة المختلفة لإنترنت الأشياء في تطبيق واحد.
+
+بعض الاقتراحات لتسهيل هذه العملية هي:
+
+* إنشاء فئة أو أكثر لكل جهاز إنترنت الأشياء - على سبيل المثال، فئات تسمى `DistanceSensor`، `ClassifierCamera`، `LEDController`. يمكن لكل منها أن يحتوي على طرق `setup` و `loop` الخاصة به والتي يتم استدعاؤها بواسطة وظائف `setup` و `loop` الرئيسية.
+* التعامل مع الأوامر في مكان واحد، وتوجيهها إلى الفئة المناسبة للجهاز حسب الحاجة.
+* في وظيفة `loop` الرئيسية، ستحتاج إلى مراعاة توقيت كل جهاز مختلف. على سبيل المثال، إذا كان لديك فئة جهاز تحتاج إلى المعالجة كل 10 ثوانٍ، وأخرى تحتاج إلى المعالجة كل ثانية واحدة، ففي وظيفة `loop` الرئيسية استخدم تأخيرًا لمدة ثانية واحدة. كل استدعاء لـ `loop` يُشغل الكود المناسب للجهاز الذي يحتاج إلى المعالجة كل ثانية، واستخدم عدادًا لحساب كل دورة، ومعالجة الجهاز الآخر عندما يصل العداد إلى 10 (ثم إعادة تعيين العداد بعد ذلك).
+
+## الانتقال إلى الإنتاج
+
+النموذج الأولي سيكون أساسًا لنظام الإنتاج النهائي. بعض الاختلافات عند الانتقال إلى الإنتاج ستكون:
+
+* مكونات متينة - استخدام أجهزة مصممة لتحمل الضوضاء، الحرارة، الاهتزاز والإجهاد في المصنع.
+* استخدام الاتصالات الداخلية - بعض المكونات ستتواصل مباشرة لتجنب الانتقال إلى السحابة، فقط إرسال البيانات إلى السحابة للتخزين. كيفية القيام بذلك تعتمد على إعداد المصنع، إما عبر الاتصالات المباشرة، أو تشغيل جزء من خدمة إنترنت الأشياء على الحافة باستخدام جهاز بوابة.
+* خيارات التكوين - كل مصنع وحالة استخدام مختلفة، لذا يجب أن تكون الأجهزة قابلة للتكوين. على سبيل المثال، قد يحتاج مستشعر القرب إلى اكتشاف فواكه مختلفة على مسافات مختلفة. بدلاً من كتابة المسافة بشكل ثابت لتفعيل التصنيف، ستحتاج إلى جعل هذا قابلًا للتكوين عبر السحابة، على سبيل المثال باستخدام جهاز توأم.
+* إزالة الفواكه تلقائيًا - بدلاً من استخدام LED لتنبيه أن الفاكهة غير ناضجة، ستقوم الأجهزة الآلية بإزالتها.
+
+✅ قم ببعض البحث: ما هي الطرق الأخرى التي تختلف بها أجهزة الإنتاج عن مجموعات المطورين؟
+
+---
+
+## 🚀 التحدي
+
+في هذا الدرس، تعلمت بعض المفاهيم التي تحتاج إلى معرفتها حول كيفية تصميم نظام إنترنت الأشياء. فكر في المشاريع السابقة. كيف تتناسب مع بنية المرجع الموضحة أعلاه؟
+
+اختر أحد المشاريع السابقة وفكر في تصميم حل أكثر تعقيدًا يجمع بين قدرات متعددة تتجاوز ما تم تغطيته في المشاريع. ارسم البنية وفكر في جميع الأجهزة والخدمات التي ستحتاج إليها.
+
+على سبيل المثال - جهاز تتبع المركبات الذي يجمع بين GPS وأجهزة استشعار لمراقبة أشياء مثل درجات الحرارة في شاحنة مبردة، أوقات تشغيل وإيقاف المحرك، وهوية السائق. ما هي الأجهزة والخدمات المعنية، البيانات التي يتم إرسالها، واعتبارات الأمان والخصوصية؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن بنية إنترنت الأشياء في [وثائق بنية مرجع إنترنت الأشياء على Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* اقرأ المزيد عن الأجهزة التوأم في [فهم واستخدام الأجهزة التوأم في وثائق IoT Hub على Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* اقرأ عن OPC-UA، وهو بروتوكول اتصال بين الآلات يُستخدم في الأتمتة الصناعية على [صفحة OPC-UA على ويكيبيديا](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## الواجب
+
+[بناء كاشف جودة الفواكه](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..0d3290f9
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T22:07:52+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "ar"
+}
+-->
+# بناء كاشف جودة الفاكهة
+
+## التعليمات
+
+قم ببناء كاشف جودة الفاكهة!
+
+استخدم كل ما تعلمته حتى الآن لبناء نموذج أولي لكاشف جودة الفاكهة. قم بتفعيل تصنيف الصور بناءً على القرب باستخدام نموذج ذكاء اصطناعي يعمل على الحافة، واحفظ نتائج التصنيف في التخزين، وتحكم في تشغيل وإيقاف LED بناءً على نضج الفاكهة.
+
+يجب أن تكون قادرًا على تجميع هذا باستخدام الكود الذي كتبته سابقًا في جميع الدروس حتى الآن.
+
+## معايير التقييم
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------- | ------- | ---------------- |
+| إعداد جميع الخدمات | تم إعداد IoT Hub، تطبيق وظائف Azure، وتخزين Azure بنجاح | تم إعداد IoT Hub فقط، ولكن لم يتم إعداد تطبيق وظائف Azure أو تخزين Azure | لم يتم إعداد أي من خدمات إنترنت الأشياء |
+| مراقبة القرب وإرسال البيانات إلى IoT Hub إذا كان الجسم أقرب من مسافة محددة مسبقًا وتفعيل الكاميرا عبر أمر | تم قياس المسافة وإرسال رسالة إلى IoT Hub عند اقتراب الجسم بما يكفي، وتم إرسال أمر لتفعيل الكاميرا | تم قياس القرب وإرساله إلى IoT Hub، ولكن لم يتم إرسال أمر لتفعيل الكاميرا | لم يتم قياس المسافة أو إرسال رسالة إلى IoT Hub أو تفعيل أمر |
+| التقاط صورة، تصنيفها، وإرسال النتائج إلى IoT Hub | تم التقاط صورة، تصنيفها باستخدام جهاز الحافة، وإرسال النتائج إلى IoT Hub | تم تصنيف الصورة ولكن ليس باستخدام جهاز الحافة، أو لم يتم إرسال النتائج إلى IoT Hub | لم يتم تصنيف الصورة |
+| تشغيل أو إيقاف LED بناءً على نتائج التصنيف باستخدام أمر مرسل إلى الجهاز | تم تشغيل LED عبر أمر إذا كانت الفاكهة غير ناضجة | تم إرسال الأمر إلى الجهاز ولكن لم يتم التحكم في LED | لم يتم إرسال أمر للتحكم في LED |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..a135a56c
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T22:08:34+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "ar"
+}
+-->
+# اكتشاف القرب - Raspberry Pi
+
+في هذا الجزء من الدرس، ستضيف مستشعر قرب إلى Raspberry Pi وتقرأ المسافة منه.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى مستشعر قرب.
+
+المستشعر الذي ستستخدمه هو [مستشعر المسافة Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). يستخدم هذا المستشعر وحدة قياس بالليزر لاكتشاف المسافة. نطاق هذا المستشعر يتراوح بين 10 ملم إلى 2000 ملم (1 سم - 2 متر)، وسيقوم بالإبلاغ عن القيم في هذا النطاق بدقة كبيرة، مع الإبلاغ عن المسافات التي تزيد عن 1000 ملم كـ 8109 ملم.
+
+محدد المدى بالليزر موجود في الجزء الخلفي من المستشعر، على الجانب المقابل لمقبس Grove.
+
+هذا مستشعر I²C.
+
+### توصيل مستشعر Time of Flight
+
+يمكن توصيل مستشعر Time of Flight بـ Raspberry Pi.
+
+#### المهمة - توصيل مستشعر Time of Flight
+
+قم بتوصيل مستشعر Time of Flight.
+
+![مستشعر Time of Flight من نوع Grove](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر Time of Flight. لن يدخل إلا بطريقة واحدة.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بأحد مقابس I²C المميزة بـ **I²C** على قبعة Grove Base المثبتة على Pi. هذه المقابس موجودة في الصف السفلي، على الطرف المقابل لدبابيس GPI وبجوار فتحة كابل الكاميرا.
+
+![مستشعر Time of Flight من نوع Grove متصل بمقبس I²C](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ar.png)
+
+## برمجة مستشعر Time of Flight
+
+يمكن الآن برمجة Raspberry Pi لاستخدام مستشعر Time of Flight المتصل.
+
+### المهمة - برمجة مستشعر Time of Flight
+
+قم ببرمجة الجهاز.
+
+1. قم بتشغيل Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح كود `fruit-quality-detector` في VS Code، إما مباشرة على Pi، أو قم بالاتصال عبر امتداد Remote SSH.
+
+1. قم بتثبيت حزمة rpi-vl53l0x باستخدام Pip، وهي حزمة Python تتفاعل مع مستشعر المسافة VL53L0X. قم بتثبيتها باستخدام أمر pip التالي:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. أنشئ ملفًا جديدًا في هذا المشروع يسمى `distance-sensor.py`.
+
+    > 💁 طريقة سهلة لمحاكاة أجهزة IoT متعددة هي القيام بكل جهاز في ملف Python مختلف، ثم تشغيلها في نفس الوقت.
+
+1. أضف الكود التالي إلى هذا الملف:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    هذا يستورد مكتبة Grove I²C bus، ومكتبة مستشعر للأجهزة الأساسية المدمجة في مستشعر Time of Flight من نوع Grove.
+
+1. أسفل هذا، أضف الكود التالي للوصول إلى المستشعر:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    هذا الكود يعلن عن مستشعر مسافة باستخدام Grove I²C bus، ثم يبدأ تشغيل المستشعر.
+
+1. أخيرًا، أضف حلقة لا نهائية لقراءة المسافات:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    هذا الكود ينتظر قيمة جاهزة للقراءة من المستشعر، ثم يطبعها إلى وحدة التحكم.
+
+1. قم بتشغيل هذا الكود.
+
+    > 💁 لا تنسَ أن هذا الملف يسمى `distance-sensor.py`! تأكد من تشغيله عبر Python، وليس `app.py`.
+
+1. سترى قياسات المسافة تظهر في وحدة التحكم. ضع الأشياء بالقرب من المستشعر وسترى قياس المسافة:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    محدد المدى موجود في الجزء الخلفي من المستشعر، لذا تأكد من استخدام الجانب الصحيح عند قياس المسافة.
+
+    ![محدد المدى في الجزء الخلفي من مستشعر Time of Flight يشير إلى موزة](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi).
+
+😀 لقد نجحت في برمجة مستشعر القرب!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..09a88f59
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T22:10:42+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "ar"
+}
+-->
+# اكتشاف القرب - الأجهزة الافتراضية لإنترنت الأشياء
+
+في هذا الجزء من الدرس، ستضيف مستشعر قرب إلى جهاز إنترنت الأشياء الافتراضي الخاص بك، وتقرأ المسافة منه.
+
+## الأجهزة
+
+سيستخدم جهاز إنترنت الأشياء الافتراضي مستشعر مسافة محاكي.
+
+في جهاز إنترنت الأشياء الفعلي، ستستخدم مستشعرًا مع وحدة قياس بالليزر لاكتشاف المسافة.
+
+### إضافة مستشعر المسافة إلى CounterFit
+
+لاستخدام مستشعر مسافة افتراضي، تحتاج إلى إضافته إلى تطبيق CounterFit.
+
+#### المهمة - إضافة مستشعر المسافة إلى CounterFit
+
+أضف مستشعر المسافة إلى تطبيق CounterFit.
+
+1. افتح الكود `fruit-quality-detector` في VS Code، وتأكد من تفعيل البيئة الافتراضية.
+
+1. قم بتثبيت حزمة Pip إضافية لتثبيت CounterFit shim الذي يمكنه التحدث إلى مستشعرات المسافة عن طريق محاكاة [حزمة rpi-vl53l0x Pip](https://pypi.org/project/rpi-vl53l0x/)، وهي حزمة Python تتفاعل مع [مستشعر مسافة وقت الطيران VL53L0X](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/). تأكد من تثبيت هذه الحزمة من خلال نافذة طرفية مع تفعيل البيئة الافتراضية.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. تأكد من تشغيل تطبيق الويب CounterFit.
+
+1. قم بإنشاء مستشعر مسافة:
+
+    1. في مربع *Create sensor* في لوحة *Sensors*، انقر على القائمة المنسدلة *Sensor type* واختر *Distance*.
+
+    1. اترك *Units* كما هي `Millimeter`.
+
+    1. هذا المستشعر هو مستشعر I2C، لذا قم بتعيين العنوان إلى `0x29`. إذا كنت تستخدم مستشعر VL53L0X فعلي، فسيكون هذا العنوان مبرمجًا بشكل ثابت.
+
+    1. اختر زر **Add** لإنشاء مستشعر المسافة.
+
+    ![إعدادات مستشعر المسافة](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ar.png)
+
+    سيتم إنشاء مستشعر المسافة وسيظهر في قائمة المستشعرات.
+
+    ![تم إنشاء مستشعر المسافة](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ar.png)
+
+## برمجة مستشعر المسافة
+
+يمكن الآن برمجة جهاز إنترنت الأشياء الافتراضي لاستخدام مستشعر المسافة المحاكي.
+
+### المهمة - برمجة مستشعر وقت الطيران
+
+1. قم بإنشاء ملف جديد في مشروع `fruit-quality-detector` باسم `distance-sensor.py`.
+
+    > 💁 طريقة سهلة لمحاكاة أجهزة إنترنت الأشياء المتعددة هي القيام بكل جهاز في ملف Python مختلف، ثم تشغيلها في نفس الوقت.
+
+1. ابدأ اتصالًا مع CounterFit باستخدام الكود التالي:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. أضف الكود التالي أسفل هذا:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    هذا يستورد مكتبة المستشعر shim لمستشعر وقت الطيران VL53L0X.
+
+1. أسفل هذا، أضف الكود التالي للوصول إلى المستشعر:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    هذا الكود يعلن عن مستشعر المسافة، ثم يبدأ تشغيل المستشعر.
+
+1. أخيرًا، أضف حلقة لا نهائية لقراءة المسافات:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    هذا الكود ينتظر قيمة جاهزة للقراءة من المستشعر، ثم يطبعها إلى وحدة التحكم.
+
+1. قم بتشغيل هذا الكود.
+
+    > 💁 لا تنسَ أن هذا الملف يسمى `distance-sensor.py`! تأكد من تشغيله عبر Python، وليس `app.py`.
+
+1. سترى قياسات المسافة تظهر في وحدة التحكم. قم بتغيير القيمة في CounterFit لترى هذه القيمة تتغير، أو استخدم قيمًا عشوائية.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device).
+
+😀 لقد نجحت في برمجة مستشعر القرب!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..3ed0a519
--- /dev/null
+++ b/translations/ar/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T22:09:40+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "ar"
+}
+-->
+# اكتشاف القرب - Wio Terminal
+
+في هذا الجزء من الدرس، ستضيف مستشعر قرب إلى Wio Terminal الخاص بك، وتقرأ المسافة منه.
+
+## الأجهزة
+
+يحتاج Wio Terminal إلى مستشعر قرب.
+
+المستشعر الذي ستستخدمه هو [مستشعر المسافة Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). يستخدم هذا المستشعر وحدة قياس بالليزر لاكتشاف المسافة. يتراوح نطاق هذا المستشعر من 10 ملم إلى 2000 ملم (1 سم - 2 متر)، وسيقوم بالإبلاغ عن القيم في هذا النطاق بدقة كبيرة، مع الإبلاغ عن المسافات التي تزيد عن 1000 ملم كـ 8109 ملم.
+
+يقع محدد المدى بالليزر في الجزء الخلفي من المستشعر، وهو الجانب المقابل لمقبس Grove.
+
+هذا مستشعر I2C.
+
+### توصيل مستشعر Time of Flight
+
+يمكن توصيل مستشعر Time of Flight بـ Wio Terminal.
+
+#### المهمة - توصيل مستشعر Time of Flight
+
+قم بتوصيل مستشعر Time of Flight.
+
+![مستشعر Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على مستشعر Time of Flight. لن يدخل إلا بطريقة واحدة.
+
+1. مع فصل Wio Terminal عن جهاز الكمبيوتر الخاص بك أو أي مصدر طاقة آخر، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الأيسر على Wio Terminal عند النظر إلى الشاشة. هذا هو المقبس الأقرب إلى زر الطاقة. هذا مقبس مشترك بين الرقمي وI2C.
+
+![مستشعر Grove Time of Flight متصل بالمقبس الأيسر](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ar.png)
+
+1. يمكنك الآن توصيل Wio Terminal بجهاز الكمبيوتر الخاص بك.
+
+## برمجة مستشعر Time of Flight
+
+يمكن الآن برمجة Wio Terminal لاستخدام مستشعر Time of Flight المتصل.
+
+### المهمة - برمجة مستشعر Time of Flight
+
+1. قم بإنشاء مشروع جديد تمامًا لـ Wio Terminal باستخدام PlatformIO. أطلق على هذا المشروع اسم `distance-sensor`. أضف كودًا في دالة `setup` لتكوين منفذ التسلسل.
+
+1. أضف تبعية مكتبة لمكتبة مستشعر المسافة Seeed Grove Time of Flight إلى ملف `platformio.ini` الخاص بالمشروع:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. في `main.cpp`، أضف ما يلي أسفل توجيهات التضمين الحالية لإعلان مثيل من فئة `Seeed_vl53l0x` للتفاعل مع مستشعر Time of Flight:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. أضف ما يلي إلى أسفل دالة `setup` لتهيئة المستشعر:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. في دالة `loop`، قم بقراءة قيمة من المستشعر:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    يقوم هذا الكود بتهيئة بنية بيانات لقراءة البيانات فيها، ثم يمررها إلى طريقة `PerformSingleRangingMeasurement` حيث سيتم تعبئتها بقياس المسافة.
+
+1. أسفل ذلك، قم بكتابة قياس المسافة، ثم قم بتأخير لمدة ثانية واحدة:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. قم ببناء هذا الكود وتحميله وتشغيله. ستتمكن من رؤية قياسات المسافة باستخدام المراقب التسلسلي. ضع أشياء بالقرب من المستشعر وسترى قياس المسافة:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    يقع محدد المدى في الجزء الخلفي من المستشعر، لذا تأكد من استخدام الجانب الصحيح عند قياس المسافة.
+
+    ![محدد المدى في الجزء الخلفي من مستشعر Time of Flight يشير إلى موزة](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal).
+
+😀 لقد نجح برنامج مستشعر القرب الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/README.md b/translations/ar/5-retail/README.md
new file mode 100644
index 00000000..b5a7cb96
--- /dev/null
+++ b/translations/ar/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T21:28:46+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "ar"
+}
+-->
+# البيع بالتجزئة - استخدام إنترنت الأشياء لإدارة مستويات المخزون
+
+المرحلة الأخيرة قبل وصول المنتجات إلى المستهلكين هي البيع بالتجزئة - الأسواق، محلات الخضروات، السوبرماركت والمتاجر التي تبيع المنتجات للمستهلكين. هذه المتاجر تسعى لضمان وجود المنتجات على الرفوف ليتمكن المستهلكون من رؤيتها وشرائها.
+
+واحدة من أكثر المهام اليدوية التي تستغرق وقتًا طويلًا في متاجر الطعام، خاصة في السوبرماركت الكبيرة، هي التأكد من أن الرفوف ممتلئة. يتم فحص الرفوف الفردية للتأكد من ملء أي فراغات بالمنتجات من غرف التخزين.
+
+يمكن لإنترنت الأشياء المساعدة في هذا الأمر، باستخدام نماذج الذكاء الاصطناعي التي تعمل على أجهزة إنترنت الأشياء لعد المخزون، باستخدام نماذج تعلم الآلة التي لا تكتفي بتصنيف الصور فقط، بل يمكنها أيضًا اكتشاف العناصر الفردية وعدها.
+
+في هذين الدرسين، ستتعلم كيفية تدريب نماذج ذكاء اصطناعي تعتمد على الصور لعد المخزون، وتشغيل هذه النماذج على أجهزة إنترنت الأشياء.
+
+> 💁 ستستخدم هذه الدروس بعض الموارد السحابية. إذا لم تكمل جميع الدروس في هذا المشروع، تأكد من [تنظيف مشروعك](../clean-up.md).
+
+## المواضيع
+
+1. [تدريب كاشف المخزون](./lessons/1-train-stock-detector/README.md)
+1. [فحص المخزون من جهاز إنترنت الأشياء](./lessons/2-check-stock-device/README.md)
+
+## الشكر
+
+تم كتابة جميع الدروس بكل ♥️ بواسطة [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/1-train-stock-detector/README.md b/translations/ar/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..8b740d77
--- /dev/null
+++ b/translations/ar/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T21:37:16+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "ar"
+}
+-->
+# تدريب كاشف المخزون
+
+![رسم توضيحي لهذه الدرس](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على كشف الكائنات باستخدام خدمة Azure Custom Vision، وهي خدمة سيتم تناولها في هذا الدرس.
+
+[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار قبل المحاضرة
+
+[اختبار قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## المقدمة
+
+في المشروع السابق، استخدمت الذكاء الاصطناعي لتدريب مصنف صور - نموذج يمكنه تحديد ما إذا كانت الصورة تحتوي على شيء معين، مثل فاكهة ناضجة أو غير ناضجة. نوع آخر من نماذج الذكاء الاصطناعي التي يمكن استخدامها مع الصور هو كشف الكائنات. هذه النماذج لا تصنف الصورة باستخدام علامات، بل يتم تدريبها للتعرف على الكائنات، ويمكنها العثور عليها في الصور، ليس فقط اكتشاف وجود الكائن، بل تحديد مكانه في الصورة. يتيح لك هذا عد الكائنات في الصور.
+
+في هذا الدرس، ستتعلم عن كشف الكائنات، بما في ذلك كيفية استخدامه في البيع بالتجزئة. ستتعلم أيضًا كيفية تدريب كاشف كائنات في السحابة.
+
+في هذا الدرس سنتناول:
+
+* [كشف الكائنات](../../../../../5-retail/lessons/1-train-stock-detector)
+* [استخدام كشف الكائنات في البيع بالتجزئة](../../../../../5-retail/lessons/1-train-stock-detector)
+* [تدريب كاشف كائنات](../../../../../5-retail/lessons/1-train-stock-detector)
+* [اختبار كاشف الكائنات الخاص بك](../../../../../5-retail/lessons/1-train-stock-detector)
+* [إعادة تدريب كاشف الكائنات الخاص بك](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## كشف الكائنات
+
+يتضمن كشف الكائنات اكتشاف الكائنات في الصور باستخدام الذكاء الاصطناعي. على عكس مصنف الصور الذي قمت بتدريبه في المشروع الأخير، لا يتعلق كشف الكائنات بتوقع أفضل علامة للصورة ككل، بل بالعثور على كائن أو أكثر في الصورة.
+
+### كشف الكائنات مقابل تصنيف الصور
+
+تصنيف الصور يتعلق بتصنيف الصورة ككل - ما هي احتمالية أن تتطابق الصورة بأكملها مع كل علامة. تحصل على احتمالات لكل علامة تم استخدامها لتدريب النموذج.
+
+![تصنيف الصور للمكسرات ومعجون الطماطم](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ar.png)
+
+في المثال أعلاه، تم تصنيف صورتين باستخدام نموذج تم تدريبه لتصنيف عبوات المكسرات أو علب معجون الطماطم. الصورة الأولى هي عبوة مكسرات، ولديها نتيجتان من مصنف الصور:
+
+| العلامة         | الاحتمالية |
+| --------------- | ----------: |
+| `المكسرات`     | 98.4%       |
+| `معجون الطماطم` | 1.6%        |
+
+الصورة الثانية هي علبة معجون الطماطم، والنتائج هي:
+
+| العلامة         | الاحتمالية |
+| --------------- | ----------: |
+| `المكسرات`     | 0.7%        |
+| `معجون الطماطم` | 99.3%       |
+
+يمكنك استخدام هذه القيم مع نسبة حدية للتنبؤ بما هو موجود في الصورة. ولكن ماذا لو كانت الصورة تحتوي على عدة علب من معجون الطماطم، أو كلاً من المكسرات ومعجون الطماطم؟ ربما لن تعطيك النتائج ما تريده. هنا يأتي دور كشف الكائنات.
+
+كشف الكائنات يتضمن تدريب نموذج للتعرف على الكائنات. بدلاً من إعطائه صورًا تحتوي على الكائن وإخباره بأن كل صورة هي علامة واحدة أو أخرى، تقوم بتحديد الجزء من الصورة الذي يحتوي على الكائن المحدد، وتضع علامة عليه. يمكنك وضع علامة على كائن واحد في الصورة أو عدة كائنات. بهذه الطريقة يتعلم النموذج كيف يبدو الكائن نفسه، وليس فقط كيف تبدو الصور التي تحتوي على الكائن.
+
+عندما تستخدمه للتنبؤ بالصور، بدلاً من الحصول على قائمة بالعلامات والنسب المئوية، تحصل على قائمة بالكائنات المكتشفة، مع صندوق الإحاطة واحتمالية أن يتطابق الكائن مع العلامة المخصصة.
+
+> 🎓 *صناديق الإحاطة* هي الصناديق المحيطة بالكائن.
+
+![كشف الكائنات للمكسرات ومعجون الطماطم](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ar.png)
+
+الصورة أعلاه تحتوي على عبوة مكسرات وثلاث علب من معجون الطماطم. كاشف الكائنات اكتشف المكسرات، وأعاد صندوق الإحاطة الذي يحتوي على المكسرات مع النسبة المئوية لاحتمالية أن يحتوي الصندوق على الكائن، في هذه الحالة 97.6%. كما اكتشف كاشف الكائنات ثلاث علب من معجون الطماطم، وقدم ثلاثة صناديق إحاطة منفصلة، واحد لكل علبة مكتشفة، ولكل منها نسبة مئوية لاحتمالية أن يحتوي الصندوق على علبة معجون الطماطم.
+
+✅ فكر في بعض السيناريوهات المختلفة التي قد ترغب في استخدام نماذج الذكاء الاصطناعي القائمة على الصور من أجلها. أي منها يحتاج إلى تصنيف، وأي منها يحتاج إلى كشف الكائنات؟
+
+### كيف يعمل كشف الكائنات
+
+يستخدم كشف الكائنات نماذج تعلم آلي معقدة. تعمل هذه النماذج عن طريق تقسيم الصورة إلى خلايا متعددة، ثم تتحقق مما إذا كان مركز صندوق الإحاطة هو مركز صورة تتطابق مع إحدى الصور المستخدمة لتدريب النموذج. يمكنك التفكير في هذا كأنه تشغيل مصنف صور على أجزاء مختلفة من الصورة للبحث عن تطابقات.
+
+> 💁 هذا تبسيط مفرط للغاية. هناك العديد من التقنيات لكشف الكائنات، ويمكنك قراءة المزيد عنها في [صفحة كشف الكائنات على ويكيبيديا](https://wikipedia.org/wiki/Object_detection).
+
+هناك عدد من النماذج المختلفة التي يمكنها كشف الكائنات. أحد النماذج الشهيرة هو [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/)، وهو سريع للغاية ويمكنه كشف 20 فئة مختلفة من الكائنات، مثل الأشخاص، الكلاب، الزجاجات والسيارات.
+
+✅ اقرأ عن نموذج YOLO على [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+يمكن إعادة تدريب نماذج كشف الكائنات باستخدام التعلم بالنقل لاكتشاف كائنات مخصصة.
+
+## استخدام كشف الكائنات في البيع بالتجزئة
+
+كشف الكائنات له استخدامات متعددة في البيع بالتجزئة. بعض الأمثلة تشمل:
+
+* **التحقق من المخزون والعد** - التعرف على نقص المخزون على الأرفف. إذا كان المخزون منخفضًا جدًا، يمكن إرسال إشعارات للموظفين أو الروبوتات لإعادة تعبئة الأرفف.
+* **كشف الأقنعة** - في المتاجر التي لديها سياسات ارتداء الأقنعة خلال الأحداث الصحية العامة، يمكن لكشف الكائنات التعرف على الأشخاص الذين يرتدون الأقنعة والذين لا يرتدونها.
+* **الفوترة الآلية** - كشف العناصر التي يتم أخذها من الأرفف في المتاجر الآلية وفوترة العملاء بشكل مناسب.
+* **كشف المخاطر** - التعرف على العناصر المكسورة على الأرضيات، أو السوائل المسكوبة، وتنبيه فرق التنظيف.
+
+✅ قم ببعض البحث: ما هي بعض الاستخدامات الأخرى لكشف الكائنات في البيع بالتجزئة؟
+
+## تدريب كاشف كائنات
+
+يمكنك تدريب كاشف كائنات باستخدام Custom Vision، بطريقة مشابهة لتدريب مصنف الصور.
+
+### المهمة - إنشاء كاشف كائنات
+
+1. قم بإنشاء مجموعة موارد لهذا المشروع باسم `stock-detector`.
+
+1. قم بإنشاء مورد تدريب Custom Vision مجاني، ومورد تنبؤ Custom Vision مجاني في مجموعة الموارد `stock-detector`. قم بتسميتهما `stock-detector-training` و`stock-detector-prediction`.
+
+    > 💁 يمكنك فقط الحصول على مورد تدريب وتنبؤ مجاني واحد، لذا تأكد من تنظيف مشروعك من الدروس السابقة.
+
+    > ⚠️ يمكنك الرجوع إلى [التعليمات لإنشاء موارد التدريب والتنبؤ من المشروع 4، الدرس 1 إذا لزم الأمر](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource).
+
+1. افتح بوابة Custom Vision على [CustomVision.ai](https://customvision.ai)، وقم بتسجيل الدخول باستخدام حساب Microsoft الذي استخدمته لحساب Azure الخاص بك.
+
+1. اتبع [قسم إنشاء مشروع جديد في دليل البدء السريع لبناء كاشف كائنات على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) لإنشاء مشروع Custom Vision جديد. قد يتغير واجهة المستخدم، وهذه المستندات هي المرجع الأكثر تحديثًا دائمًا.
+
+    قم بتسمية مشروعك `stock-detector`.
+
+    عند إنشاء مشروعك، تأكد من استخدام مورد `stock-detector-training` الذي أنشأته سابقًا. استخدم نوع المشروع *كشف الكائنات*، والنطاق *المنتجات على الأرفف*.
+
+    ![إعدادات مشروع Custom Vision مع الاسم المحدد إلى fruit-quality-detector، بدون وصف، المورد المحدد إلى fruit-quality-detector-training، نوع المشروع المحدد إلى التصنيف، أنواع التصنيف المحددة إلى متعدد الفئات والنطاقات المحددة إلى الطعام](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ar.png)
+
+    ✅ النطاق "المنتجات على الأرفف" مخصص بشكل خاص لاكتشاف المخزون على أرفف المتاجر. اقرأ المزيد عن النطاقات المختلفة في [مستندات اختيار النطاق على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)
+
+✅ خذ بعض الوقت لاستكشاف واجهة مستخدم Custom Vision لكاشف الكائنات الخاص بك.
+
+### المهمة - تدريب كاشف الكائنات الخاص بك
+
+لتدريب النموذج الخاص بك، ستحتاج إلى مجموعة من الصور التي تحتوي على الكائنات التي تريد كشفها.
+
+1. اجمع صورًا تحتوي على الكائن الذي تريد كشفه. ستحتاج إلى ما لا يقل عن 15 صورة تحتوي على كل كائن للكشف عنه من زوايا مختلفة وفي ظروف إضاءة مختلفة، ولكن كلما زاد العدد كان أفضل. يستخدم كاشف الكائنات هذا نطاق *المنتجات على الأرفف*، لذا حاول ترتيب الكائنات كما لو كانت على رف متجر. ستحتاج أيضًا إلى بعض الصور لاختبار النموذج. إذا كنت تكشف عن أكثر من كائن، فستحتاج إلى بعض الصور الاختبارية التي تحتوي على جميع الكائنات.
+
+    > 💁 الصور التي تحتوي على كائنات مختلفة متعددة تُحسب ضمن الحد الأدنى البالغ 15 صورة لجميع الكائنات في الصورة.
+
+    يجب أن تكون صورك بصيغة png أو jpeg، وأقل من 6 ميجابايت. إذا قمت بإنشائها باستخدام iPhone على سبيل المثال، فقد تكون صورًا عالية الدقة بصيغة HEIC، لذا ستحتاج إلى تحويلها وربما تقليل حجمها. كلما زاد عدد الصور كان أفضل، ويجب أن يكون لديك عدد مماثل من الصور للكائنات الناضجة وغير الناضجة.
+
+    النموذج مصمم للمنتجات على الأرفف، لذا حاول التقاط الصور للكائنات على الأرفف.
+
+    يمكنك العثور على بعض الصور النموذجية التي يمكنك استخدامها في مجلد [images](../../../../../5-retail/lessons/1-train-stock-detector/images) للمكسرات ومعجون الطماطم.
+
+1. اتبع [قسم تحميل الصور ووضع العلامات في دليل البدء السريع لبناء كاشف كائنات على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) لتحميل صور التدريب الخاصة بك. قم بإنشاء علامات ذات صلة بناءً على أنواع الكائنات التي تريد كشفها.
+
+    ![حوارات التحميل التي تعرض تحميل صور الموز الناضج وغير الناضج](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ar.png)
+
+    عند رسم صناديق الإحاطة للكائنات، اجعلها ضيقة حول الكائن. قد يستغرق الأمر بعض الوقت لتحديد جميع الصور، ولكن الأداة ستكتشف ما تعتقد أنه صناديق الإحاطة، مما يجعل العملية أسرع.
+
+    ![وضع علامات على معجون الطماطم](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ar.png)
+
+    > 💁 إذا كان لديك أكثر من 15 صورة لكل كائن، يمكنك التدريب بعد 15 صورة ثم استخدام ميزة **العلامات المقترحة**. ستستخدم هذه الميزة النموذج المدرب لاكتشاف الكائنات في الصور غير الموسومة. يمكنك بعد ذلك تأكيد الكائنات المكتشفة، أو رفضها وإعادة رسم صناديق الإحاطة. يمكن أن يوفر هذا *الكثير* من الوقت.
+
+1. اتبع [قسم تدريب الكاشف في دليل البدء السريع لبناء كاشف كائنات على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) لتدريب كاشف الكائنات على الصور الموسومة الخاصة بك.
+
+    سيتم إعطاؤك خيار نوع التدريب. اختر **التدريب السريع**.
+
+سيبدأ كاشف الكائنات في التدريب. سيستغرق الأمر بضع دقائق حتى يكتمل التدريب.
+
+## اختبار كاشف الكائنات الخاص بك
+
+بمجرد تدريب كاشف الكائنات الخاص بك، يمكنك اختباره عن طريق إعطائه صورًا جديدة للكشف عن الكائنات فيها.
+
+### المهمة - اختبار كاشف الكائنات الخاص بك
+
+1. استخدم زر **الاختبار السريع** لتحميل صور الاختبار والتحقق من اكتشاف الكائنات. استخدم صور الاختبار التي أنشأتها سابقًا، وليس أيًا من الصور التي استخدمتها للتدريب.
+
+    ![تم اكتشاف 3 علب من معجون الطماطم باحتمالات 38%، 35.5% و34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ar.png)
+
+1. جرب جميع صور الاختبار التي لديك وراقب الاحتمالات.
+
+## إعادة تدريب كاشف الكائنات الخاص بك
+
+عندما تختبر كاشف الكائنات الخاص بك، قد لا يعطي النتائج التي تتوقعها، كما هو الحال مع مصنفي الصور في المشروع السابق. يمكنك تحسين كاشف الكائنات الخاص بك عن طريق إعادة تدريبه باستخدام الصور التي يخطئ فيها.
+
+في كل مرة تقوم فيها بإجراء تنبؤ باستخدام خيار الاختبار السريع، يتم تخزين الصورة والنتائج. يمكنك استخدام هذه الصور لإعادة تدريب النموذج الخاص بك.
+
+1. استخدم علامة التبويب **التنبؤات** لتحديد الصور التي استخدمتها للاختبار.
+
+1. قم بتأكيد أي اكتشافات دقيقة، واحذف أي اكتشافات غير صحيحة وأضف أي كائنات مفقودة.
+
+1. أعد تدريب النموذج وأعد اختباره.
+
+---
+
+## 🚀 التحدي
+
+ماذا سيحدث إذا استخدمت كاشف الكائنات مع عناصر متشابهة الشكل، مثل علب معجون الطماطم وعلب الطماطم المقطعة من نفس العلامة التجارية؟
+
+إذا كان لديك أي عناصر متشابهة الشكل، جرب إضافتها إلى كاشف الكائنات الخاص بك واختبر النتائج.
+
+## اختبار بعد المحاضرة
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## المراجعة والدراسة الذاتية
+
+* عندما قمت بتدريب كاشف الكائنات الخاص بك، ربما لاحظت قيمًا مثل *الدقة*، *الاستدعاء*، و *mAP* التي تقيم النموذج الذي تم إنشاؤه. اقرأ عن هذه القيم باستخدام [قسم تقييم الكاشف في دليل البدء السريع لبناء كاشف الكائنات على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector)
+* اقرأ المزيد عن كشف الكائنات على [صفحة كشف الكائنات على ويكيبيديا](https://wikipedia.org/wiki/Object_detection)
+
+## الواجب
+
+[مقارنة المجالات](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/ar/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..d5155d37
--- /dev/null
+++ b/translations/ar/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T21:39:34+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "ar"
+}
+-->
+# مقارنة المجالات
+
+## التعليمات
+
+عند إنشاء كاشف الكائنات الخاص بك، كان لديك خيار اختيار من بين عدة مجالات. قارن مدى كفاءة عملها مع كاشف الأسهم الخاص بك، ووصف أيها يعطي نتائج أفضل.
+
+لتغيير المجال، اختر زر **الإعدادات** في القائمة العلوية، ثم اختر مجالًا جديدًا، ثم اضغط على زر **حفظ التغييرات**، وبعدها قم بإعادة تدريب النموذج. تأكد من اختبار النموذج الجديد الذي تم تدريبه باستخدام المجال الجديد.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| تدريب النموذج باستخدام مجال مختلف | تمكن من تغيير المجال وإعادة تدريب النموذج | تمكن من تغيير المجال وإعادة تدريب النموذج | لم يتمكن من تغيير المجال أو إعادة تدريب النموذج |
+| اختبار النموذج ومقارنة النتائج | تمكن من اختبار النموذج باستخدام مجالات مختلفة، مقارنة النتائج، ووصف أيها أفضل | تمكن من اختبار النموذج باستخدام مجالات مختلفة، لكنه لم يتمكن من مقارنة النتائج أو وصف أيها أفضل | لم يتمكن من اختبار النموذج باستخدام مجالات مختلفة |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالترجمة البشرية الاحترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/README.md b/translations/ar/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..15c15cbf
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,112 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T21:31:03+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "ar"
+}
+-->
+# التحقق من المخزون باستخدام جهاز إنترنت الأشياء
+
+![رسم توضيحي لهذا الدرس](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## المقدمة
+
+في الدرس السابق، تعلمت عن الاستخدامات المختلفة لتقنية الكشف عن الأشياء في مجال البيع بالتجزئة. كما تعلمت كيفية تدريب كاشف الأشياء لتحديد المخزون. في هذا الدرس، ستتعلم كيفية استخدام كاشف الأشياء الخاص بك من جهاز إنترنت الأشياء لحساب المخزون.
+
+في هذا الدرس سنتناول:
+
+* [حساب المخزون](../../../../../5-retail/lessons/2-check-stock-device)
+* [استدعاء كاشف الأشياء من جهاز إنترنت الأشياء](../../../../../5-retail/lessons/2-check-stock-device)
+* [الصناديق المحيطة](../../../../../5-retail/lessons/2-check-stock-device)
+* [إعادة تدريب النموذج](../../../../../5-retail/lessons/2-check-stock-device)
+* [حساب المخزون](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 هذا هو الدرس الأخير في هذا المشروع، لذا بعد إكمال هذا الدرس والتكليف، لا تنس تنظيف خدمات السحابة الخاصة بك. ستحتاج إلى هذه الخدمات لإكمال التكليف، لذا تأكد من إكماله أولاً.
+>
+> ارجع إلى [دليل تنظيف المشروع](../../../clean-up.md) إذا كنت بحاجة إلى تعليمات حول كيفية القيام بذلك.
+
+## حساب المخزون
+
+يمكن استخدام كاشفات الأشياء للتحقق من المخزون، سواء عن طريق حساب المخزون أو التأكد من وجوده في المكان الصحيح. يمكن نشر أجهزة إنترنت الأشياء المزودة بكاميرات في جميع أنحاء المتجر لمراقبة المخزون، بدءًا من المناطق الساخنة حيث يكون إعادة تخزين العناصر أمرًا مهمًا، مثل المناطق التي تحتوي على عدد قليل من العناصر ذات القيمة العالية.
+
+على سبيل المثال، إذا كانت الكاميرا تشير إلى مجموعة من الرفوف التي يمكن أن تحتوي على 8 علب من معجون الطماطم، وكاشف الأشياء يكتشف فقط 7 علب، فهذا يعني أن واحدة مفقودة وتحتاج إلى إعادة تخزين.
+
+![7 علب من معجون الطماطم على رف، 4 في الصف العلوي، 3 في الصف السفلي](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ar.png)
+
+في الصورة أعلاه، اكتشف كاشف الأشياء 7 علب من معجون الطماطم على رف يمكن أن يحتوي على 8 علب. لا يمكن لجهاز إنترنت الأشياء فقط إرسال إشعار بالحاجة إلى إعادة التخزين، بل يمكنه أيضًا تقديم مؤشر على موقع العنصر المفقود، وهي بيانات مهمة إذا كنت تستخدم الروبوتات لإعادة تخزين الرفوف.
+
+> 💁 بناءً على المتجر وشعبية العنصر، ربما لن يتم إعادة التخزين إذا كان هناك علبة واحدة فقط مفقودة. ستحتاج إلى بناء خوارزمية تحدد متى يجب إعادة التخزين بناءً على المنتج، العملاء ومعايير أخرى.
+
+✅ في أي سيناريوهات أخرى يمكن دمج الكشف عن الأشياء مع الروبوتات؟
+
+في بعض الأحيان، يمكن أن يكون المخزون الخطأ موجودًا على الرفوف. قد يكون هذا خطأ بشريًا أثناء إعادة التخزين، أو تغيير العملاء رأيهم بشأن الشراء ووضع العنصر في أول مكان متاح. عندما يكون هذا العنصر غير قابل للتلف مثل السلع المعلبة، يكون هذا مجرد إزعاج. إذا كان العنصر قابلًا للتلف مثل السلع المجمدة أو المبردة، فقد يعني ذلك أن المنتج لم يعد صالحًا للبيع لأنه قد يكون من المستحيل تحديد المدة التي كان فيها العنصر خارج المجمد.
+
+يمكن استخدام الكشف عن الأشياء لاكتشاف العناصر غير المتوقعة، مرة أخرى لتنبيه إنسان أو روبوت لإعادة العنصر بمجرد اكتشافه.
+
+![علبة ذرة صغيرة وضعت على رف معجون الطماطم](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ar.png)
+
+في الصورة أعلاه، تم وضع علبة ذرة صغيرة على الرف بجانب معجون الطماطم. اكتشف كاشف الأشياء ذلك، مما يسمح لجهاز إنترنت الأشياء بإخطار إنسان أو روبوت لإعادة العلبة إلى موقعها الصحيح.
+
+## استدعاء كاشف الأشياء من جهاز إنترنت الأشياء
+
+يمكن استدعاء كاشف الأشياء الذي قمت بتدريبه في الدرس السابق من جهاز إنترنت الأشياء الخاص بك.
+
+### المهمة - نشر نسخة من كاشف الأشياء الخاص بك
+
+يتم نشر النسخ من بوابة Custom Vision.
+
+1. افتح بوابة Custom Vision على [CustomVision.ai](https://customvision.ai) وقم بتسجيل الدخول إذا لم تكن قد فتحتها بالفعل. ثم افتح مشروعك `stock-detector`.
+
+1. اختر علامة التبويب **Performance** من الخيارات في الأعلى.
+
+1. اختر أحدث نسخة من قائمة *Iterations* على الجانب.
+
+1. اضغط على زر **Publish** للنسخة.
+
+    ![زر النشر](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ar.png)
+
+1. في مربع الحوار *Publish Model*، قم بتعيين *Prediction resource* إلى المورد `stock-detector-prediction` الذي أنشأته في الدرس السابق. اترك الاسم كما هو `Iteration2`، واضغط على زر **Publish**.
+
+1. بمجرد النشر، اضغط على زر **Prediction URL**. سيعرض هذا تفاصيل واجهة برمجة التطبيقات للتنبؤ، وستحتاج إلى هذه التفاصيل لاستدعاء النموذج من جهاز إنترنت الأشياء الخاص بك. القسم السفلي يحمل عنوان *If you have an image file*، وهذه هي التفاصيل التي تحتاجها. قم بنسخ الرابط الذي يظهر والذي سيكون شيئًا مثل:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    حيث `<location>` سيكون الموقع الذي استخدمته عند إنشاء مورد الرؤية المخصص، و `<id>` سيكون معرفًا طويلًا مكونًا من أحرف وأرقام.
+
+    قم أيضًا بنسخ قيمة *Prediction-Key*. هذه مفتاح آمن يجب تمريره عند استدعاء النموذج. فقط التطبيقات التي تمرر هذا المفتاح يُسمح لها باستخدام النموذج، وأي تطبيقات أخرى يتم رفضها.
+
+    ![مربع الحوار الخاص بواجهة برمجة التطبيقات للتنبؤ يظهر الرابط والمفتاح](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ar.png)
+
+✅ عندما يتم نشر نسخة جديدة، سيكون لها اسم مختلف. كيف تعتقد أنه يمكنك تغيير النسخة التي يستخدمها جهاز إنترنت الأشياء؟
+
+### المهمة - استدعاء كاشف الأشياء الخاص بك من جهاز إنترنت الأشياء
+
+اتبع الدليل المناسب أدناه لاستخدام كاشف الأشياء من جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز افتراضي](single-board-computer-object-detector.md)
+
+## الصناديق المحيطة
+
+عند استخدام كاشف الأشياء، لا تحصل فقط على الأشياء المكتشفة مع العلامات والاحتمالات، بل تحصل أيضًا على الصناديق المحيطة للأشياء. هذه الصناديق تحدد مكان اكتشاف كاشف الأشياء للعنصر مع الاحتمال المعطى.
+
+> 💁 الصندوق المحيط هو صندوق يحدد المنطقة التي تحتوي على العنصر المكتشف، صندوق يحدد الحدود للعنصر.
+
+نتائج التنبؤ في علامة التبويب **Predictions** في Custom Vision تحتوي على الصناديق المحيطة مرسومة على الصورة التي تم إرسالها للتنبؤ.
+
+![4 علب من معجون الطما
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/assignment.md b/translations/ar/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..9639cc08
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T21:32:49+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "ar"
+}
+-->
+# استخدم كاشف الكائنات الخاص بك على الحافة
+
+## التعليمات
+
+في المشروع السابق، قمت بنشر مصنف الصور الخاص بك على الحافة. قم بنفس الشيء مع كاشف الكائنات الخاص بك، عن طريق تصديره كنموذج مضغوط وتشغيله على الحافة، مع الوصول إلى النسخة الموجودة على الحافة من جهاز إنترنت الأشياء الخاص بك.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------- | ------- | ---------------- |
+| نشر كاشف الكائنات على الحافة | تم استخدام المجال المضغوط الصحيح، وتم تصدير كاشف الكائنات وتشغيله على الحافة بنجاح | تم استخدام المجال المضغوط الصحيح، وتم تصدير كاشف الكائنات، ولكن لم يتم تشغيله على الحافة | لم يتم استخدام المجال المضغوط الصحيح، ولم يتم تصدير كاشف الكائنات أو تشغيله على الحافة |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..2d1cde71
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T21:34:41+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "ar"
+}
+-->
+# عد المخزون باستخدام جهاز إنترنت الأشياء - الأجهزة الافتراضية وإنترنت الأشياء وRaspberry Pi
+
+يمكن استخدام مزيج من التوقعات وإطاراتها المحيطة لعد المخزون في صورة.
+
+## عرض الإطارات المحيطة
+
+كخطوة تصحيح مفيدة، يمكنك ليس فقط طباعة الإطارات المحيطة، ولكن أيضًا رسمها على الصورة التي تم حفظها على القرص عند التقاط صورة.
+
+### المهمة - طباعة الإطارات المحيطة
+
+1. تأكد من أن مشروع `stock-counter` مفتوح في VS Code، وأن البيئة الافتراضية مفعلة إذا كنت تستخدم جهاز إنترنت أشياء افتراضي.
+
+1. قم بتغيير عبارة `print` في حلقة `for` إلى ما يلي لطباعة الإطارات المحيطة إلى وحدة التحكم:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. قم بتشغيل التطبيق مع توجيه الكاميرا نحو بعض المخزون على رف. سيتم طباعة الإطارات المحيطة إلى وحدة التحكم، مع قيم اليسار، الأعلى، العرض والارتفاع من 0-1.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
+    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
+    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
+    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
+    ```
+
+### المهمة - رسم الإطارات المحيطة على الصورة
+
+1. يمكن استخدام حزمة Pip [Pillow](https://pypi.org/project/Pillow/) للرسم على الصور. قم بتثبيتها باستخدام الأمر التالي:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من تشغيل هذا الأمر داخل البيئة الافتراضية المفعلة.
+
+1. أضف عبارة الاستيراد التالية إلى أعلى ملف `app.py`:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    هذا يستورد الكود اللازم لتحرير الصورة.
+
+1. أضف الكود التالي إلى نهاية ملف `app.py`:
+
+    ```python
+    with Image.open('image.jpg') as im:
+        draw = ImageDraw.Draw(im)
+    
+        for prediction in predictions:
+            scale_left = prediction.bounding_box.left
+            scale_top = prediction.bounding_box.top
+            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+            
+            left = scale_left * im.width
+            top = scale_top * im.height
+            right = scale_right * im.width
+            bottom = scale_bottom * im.height
+    
+            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
+    
+        im.save('image.jpg')
+    ```
+
+    يفتح هذا الكود الصورة التي تم حفظها سابقًا لتحريرها. ثم يقوم بالتكرار عبر التوقعات للحصول على الإطارات المحيطة، ويحسب الإحداثيات السفلية اليمنى باستخدام قيم الإطار المحيط من 0-1. يتم تحويل هذه القيم إلى إحداثيات الصورة بضربها في البعد المناسب للصورة. على سبيل المثال، إذا كانت قيمة اليسار 0.5 في صورة عرضها 600 بكسل، فسيتم تحويلها إلى 300 (0.5 × 600 = 300).
+
+    يتم رسم كل إطار محيط على الصورة باستخدام خط أحمر. وأخيرًا، يتم حفظ الصورة المعدلة، مما يؤدي إلى الكتابة فوق الصورة الأصلية.
+
+1. قم بتشغيل التطبيق مع توجيه الكاميرا نحو بعض المخزون على رف. سترى ملف `image.jpg` في مستكشف VS Code، وستتمكن من تحديده لرؤية الإطارات المحيطة.
+
+    ![4 علب من معجون الطماطم مع إطارات محيطة حول كل علبة](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ar.jpg)
+
+## عد المخزون
+
+في الصورة الموضحة أعلاه، هناك تداخل بسيط بين الإطارات المحيطة. إذا كان هذا التداخل أكبر بكثير، فقد تشير الإطارات المحيطة إلى نفس الكائن. لعد الكائنات بشكل صحيح، تحتاج إلى تجاهل الإطارات ذات التداخل الكبير.
+
+### المهمة - عد المخزون مع تجاهل التداخل
+
+1. يمكن استخدام حزمة Pip [Shapely](https://pypi.org/project/Shapely/) لحساب التقاطع. إذا كنت تستخدم Raspberry Pi، ستحتاج إلى تثبيت مكتبة تابعة أولاً:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. قم بتثبيت حزمة Shapely باستخدام Pip:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من تشغيل هذا الأمر داخل البيئة الافتراضية المفعلة.
+
+1. أضف عبارة الاستيراد التالية إلى أعلى ملف `app.py`:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    هذا يستورد الكود اللازم لإنشاء مضلعات لحساب التداخل.
+
+1. فوق الكود الذي يرسم الإطارات المحيطة، أضف الكود التالي:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    هذا يحدد نسبة التداخل المسموح بها قبل اعتبار الإطارات المحيطة لنفس الكائن. القيمة 0.20 تعني تداخل بنسبة 20%.
+
+1. لحساب التداخل باستخدام Shapely، يجب تحويل الإطارات المحيطة إلى مضلعات Shapely. أضف الوظيفة التالية للقيام بذلك:
+
+    ```python
+    def create_polygon(prediction):
+        scale_left = prediction.bounding_box.left
+        scale_top = prediction.bounding_box.top
+        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+    
+        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
+    ```
+
+    تقوم هذه الوظيفة بإنشاء مضلع باستخدام الإطار المحيط لتوقع معين.
+
+1. تتضمن منطق إزالة الكائنات المتداخلة مقارنة جميع الإطارات المحيطة، وإذا كان أي زوج من التوقعات يحتوي على إطارات محيطة تتداخل أكثر من الحد المسموح به، يتم حذف أحد التوقعات. لمقارنة جميع التوقعات، يتم مقارنة التوقع 1 مع 2، 3، 4، وهكذا، ثم 2 مع 3، 4، وهكذا. الكود التالي يقوم بذلك:
+
+    ```python
+    to_delete = []
+
+    for i in range(0, len(predictions)):
+        polygon_1 = create_polygon(predictions[i])
+    
+        for j in range(i+1, len(predictions)):
+            polygon_2 = create_polygon(predictions[j])
+            overlap = polygon_1.intersection(polygon_2).area
+
+            smallest_area = min(polygon_1.area, polygon_2.area)
+    
+            if overlap > (overlap_threshold * smallest_area):
+                to_delete.append(predictions[i])
+                break
+    
+    for d in to_delete:
+        predictions.remove(d)
+
+    print(f'Counted {len(predictions)} stock items')
+    ```
+
+    يتم حساب التداخل باستخدام طريقة `Polygon.intersection` من Shapely التي تعيد مضلعًا يمثل التداخل. يتم بعد ذلك حساب المساحة من هذا المضلع. هذا الحد للتداخل ليس قيمة مطلقة، ولكنه يحتاج إلى أن يكون نسبة مئوية من الإطار المحيط، لذلك يتم العثور على أصغر إطار محيط، ويتم استخدام حد التداخل لحساب المساحة التي يمكن أن يكون عليها التداخل دون تجاوز نسبة التداخل المسموح بها للإطار المحيط الأصغر. إذا تجاوز التداخل هذا الحد، يتم وضع علامة على التوقع للحذف.
+
+    بمجرد وضع علامة على التوقع للحذف، لا يحتاج إلى التحقق مرة أخرى، لذلك يتم كسر الحلقة الداخلية للتحقق من التوقع التالي. لا يمكنك حذف عناصر من قائمة أثناء التكرار عليها، لذلك يتم إضافة الإطارات المحيطة التي تتداخل أكثر من الحد المسموح به إلى قائمة `to_delete`، ثم يتم حذفها في النهاية.
+
+    أخيرًا، يتم طباعة عدد المخزون إلى وحدة التحكم. يمكن بعد ذلك إرسال هذا العدد إلى خدمة إنترنت الأشياء لتنبيه إذا كانت مستويات المخزون منخفضة. كل هذا الكود يتم قبل رسم الإطارات المحيطة، لذلك سترى توقعات المخزون بدون تداخلات على الصور المولدة.
+
+    > 💁 هذه طريقة بسيطة جدًا لإزالة التداخلات، حيث يتم فقط إزالة الأول في زوج متداخل. بالنسبة لكود الإنتاج، قد ترغب في إضافة المزيد من المنطق هنا، مثل النظر في التداخلات بين كائنات متعددة، أو إذا كان إطار محيط واحد يحتوي على آخر.
+
+1. قم بتشغيل التطبيق مع توجيه الكاميرا نحو بعض المخزون على رف. ستشير النتيجة إلى عدد الإطارات المحيطة بدون تداخلات تتجاوز الحد المسموح به. جرب تعديل قيمة `overlap_threshold` لرؤية التوقعات التي يتم تجاهلها.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) أو [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device).
+
+😀 لقد كان برنامج عد المخزون الخاص بك نجاحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..a48784ef
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T21:29:24+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "ar"
+}
+-->
+# استدعاء كاشف الكائنات من جهاز إنترنت الأشياء الخاص بك - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+بمجرد نشر كاشف الكائنات الخاص بك، يمكنك استخدامه من جهاز إنترنت الأشياء الخاص بك.
+
+## نسخ مشروع مصنف الصور
+
+معظم كود كاشف المخزون مشابه تمامًا لمصنف الصور الذي قمت بإنشائه في درس سابق.
+
+### المهمة - نسخ مشروع مصنف الصور
+
+1. قم بإنشاء مجلد يسمى `stock-counter` إما على جهاز الكمبيوتر الخاص بك إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، أو على Raspberry Pi. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من إعداد بيئة افتراضية.
+
+1. قم بإعداد أجهزة الكاميرا.
+
+   * إذا كنت تستخدم Raspberry Pi، ستحتاج إلى تركيب PiCamera. قد ترغب أيضًا في تثبيت الكاميرا في وضع ثابت، على سبيل المثال، عن طريق تعليق الكابل فوق صندوق أو علبة، أو تثبيت الكاميرا على صندوق باستخدام شريط لاصق مزدوج.
+   * إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، فستحتاج إلى تثبيت CounterFit و CounterFit PyCamera shim. إذا كنت ستستخدم صورًا ثابتة، فقم بالتقاط بعض الصور التي لم يرها كاشف الكائنات الخاص بك بعد. إذا كنت ستستخدم كاميرا الويب، فتأكد من وضعها بطريقة تمكنها من رؤية المخزون الذي تقوم بالكشف عنه.
+
+1. قم بتكرار الخطوات من [الدرس الثاني من مشروع التصنيع](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) لالتقاط الصور من الكاميرا.
+
+1. قم بتكرار الخطوات من [الدرس الثاني من مشروع التصنيع](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) لاستدعاء مصنف الصور. سيتم إعادة استخدام معظم هذا الكود للكشف عن الكائنات.
+
+## تعديل الكود من مصنف إلى كاشف كائنات
+
+الكود الذي استخدمته لتصنيف الصور مشابه جدًا للكود المستخدم للكشف عن الكائنات. الفرق الرئيسي هو الطريقة المستدعاة من Custom Vision SDK، ونتائج الاستدعاء.
+
+### المهمة - تعديل الكود من مصنف إلى كاشف كائنات
+
+1. احذف الأسطر الثلاثة من الكود التي تصنف الصورة وتعالج التوقعات:
+
+    ```python
+    results = predictor.classify_image(project_id, iteration_name, image)
+    
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    قم بإزالة هذه الأسطر الثلاثة.
+
+1. أضف الكود التالي للكشف عن الكائنات في الصورة:
+
+    ```python
+    results = predictor.detect_image(project_id, iteration_name, image)
+
+    threshold = 0.3
+    
+    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
+    
+    for prediction in predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    هذا الكود يستدعي طريقة `detect_image` على الكائن predictor لتشغيل كاشف الكائنات. ثم يجمع جميع التوقعات التي تتجاوز احتمالية معينة، ويطبعها على وحدة التحكم.
+
+    على عكس مصنف الصور الذي يعيد نتيجة واحدة فقط لكل علامة، كاشف الكائنات يعيد نتائج متعددة، لذلك يجب تصفية أي نتائج ذات احتمالية منخفضة.
+
+1. قم بتشغيل هذا الكود، وسيقوم بالتقاط صورة، وإرسالها إلى كاشف الكائنات، وطباعة الكائنات المكتشفة. إذا كنت تستخدم جهاز إنترنت أشياء افتراضي، تأكد من تعيين صورة مناسبة في CounterFit، أو أن كاميرا الويب الخاصة بك محددة. إذا كنت تستخدم Raspberry Pi، تأكد من أن الكاميرا تشير إلى الكائنات الموجودة على الرف.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 قد تحتاج إلى ضبط قيمة `threshold` لتناسب الصور الخاصة بك.
+
+    ستتمكن من رؤية الصورة التي تم التقاطها، وهذه القيم في علامة التبويب **Predictions** في Custom Vision.
+
+    ![4 علب من معجون الطماطم على رف مع توقعات للكشف الأربعة بنسبة 35.8%، 33.5%، 25.7% و16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) أو [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device).
+
+😀 لقد نجح برنامج عداد المخزون الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..9b1e877c
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T21:33:27+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "ar"
+}
+-->
+# عد المخزون باستخدام جهاز إنترنت الأشياء - Wio Terminal
+
+يمكن استخدام مزيج من التوقعات وإطارات التحديد الخاصة بها لعد المخزون في صورة.
+
+## عد المخزون
+
+![4 علب من معجون الطماطم مع إطارات تحديد حول كل علبة](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ar.jpg)
+
+في الصورة الموضحة أعلاه، هناك تداخل بسيط بين إطارات التحديد. إذا كان هذا التداخل أكبر بكثير، فقد تشير إطارات التحديد إلى نفس الكائن. لعد الكائنات بشكل صحيح، تحتاج إلى تجاهل الإطارات ذات التداخل الكبير.
+
+### المهمة - عد المخزون مع تجاهل التداخل
+
+1. افتح مشروعك `stock-counter` إذا لم يكن مفتوحًا بالفعل.
+
+1. فوق دالة `processPredictions`، أضف الكود التالي:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    هذا يحدد النسبة المئوية للتداخل المسموح بها قبل اعتبار إطارات التحديد لنفس الكائن. القيمة 0.20 تعني تداخل بنسبة 20%.
+
+1. أسفل هذا، وفوق دالة `processPredictions`، أضف الكود التالي لحساب التداخل بين مستطيلين:
+
+    ```cpp
+    struct Point {
+        float x, y;
+    };
+
+    struct Rect {
+        Point topLeft, bottomRight;
+    };
+
+    float area(Rect rect)
+    {
+        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
+    }
+     
+    float overlappingArea(Rect rect1, Rect rect2)
+    {
+        float left = max(rect1.topLeft.x, rect2.topLeft.x);
+        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
+        float top = max(rect1.topLeft.y, rect2.topLeft.y);
+        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
+    
+    
+        if ( right > left && bottom > top )
+        {
+            return (right-left)*(bottom-top);
+        }
+        
+        return 0.0f;
+    }
+    ```
+
+    هذا الكود يعرّف بنية `Point` لتخزين النقاط على الصورة، وبنية `Rect` لتعريف مستطيل باستخدام إحداثيات الزاوية العلوية اليسرى والسفلية اليمنى. ثم يعرّف دالة `area` التي تحسب مساحة المستطيل من إحداثيات الزاوية العلوية اليسرى والسفلية اليمنى.
+
+    بعد ذلك، يعرّف دالة `overlappingArea` التي تحسب مساحة التداخل بين مستطيلين. إذا لم يكن هناك تداخل، تعيد القيمة 0.
+
+1. أسفل دالة `overlappingArea`، قم بتعريف دالة لتحويل إطار التحديد إلى `Rect`:
+
+    ```cpp
+    Rect rectFromBoundingBox(JsonVariant prediction)
+    {
+        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
+    
+        float left = bounding_box["left"].as<float>();
+        float top = bounding_box["top"].as<float>();
+        float width = bounding_box["width"].as<float>();
+        float height = bounding_box["height"].as<float>();
+    
+        Point topLeft = {left, top};
+        Point bottomRight = {left + width, top + height};
+    
+        return {topLeft, bottomRight};
+    }
+    ```
+
+    هذه الدالة تأخذ توقعًا من كاشف الكائنات، وتستخرج إطار التحديد وتستخدم القيم الموجودة في إطار التحديد لتعريف مستطيل. يتم حساب الجانب الأيمن من خلال جمع اليسار مع العرض. ويتم حساب الأسفل من خلال جمع الأعلى مع الارتفاع.
+
+1. يجب مقارنة التوقعات مع بعضها البعض، وإذا كان هناك تداخل بين توقعين يتجاوز العتبة المحددة، يجب حذف أحدهما. عتبة التداخل هي نسبة مئوية، لذا يجب ضربها في حجم أصغر إطار تحديد للتحقق مما إذا كان التداخل يتجاوز النسبة المحددة من إطار التحديد، وليس النسبة المحددة من الصورة بأكملها. ابدأ بحذف محتوى دالة `processPredictions`.
+
+1. أضف التالي إلى دالة `processPredictions` الفارغة:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    هذا الكود يعرّف متجهًا لتخزين التوقعات التي لا تتداخل. ثم يقوم بالتكرار عبر جميع التوقعات، ويقوم بإنشاء `Rect` من إطار التحديد.
+
+    بعد ذلك، يقوم هذا الكود بالتكرار عبر التوقعات المتبقية، بدءًا من التوقع الذي يلي التوقع الحالي. هذا يمنع مقارنة التوقعات أكثر من مرة - بمجرد مقارنة 1 و2، لا حاجة لمقارنة 2 مع 1، فقط مع 3، 4، وهكذا.
+
+    لكل زوج من التوقعات، يتم حساب مساحة التداخل. ثم يتم مقارنة هذه المساحة بمساحة أصغر إطار تحديد - إذا تجاوز التداخل النسبة المئوية المحددة من أصغر إطار تحديد، يتم وضع علامة على التوقع بأنه لم ينجح. إذا اجتاز التوقع الفحوصات بعد مقارنة جميع التداخلات، يتم إضافته إلى مجموعة `passed_predictions`.
+
+    > 💁 هذه طريقة بسيطة جدًا لإزالة التداخلات، حيث يتم فقط إزالة الأول في زوج التداخل. بالنسبة للكود الإنتاجي، قد ترغب في إضافة المزيد من المنطق هنا، مثل النظر في التداخلات بين كائنات متعددة، أو إذا كان أحد إطارات التحديد يحتوي على الآخر.
+
+1. بعد ذلك، أضف الكود التالي لإرسال تفاصيل التوقعات التي اجتازت الفحوصات إلى شاشة المراقبة التسلسلية:
+
+    ```cpp
+    for(JsonVariant prediction : passed_predictions)
+    {
+        String boundingBox = prediction["boundingBox"].as<String>();
+        String tag = prediction["tagName"].as<String>();
+        float probability = prediction["probability"].as<float>();
+
+        char buff[32];
+        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
+        Serial.println(buff);
+    }
+    ```
+
+    هذا الكود يقوم بالتكرار عبر التوقعات التي اجتازت الفحوصات ويطبع تفاصيلها إلى شاشة المراقبة التسلسلية.
+
+1. أسفل هذا، أضف كودًا لطباعة عدد العناصر التي تم عدها إلى شاشة المراقبة التسلسلية:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    يمكن بعد ذلك إرسال هذا إلى خدمة إنترنت الأشياء لتنبيهك إذا كانت مستويات المخزون منخفضة.
+
+1. قم بتحميل وتشغيل الكود الخاص بك. وجه الكاميرا نحو الكائنات على رف واضغط على الزر C. حاول تعديل قيمة `overlap_threshold` لرؤية التوقعات التي يتم تجاهلها.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
+    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
+    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
+    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
+    Counted 4 stock items.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal).
+
+😀 لقد كان برنامج عد المخزون الخاص بك ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..4c79fdb4
--- /dev/null
+++ b/translations/ar/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T21:36:02+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "ar"
+}
+-->
+# استدعاء كاشف الكائنات من جهاز إنترنت الأشياء الخاص بك - Wio Terminal
+
+بمجرد نشر كاشف الكائنات الخاص بك، يمكن استخدامه من جهاز إنترنت الأشياء الخاص بك.
+
+## نسخ مشروع تصنيف الصور
+
+معظم كاشف المخزون الخاص بك مشابه لمصنف الصور الذي أنشأته في درس سابق.
+
+### المهمة - نسخ مشروع تصنيف الصور
+
+1. قم بتوصيل كاميرا ArduCam بجهاز Wio Terminal الخاص بك، باتباع الخطوات من [الدرس الثاني من مشروع التصنيع](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera).
+
+    قد ترغب أيضًا في تثبيت الكاميرا في وضع ثابت، على سبيل المثال، عن طريق تعليق الكابل فوق صندوق أو علبة، أو تثبيت الكاميرا على صندوق باستخدام شريط لاصق مزدوج.
+
+1. قم بإنشاء مشروع جديد تمامًا لجهاز Wio Terminal باستخدام PlatformIO. قم بتسمية هذا المشروع `stock-counter`.
+
+1. قم بتكرار الخطوات من [الدرس الثاني من مشروع التصنيع](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) لالتقاط الصور من الكاميرا.
+
+1. قم بتكرار الخطوات من [الدرس الثاني من مشروع التصنيع](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) لاستدعاء مصنف الصور. سيتم إعادة استخدام معظم هذا الكود لاكتشاف الكائنات.
+
+## تغيير الكود من مصنف إلى كاشف الصور
+
+الكود الذي استخدمته لتصنيف الصور مشابه جدًا للكود المستخدم لاكتشاف الكائنات. الفرق الرئيسي هو عنوان URL الذي يتم استدعاؤه والذي حصلت عليه من Custom Vision، ونتائج الاستدعاء.
+
+### المهمة - تغيير الكود من مصنف إلى كاشف الصور
+
+1. أضف التوجيه التالي إلى أعلى ملف `main.cpp`:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. قم بإعادة تسمية وظيفة `classifyImage` إلى `detectStock`، سواء اسم الوظيفة أو الاستدعاء في وظيفة `buttonPressed`.
+
+1. فوق وظيفة `detectStock`، قم بتحديد عتبة لتصفية أي اكتشافات ذات احتمالية منخفضة:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    على عكس مصنف الصور الذي يعيد نتيجة واحدة فقط لكل علامة، فإن كاشف الكائنات سيعيد نتائج متعددة، لذا يجب تصفية أي نتائج ذات احتمالية منخفضة.
+
+1. فوق وظيفة `detectStock`، قم بتحديد وظيفة لمعالجة التوقعات:
+
+    ```cpp
+    void processPredictions(std::vector<JsonVariant> &predictions)
+    {
+        for(JsonVariant prediction : predictions)
+        {
+            String tag = prediction["tagName"].as<String>();
+            float probability = prediction["probability"].as<float>();
+    
+            char buff[32];
+            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+            Serial.println(buff);
+        }
+    }
+    ```
+
+    هذه الوظيفة تأخذ قائمة بالتوقعات وتطبعها إلى شاشة المراقبة التسلسلية.
+
+1. في وظيفة `detectStock`، استبدل محتويات الحلقة `for` التي تدور عبر التوقعات بما يلي:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for(JsonVariant prediction : predictions) 
+    {
+        float probability = prediction["probability"].as<float>();
+        if (probability > threshold)
+        {
+            passed_predictions.push_back(prediction);
+        }
+    }
+
+    processPredictions(passed_predictions);
+    ```
+
+    هذه الحلقة تدور عبر التوقعات، وتقارن الاحتمالية بالعتبة. يتم إضافة جميع التوقعات التي لديها احتمالية أعلى من العتبة إلى قائمة ويتم تمريرها إلى وظيفة `processPredictions`.
+
+1. قم برفع وتشغيل الكود الخاص بك. وجه الكاميرا نحو الكائنات على رف واضغط على زر C. سترى الإخراج في شاشة المراقبة التسلسلية:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%
+    tomato paste:   35.87%
+    tomato paste:   34.11%
+    tomato paste:   35.16%
+    ```
+
+    > 💁 قد تحتاج إلى ضبط قيمة `threshold` لتناسب صورك.
+
+    ستتمكن من رؤية الصورة التي تم التقاطها، وهذه القيم في علامة التبويب **Predictions** في Custom Vision.
+
+    ![4 علب من معجون الطماطم على رف مع توقعات لـ 4 اكتشافات بنسبة 35.8%، 33.5%، 25.7% و16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ar.png)
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal).
+
+😀 برنامج عداد المخزون الخاص بك كان ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/README.md b/translations/ar/6-consumer/README.md
new file mode 100644
index 00000000..7734a3db
--- /dev/null
+++ b/translations/ar/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T23:51:08+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "ar"
+}
+-->
+# إنترنت الأشياء للمستهلكين - بناء مساعد صوتي ذكي
+
+تم زراعة الطعام، نقله إلى مصنع المعالجة، فرزه حسب الجودة، بيعه في المتجر، والآن حان وقت الطهي! أحد العناصر الأساسية في أي مطبخ هو المؤقت. في البداية، كانت هذه المؤقتات عبارة عن ساعات رملية - يتم طهي الطعام عندما ينتهي الرمل من التدفق إلى الجزء السفلي. ثم أصبحت ميكانيكية، ثم كهربائية.
+
+الإصدارات الأحدث أصبحت الآن جزءًا من أجهزتنا الذكية. في المطابخ في المنازل حول العالم، ستسمع الطهاة يصرخون "يا سيري - اضبط مؤقتًا لمدة 10 دقائق"، أو "أليكسا - ألغِ مؤقت الخبز الخاص بي". لم يعد عليك العودة إلى المطبخ للتحقق من المؤقت، يمكنك القيام بذلك من هاتفك، أو بمجرد نداء عبر الغرفة.
+
+في هذه الدروس الأربعة، ستتعلم كيفية بناء مؤقت ذكي، باستخدام الذكاء الاصطناعي للتعرف على صوتك، فهم ما تطلبه، والرد بمعلومات حول المؤقت الخاص بك. ستضيف أيضًا دعمًا للغات متعددة.
+
+> ⚠️ العمل مع البيانات الصوتية وبيانات الميكروفون يستخدم الكثير من الذاكرة، مما يعني أنه من السهل الوصول إلى حدود الأجهزة الدقيقة. المشروع هنا يتجاوز هذه المشكلات، ولكن كن على علم بأن مختبرات Wio Terminal معقدة وقد تستغرق وقتًا أطول من المختبرات الأخرى في هذا المنهج.
+
+> 💁 ستستخدم هذه الدروس بعض الموارد السحابية. إذا لم تكمل جميع الدروس في هذا المشروع، تأكد من [تنظيف مشروعك](../clean-up.md).
+
+## المواضيع
+
+1. [التعرف على الصوت باستخدام جهاز إنترنت الأشياء](./lessons/1-speech-recognition/README.md)
+1. [فهم اللغة](./lessons/2-language-understanding/README.md)
+1. [ضبط مؤقت وتقديم ردود صوتية](./lessons/3-spoken-feedback/README.md)
+1. [دعم لغات متعددة](./lessons/4-multiple-language-support/README.md)
+
+## الشكر
+
+تم كتابة جميع الدروس بكل ♥️ بواسطة [Jim Bennett](https://GitHub.com/JimBobBennett)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/README.md b/translations/ar/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..05190f4b
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-27T00:20:12+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "ar"
+}
+-->
+# التعرف على الكلام باستخدام جهاز إنترنت الأشياء
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة للحصول على نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على خدمة الكلام في Azure، وهو موضوع سيتم تغطيته في هذا الدرس:
+
+[![كيفية البدء باستخدام مورد خدمات الإدراك للكلام من قناة Microsoft Azure على YouTube](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 اضغط على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## المقدمة
+
+"أليكسا، اضبطي مؤقت لمدة 12 دقيقة"
+
+"أليكسا، حالة المؤقت"
+
+"أليكسا، اضبطي مؤقت لمدة 8 دقائق باسم تبخير البروكلي"
+
+الأجهزة الذكية أصبحت أكثر انتشارًا يومًا بعد يوم. ليس فقط كمكبرات صوت ذكية مثل HomePods وEchos وGoogle Homes، ولكن أيضًا مدمجة في هواتفنا وساعاتنا وحتى تركيبات الإضاءة وأجهزة تنظيم الحرارة.
+
+> 💁 لدي على الأقل 19 جهازًا في منزلي تحتوي على مساعدات صوتية، وهذا فقط ما أعرفه!
+
+التحكم الصوتي يزيد من إمكانية الوصول من خلال السماح للأشخاص ذوي الحركة المحدودة بالتفاعل مع الأجهزة. سواء كان ذلك بسبب إعاقة دائمة مثل الولادة بدون أذرع، أو إعاقات مؤقتة مثل كسر الذراعين، أو حتى عندما تكون يداك مشغولة بالتسوق أو رعاية الأطفال الصغار، فإن القدرة على التحكم في منازلنا باستخدام الصوت بدلاً من اليدين تفتح عالمًا من الإمكانيات. الصراخ "يا سيري، أغلق باب المرآب" أثناء التعامل مع تغيير حفاضات طفل ومواجهة طفل صغير مشاغب يمكن أن يكون تحسينًا صغيرًا ولكنه فعال في الحياة.
+
+أحد الاستخدامات الأكثر شيوعًا للمساعدات الصوتية هو ضبط المؤقتات، خاصة مؤقتات المطبخ. القدرة على ضبط مؤقتات متعددة باستخدام صوتك فقط تعتبر مساعدة كبيرة في المطبخ - لا حاجة للتوقف عن عجن العجين، أو تحريك الحساء، أو تنظيف يديك من حشوة الزلابية لاستخدام مؤقت مادي.
+
+في هذا الدرس، ستتعلم كيفية بناء التعرف على الصوت في أجهزة إنترنت الأشياء. ستتعلم عن الميكروفونات كأجهزة استشعار، وكيفية التقاط الصوت من ميكروفون متصل بجهاز إنترنت الأشياء، وكيفية استخدام الذكاء الاصطناعي لتحويل ما يُسمع إلى نص. خلال بقية هذا المشروع، ستقوم ببناء مؤقت مطبخ ذكي، قادر على ضبط المؤقتات باستخدام صوتك وبالعديد من اللغات.
+
+في هذا الدرس سنغطي:
+
+* [الميكروفونات](../../../../../6-consumer/lessons/1-speech-recognition)
+* [التقاط الصوت من جهاز إنترنت الأشياء الخاص بك](../../../../../6-consumer/lessons/1-speech-recognition)
+* [تحويل الكلام إلى نص](../../../../../6-consumer/lessons/1-speech-recognition)
+* [تحويل الكلام إلى نص](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## الميكروفونات
+
+الميكروفونات هي أجهزة استشعار تناظرية تحول موجات الصوت إلى إشارات كهربائية. تسبب الاهتزازات في الهواء حركة مكونات داخل الميكروفون بمقادير صغيرة جدًا، مما يؤدي إلى تغييرات صغيرة في الإشارات الكهربائية. يتم تضخيم هذه التغييرات لتوليد إخراج كهربائي.
+
+### أنواع الميكروفونات
+
+الميكروفونات تأتي في مجموعة متنوعة من الأنواع:
+
+* الديناميكية - تحتوي الميكروفونات الديناميكية على مغناطيس متصل بغشاء متحرك يتحرك داخل ملف من الأسلاك، مما يخلق تيارًا كهربائيًا. هذا عكس معظم مكبرات الصوت، التي تستخدم تيارًا كهربائيًا لتحريك مغناطيس داخل ملف من الأسلاك، مما يحرك غشاءً لإنتاج الصوت. هذا يعني أن مكبرات الصوت يمكن استخدامها كميكروفونات ديناميكية، والميكروفونات الديناميكية يمكن استخدامها كمكبرات صوت. في الأجهزة مثل أجهزة الاتصال الداخلي حيث يستمع المستخدم أو يتحدث فقط، يمكن لجهاز واحد أن يعمل كمكبر صوت وميكروفون.
+
+    الميكروفونات الديناميكية لا تحتاج إلى طاقة للعمل، حيث يتم إنشاء الإشارة الكهربائية بالكامل من الميكروفون.
+
+    ![باتي سميث تغني في ميكروفون Shure SM58 (نوع ديناميكي قلبي)](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ar.jpg)
+
+* الشريطية - الميكروفونات الشريطية تشبه الميكروفونات الديناميكية، إلا أنها تحتوي على شريط معدني بدلاً من غشاء. يتحرك هذا الشريط في مجال مغناطيسي، مما يولد تيارًا كهربائيًا. مثل الميكروفونات الديناميكية، الميكروفونات الشريطية لا تحتاج إلى طاقة للعمل.
+
+    ![إدموند لو، ممثل أمريكي، يقف عند ميكروفون إذاعي (مُصنف لشبكة (NBC) الزرقاء)، يحمل نصًا، 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ar.jpg)
+
+* المكثفة - تحتوي الميكروفونات المكثفة على غشاء معدني رقيق ولوحة خلفية معدنية ثابتة. يتم تطبيق الكهرباء على كلاهما، وعندما يهتز الغشاء، تتغير الشحنة الساكنة بين اللوحتين، مما يولد إشارة. تحتاج الميكروفونات المكثفة إلى طاقة للعمل - تُعرف باسم *الطاقة الوهمية*.
+
+    ![ميكروفون مكثف صغير C451B من AKG Acoustics](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ar.jpg)
+
+* MEMS - أنظمة الميكروفونات الكهروميكانيكية الدقيقة، أو MEMS، هي ميكروفونات على شريحة. تحتوي على غشاء حساس للضغط محفور على شريحة سيليكون، وتعمل بشكل مشابه للميكروفون المكثف. يمكن أن تكون هذه الميكروفونات صغيرة جدًا ومتكاملة في الدوائر.
+
+    ![ميكروفون MEMS على لوحة دائرة](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ar.png)
+
+    في الصورة أعلاه، الشريحة المسمى **LEFT** هي ميكروفون MEMS، مع غشاء صغير أقل من ملليمتر عرضًا.
+
+✅ قم ببعض البحث: ما هي أنواع الميكروفونات الموجودة حولك - سواء في جهاز الكمبيوتر الخاص بك، هاتفك، سماعة الرأس أو في أجهزة أخرى. ما نوع هذه الميكروفونات؟
+
+### الصوت الرقمي
+
+الصوت هو إشارة تناظرية تحمل معلومات دقيقة جدًا. لتحويل هذه الإشارة إلى رقمية، يجب أخذ عينات الصوت آلاف المرات في الثانية.
+
+> 🎓 أخذ العينات هو تحويل الإشارة الصوتية إلى قيمة رقمية تمثل الإشارة في تلك اللحظة الزمنية.
+
+![مخطط خطي يظهر إشارة، مع نقاط منفصلة عند فواصل زمنية ثابتة](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ar.png)
+
+يتم أخذ عينات الصوت الرقمي باستخدام تعديل رمز النبض، أو PCM. PCM يتضمن قراءة الجهد للإشارة، واختيار أقرب قيمة منفصلة لهذا الجهد باستخدام حجم محدد.
+
+> 💁 يمكنك التفكير في PCM كنسخة استشعارية من تعديل عرض النبض، أو PWM (تم تغطية PWM في [الدرس الثالث من مشروع البدء](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)). PCM يتضمن تحويل الإشارة التناظرية إلى رقمية، PWM يتضمن تحويل الإشارة الرقمية إلى تناظرية.
+
+على سبيل المثال، تقدم معظم خدمات بث الموسيقى صوتًا بحجم 16 بت أو 24 بت. هذا يعني أنها تحول الجهد إلى قيمة تناسب عدد صحيح بحجم 16 بت، أو عدد صحيح بحجم 24 بت. الصوت بحجم 16 بت يناسب القيمة في نطاق يتراوح من -32,768 إلى 32,767، والصوت بحجم 24 بت في النطاق −8,388,608 إلى 8,388,607. كلما زاد عدد البتات، كلما اقتربت العينة مما تسمعه آذاننا بالفعل.
+
+> 💁 ربما سمعت عن الصوت بحجم 8 بت، الذي يُشار إليه غالبًا باسم LoFi. هذا هو الصوت الذي يتم أخذ عيناته باستخدام 8 بت فقط، أي -128 إلى 127. كان الصوت الأول في أجهزة الكمبيوتر محدودًا بـ 8 بت بسبب قيود الأجهزة، لذا يُرى هذا غالبًا في الألعاب القديمة.
+
+تُؤخذ هذه العينات آلاف المرات في الثانية، باستخدام معدلات أخذ عينات محددة جيدًا تُقاس بالكيلوهرتز (آلاف القراءات في الثانية). تستخدم خدمات بث الموسيقى 48 كيلوهرتز لمعظم الصوت، ولكن بعض الصوت "الخالي من الفقدان" يستخدم حتى 96 كيلوهرتز أو حتى 192 كيلوهرتز. كلما زادت معدل أخذ العينات، كلما اقترب الصوت من الأصل، إلى حد معين. هناك جدل حول ما إذا كان البشر يمكنهم التمييز فوق 48 كيلوهرتز.
+
+✅ قم ببعض البحث: إذا كنت تستخدم خدمة بث الموسيقى، ما هو معدل أخذ العينات والحجم الذي تستخدمه؟ إذا كنت تستخدم الأقراص المدمجة، ما هو معدل أخذ العينات وحجم الصوت في الأقراص المدمجة؟
+
+هناك عدد من التنسيقات المختلفة لبيانات الصوت. ربما سمعت عن ملفات mp3 - بيانات صوتية مضغوطة لجعلها أصغر دون فقدان أي جودة. يتم تخزين الصوت غير المضغوط غالبًا كملف WAV - هذا ملف يحتوي على 44 بايت من معلومات الرأس، يتبعها بيانات الصوت الخام. يحتوي الرأس على معلومات مثل معدل أخذ العينات (على سبيل المثال 16000 لـ 16 كيلوهرتز) وحجم العينة (16 لـ 16 بت)، وعدد القنوات. بعد الرأس، يحتوي ملف WAV على بيانات الصوت الخام.
+
+> 🎓 تشير القنوات إلى عدد تدفقات الصوت المختلفة التي تشكل الصوت. على سبيل المثال، بالنسبة للصوت الاستريو مع اليسار واليمين، ستكون هناك قناتان. بالنسبة للصوت المحيطي 7.1 لنظام المسرح المنزلي، سيكون هناك 8 قنوات.
+
+### حجم بيانات الصوت
+
+بيانات الصوت كبيرة نسبيًا. على سبيل المثال، التقاط صوت غير مضغوط بحجم 16 بت عند 16 كيلوهرتز (معدل جيد بما يكفي للاستخدام مع نموذج تحويل الكلام إلى نص)، يتطلب 32 كيلوبايت من البيانات لكل ثانية من الصوت:
+
+* 16 بت تعني 2 بايت لكل عينة (1 بايت هو 8 بت).
+* 16 كيلوهرتز تعني 16,000 عينة في الثانية.
+* 16,000 × 2 بايت = 32,000 بايت في الثانية.
+
+يبدو هذا ككمية صغيرة من البيانات، ولكن إذا كنت تستخدم متحكمًا دقيقًا بذاكرة محدودة، فقد يكون هذا كثيرًا. على سبيل المثال، يحتوي Wio Terminal على 192 كيلوبايت من الذاكرة، ويحتاج ذلك إلى تخزين كود البرنامج والمتغيرات. حتى لو كان كود البرنامج صغيرًا، لا يمكنك التقاط أكثر من 5 ثوانٍ من الصوت.
+
+يمكن للمتحكمات الدقيقة الوصول إلى تخزين إضافي، مثل بطاقات SD أو ذاكرة الفلاش. عند بناء جهاز إنترنت الأشياء الذي يلتقط الصوت، ستحتاج إلى التأكد من أنك لا تمتلك فقط تخزينًا إضافيًا، ولكن أن الكود الخاص بك يكتب الصوت الذي تم التقاطه من الميكروفون مباشرة إلى هذا التخزين، وعند إرساله إلى السحابة، تقوم بالبث من التخزين إلى الطلب عبر الويب. بهذه الطريقة يمكنك تجنب نفاد الذاكرة عن طريق محاولة الاحتفاظ بكتلة الصوت بالكامل في الذاكرة دفعة واحدة.
+
+## التقاط الصوت من جهاز إنترنت الأشياء الخاص بك
+
+يمكن لجهاز إنترنت الأشياء الخاص بك أن يتصل بميكروفون لالتقاط الصوت، جاهز للتحويل إلى نص. يمكن أيضًا أن يتصل بمكبرات صوت لإخراج الصوت. في الدروس اللاحقة، سيتم استخدام ذلك لتقديم ردود صوتية، ولكن من المفيد إعداد مكبرات الصوت الآن لاختبار الميكروفون.
+
+### المهمة - إعداد الميكروفون ومكبرات الصوت
+
+قم بتنفيذ الدليل المناسب لإعداد الميكروفون ومكبرات الصوت لجهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-microphone.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-microphone.md)
+
+### المهمة - التقاط الصوت
+
+قم بتنفيذ الدليل المناسب لالتقاط الصوت على جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-audio.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-audio.md)
+
+## تحويل الكلام إلى نص
+
+تحويل الكلام إلى نص، أو التعرف على الكلام، يتضمن استخدام الذكاء الاصطناعي لتحويل الكلمات في إشارة الصوت إلى نص.
+
+### نماذج التعرف على الكلام
+
+لتحويل الكلام إلى نص، يتم تجميع العينات من إشارة الصوت وتغذيتها إلى نموذج تعلم آلي يعتمد على شبكة عصبية متكررة (RNN). هذا نوع من نماذج التعلم الآلي الذي يمكنه استخدام البيانات السابقة لاتخاذ قرار بشأن البيانات الواردة. على سبيل المثال، يمكن للشبكة العصبية المتكررة اكتشاف كتلة واحدة من عينات الصوت كصوت "Hel"، وعندما تتلقى أخرى تعتقد أنها الصوت "lo"، يمكنها دمج هذا مع الصوت السابق، وتجد أن "Hello" هي كلمة صالحة وتختارها كنتيجة.
+
+نماذج التعلم الآلي دائمًا تقبل بيانات بنفس الحجم في كل مرة. المصنف الصوري الذي بنيته في درس سابق يقوم بتغيير حجم الصور إلى حجم ثابت ومعالجتها. نفس الشيء مع نماذج الكلام، يجب أن تعالج كتل صوتية ثابتة الحجم. يجب أن تكون نماذج الكلام قادرة على دمج نتائج توقعات متعددة للحصول على الإجابة، للسماح لها بالتمييز بين "Hi" و"Highway"، أو "flock" و"floccinaucinihilipilification".
+
+نماذج الكلام متقدمة بما يكفي لفهم السياق، ويمكنها تصحيح الكلمات التي تكتشفها مع معالجة المزيد من الأصوات. على سبيل المثال، إذا قلت "ذهبت إلى المتاجر للحصول على موزتين وتفاحة أيضًا"، ستستخدم ثلاث كلمات تبدو متشابهة ولكن تُكتب بشكل مختلف - to، two وtoo. نماذج الكلام قادرة على فهم السياق واستخدام التهجئة المناسبة للكلمة.
+💁 بعض خدمات الكلام تتيح التخصيص لجعلها تعمل بشكل أفضل في البيئات الصاخبة مثل المصانع، أو مع الكلمات الخاصة بالصناعات مثل أسماء المواد الكيميائية. يتم تدريب هذه التخصيصات من خلال تقديم عينات صوتية ونصوص مكتوبة، وتعمل باستخدام التعلم بالنقل، بنفس الطريقة التي قمت بها بتدريب مصنف الصور باستخدام عدد قليل من الصور في درس سابق.
+### الخصوصية
+
+عند استخدام تحويل الكلام إلى نص في جهاز إنترنت الأشياء للمستهلكين، تكون الخصوصية ذات أهمية كبيرة. هذه الأجهزة تستمع إلى الصوت بشكل مستمر، لذلك كمستهلك لا تريد أن يتم إرسال كل ما تقوله إلى السحابة وتحويله إلى نص. ليس فقط لأن هذا سيستهلك الكثير من عرض النطاق الترددي للإنترنت، بل له أيضًا تداعيات كبيرة على الخصوصية، خاصة عندما يقوم بعض مصنعي الأجهزة الذكية باختيار عشوائي للصوت ليتم [التحقق منه بواسطة البشر مقابل النص المُولد لتحسين النموذج](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+تريد فقط أن يرسل جهازك الذكي الصوت إلى السحابة للمعالجة عندما تستخدمه، وليس عندما يسمع الصوت في منزلك، الصوت الذي قد يتضمن اجتماعات خاصة أو تفاعلات حميمة. الطريقة التي تعمل بها معظم الأجهزة الذكية هي باستخدام *كلمة تنبيه*، وهي عبارة مفتاحية مثل "أليكسا"، "هاي سيري"، أو "أوكي جوجل" التي تجعل الجهاز "يستيقظ" ويستمع لما تقوله حتى يكتشف توقفًا في كلامك، مما يشير إلى أنك انتهيت من التحدث إلى الجهاز.
+
+> 🎓 يُشار إلى اكتشاف كلمة التنبيه أيضًا باسم *اكتشاف الكلمات المفتاحية* أو *التعرف على الكلمات المفتاحية*.
+
+يتم اكتشاف كلمات التنبيه على الجهاز نفسه، وليس في السحابة. تحتوي هذه الأجهزة الذكية على نماذج ذكاء اصطناعي صغيرة تعمل على الجهاز وتستمع لكلمة التنبيه، وعندما يتم اكتشافها، تبدأ في بث الصوت إلى السحابة للتعرف عليه. هذه النماذج متخصصة جدًا، وتستمع فقط لكلمة التنبيه.
+
+> 💁 بعض شركات التكنولوجيا تضيف المزيد من الخصوصية إلى أجهزتها وتقوم ببعض تحويل الكلام إلى نص على الجهاز نفسه. أعلنت شركة آبل أنه كجزء من تحديثات iOS وmacOS لعام 2021، ستدعم تحويل الكلام إلى نص على الجهاز، وستكون قادرة على معالجة العديد من الطلبات دون الحاجة إلى استخدام السحابة. يعود الفضل في ذلك إلى وجود معالجات قوية في أجهزتها يمكنها تشغيل نماذج التعلم الآلي.
+
+✅ ما رأيك في التداعيات الأخلاقية والخصوصية لتخزين الصوت المُرسل إلى السحابة؟ هل يجب تخزين هذا الصوت، وإذا كان الأمر كذلك، كيف؟ هل تعتقد أن استخدام التسجيلات لأغراض إنفاذ القانون هو مقايضة جيدة مقابل فقدان الخصوصية؟
+
+عادةً ما يستخدم اكتشاف كلمة التنبيه تقنية تُعرف باسم TinyML، وهي تحويل نماذج التعلم الآلي لتكون قادرة على العمل على المتحكمات الدقيقة. هذه النماذج صغيرة الحجم وتستهلك طاقة قليلة جدًا للتشغيل.
+
+لتجنب تعقيد تدريب واستخدام نموذج كلمة التنبيه، فإن المؤقت الذكي الذي تقوم ببنائه في هذا الدرس سيستخدم زرًا لتشغيل التعرف على الكلام.
+
+> 💁 إذا كنت ترغب في تجربة إنشاء نموذج اكتشاف كلمة التنبيه ليعمل على Wio Terminal أو Raspberry Pi، تحقق من هذا [الدرس حول الاستجابة لصوتك بواسطة Edge Impulse](https://docs.edgeimpulse.com/docs/responding-to-your-voice). إذا كنت ترغب في استخدام جهاز الكمبيوتر الخاص بك للقيام بذلك، يمكنك تجربة [البدء باستخدام دليل الكلمات المفتاحية المخصص على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## تحويل الكلام إلى نص
+
+![شعار خدمات الكلام](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ar.png)
+
+تمامًا كما هو الحال مع تصنيف الصور في مشروع سابق، هناك خدمات ذكاء اصطناعي مُعدة مسبقًا يمكنها أخذ الكلام كملف صوتي وتحويله إلى نص. إحدى هذه الخدمات هي خدمة الكلام، وهي جزء من خدمات الإدراك، خدمات الذكاء الاصطناعي المُعدة مسبقًا التي يمكنك استخدامها في تطبيقاتك.
+
+### المهمة - إعداد مورد ذكاء اصطناعي للكلام
+
+1. قم بإنشاء مجموعة موارد لهذا المشروع باسم `smart-timer`.
+
+1. استخدم الأمر التالي لإنشاء مورد كلام مجاني:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد.
+
+1. ستحتاج إلى مفتاح API للوصول إلى مورد الكلام من الكود الخاص بك. قم بتشغيل الأمر التالي للحصول على المفتاح:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    قم بنسخ أحد المفاتيح.
+
+### المهمة - تحويل الكلام إلى نص
+
+اعمل من خلال الدليل المناسب لتحويل الكلام إلى نص على جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-speech-to-text.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 التحدي
+
+التعرف على الكلام موجود منذ فترة طويلة، وهو يتحسن باستمرار. قم بالبحث حول القدرات الحالية وقارن كيف تطورت هذه القدرات بمرور الوقت، بما في ذلك مدى دقة النصوص المُحولة بواسطة الآلة مقارنة بالنصوص البشرية.
+
+ما الذي تعتقد أن المستقبل يحمله للتعرف على الكلام؟
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ عن الأنواع المختلفة من الميكروفونات وكيف تعمل في [مقالة الفرق بين الميكروفونات الديناميكية والمكثفة على Musician's HQ](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/).
+* اقرأ المزيد عن خدمة الكلام في خدمات الإدراك في [وثائق خدمة الكلام على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn).
+* اقرأ عن اكتشاف الكلمات المفتاحية في [وثائق التعرف على الكلمات المفتاحية على مستندات Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## الواجب
+
+[](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/ar/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..478c9f72
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-27T00:23:15+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "ar"
+}
+-->
+## التعليمات
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| |  |  |  |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..b6639729
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-27T00:18:16+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "ar"
+}
+-->
+# التقاط الصوت - Raspberry Pi
+
+في هذا الجزء من الدرس، ستكتب كودًا لالتقاط الصوت باستخدام Raspberry Pi. سيتم التحكم في عملية التقاط الصوت بواسطة زر.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى زر للتحكم في التقاط الصوت.
+
+الزر الذي ستستخدمه هو زر Grove. هذا الزر هو مستشعر رقمي يقوم بتشغيل أو إيقاف الإشارة. يمكن تكوين هذه الأزرار لإرسال إشارة عالية عند الضغط على الزر، وإشارة منخفضة عند عدم الضغط، أو العكس.
+
+إذا كنت تستخدم ميكروفون ReSpeaker 2-Mics Pi HAT، فلا حاجة لتوصيل زر إضافي، حيث يحتوي هذا الملحق على زر مدمج. انتقل إلى القسم التالي.
+
+### توصيل الزر
+
+يمكن توصيل الزر بقاعدة Grove Base Hat.
+
+#### المهمة - توصيل الزر
+
+![زر Grove](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ar.png)
+
+1. أدخل أحد طرفي كابل Grove في المقبس الموجود على وحدة الزر. لن يدخل إلا في اتجاه واحد.
+
+1. مع إيقاف تشغيل Raspberry Pi، قم بتوصيل الطرف الآخر من كابل Grove بالمقبس الرقمي المسمى **D5** على قاعدة Grove Base Hat المثبتة على Pi. هذا المقبس هو الثاني من اليسار في صف المقابس بجانب دبابيس GPIO.
+
+![زر Grove متصل بالمقبس D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ar.png)
+
+## التقاط الصوت
+
+يمكنك التقاط الصوت من الميكروفون باستخدام كود Python.
+
+### المهمة - التقاط الصوت
+
+1. قم بتشغيل Raspberry Pi وانتظر حتى يتم الإقلاع.
+
+1. افتح VS Code، إما مباشرة على Raspberry Pi، أو عبر الاتصال باستخدام امتداد Remote SSH.
+
+1. تحتوي حزمة PyAudio Pip على وظائف لتسجيل وتشغيل الصوت. تعتمد هذه الحزمة على بعض مكتبات الصوت التي تحتاج إلى تثبيتها أولاً. قم بتشغيل الأوامر التالية في الطرفية لتثبيتها:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. قم بتثبيت حزمة PyAudio Pip.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. أنشئ مجلدًا جديدًا باسم `smart-timer` وأضف ملفًا باسم `app.py` إلى هذا المجلد.
+
+1. أضف الواردات التالية إلى أعلى هذا الملف:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    هذا يستورد وحدة `pyaudio`، وبعض الوحدات القياسية في Python للتعامل مع ملفات الصوت، ووحدة `grove.factory` لاستيراد `Factory` لإنشاء فئة الزر.
+
+1. بعد ذلك، أضف كودًا لإنشاء زر Grove.
+
+    إذا كنت تستخدم ميكروفون ReSpeaker 2-Mics Pi HAT، استخدم الكود التالي:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    هذا ينشئ زرًا على المنفذ **D17**، وهو المنفذ الذي يتصل به الزر على ReSpeaker 2-Mics Pi HAT. يتم ضبط هذا الزر لإرسال إشارة منخفضة عند الضغط عليه.
+
+    إذا كنت لا تستخدم ReSpeaker 2-Mics Pi HAT، وتستخدم زر Grove متصلًا بقاعدة Grove Base Hat، استخدم هذا الكود:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    هذا ينشئ زرًا على المنفذ **D5** يتم ضبطه لإرسال إشارة عالية عند الضغط عليه.
+
+1. بعد ذلك، أنشئ مثيلًا لفئة PyAudio للتعامل مع الصوت:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. قم بتحديد رقم بطاقة الأجهزة للميكروفون ومكبر الصوت. سيكون هذا الرقم هو الرقم الذي وجدته عند تشغيل الأمرين `arecord -l` و`aplay -l` في وقت سابق من هذا الدرس.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    استبدل `<microphone card number>` برقم بطاقة الميكروفون الخاصة بك.
+
+    استبدل `<speaker card number>` برقم بطاقة مكبر الصوت الخاصة بك، وهو نفس الرقم الذي قمت بتعيينه في ملف `alsa.conf`.
+
+1. بعد ذلك، قم بتحديد معدل العينة المستخدم لالتقاط وتشغيل الصوت. قد تحتاج إلى تغيير هذا بناءً على الأجهزة التي تستخدمها.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    إذا واجهت أخطاء في معدل العينة عند تشغيل الكود لاحقًا، قم بتغيير هذه القيمة إلى `44100` أو `16000`. كلما زادت القيمة، زادت جودة الصوت.
+
+1. بعد ذلك، أنشئ دالة جديدة باسم `capture_audio`. سيتم استدعاء هذه الدالة لالتقاط الصوت من الميكروفون:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. داخل هذه الدالة، أضف الكود التالي لالتقاط الصوت:
+
+    ```python
+    stream = audio.open(format = pyaudio.paInt16,
+                        rate = rate,
+                        channels = 1, 
+                        input_device_index = microphone_card_number,
+                        input = True,
+                        frames_per_buffer = 4096)
+
+    frames = []
+
+    while button.is_pressed():
+        frames.append(stream.read(4096))
+
+    stream.stop_stream()
+    stream.close()
+    ```
+
+    يقوم هذا الكود بفتح تدفق إدخال صوتي باستخدام كائن PyAudio. يقوم هذا التدفق بالتقاط الصوت من الميكروفون بمعدل 16 كيلوهرتز، ويقوم بالتقاطه في مخازن بحجم 4096 بايت.
+
+    ثم يقوم الكود بالتكرار أثناء الضغط على زر Grove، حيث يقرأ هذه المخازن بحجم 4096 بايت في كل مرة.
+
+    > 💁 يمكنك قراءة المزيد عن الخيارات الممررة إلى طريقة `open` في [توثيق PyAudio](https://people.csail.mit.edu/hubert/pyaudio/docs/).
+
+    بمجرد تحرير الزر، يتم إيقاف التدفق وإغلاقه.
+
+1. أضف الكود التالي إلى نهاية هذه الدالة:
+
+    ```python
+    wav_buffer = io.BytesIO()
+    with wave.open(wav_buffer, 'wb') as wavefile:
+        wavefile.setnchannels(1)
+        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
+        wavefile.setframerate(rate)
+        wavefile.writeframes(b''.join(frames))
+        wav_buffer.seek(0)
+
+    return wav_buffer
+    ```
+
+    يقوم هذا الكود بإنشاء مخزن ثنائي، ويكتب جميع الصوت الملتقط فيه كملف [WAV](https://wikipedia.org/wiki/WAV). هذا هو الطريقة القياسية لكتابة الصوت غير المضغوط إلى ملف. يتم بعد ذلك إرجاع هذا المخزن.
+
+1. أضف دالة `play_audio` التالية لتشغيل مخزن الصوت:
+
+    ```python
+    def play_audio(buffer):
+        stream = audio.open(format = pyaudio.paInt16,
+                            rate = rate,
+                            channels = 1,
+                            output_device_index = speaker_card_number,
+                            output = True)
+    
+        with wave.open(buffer, 'rb') as wf:
+            data = wf.readframes(4096)
+    
+            while len(data) > 0:
+                stream.write(data)
+                data = wf.readframes(4096)
+    
+            stream.close()
+    ```
+
+    تقوم هذه الدالة بفتح تدفق صوتي آخر، هذه المرة للإخراج - لتشغيل الصوت. تستخدم نفس الإعدادات مثل تدفق الإدخال. يتم فتح المخزن كملف صوتي ويتم كتابته إلى تدفق الإخراج في أجزاء بحجم 4096 بايت، مما يؤدي إلى تشغيل الصوت. ثم يتم إغلاق التدفق.
+
+1. أضف الكود التالي أسفل دالة `capture_audio` للتكرار حتى يتم الضغط على الزر. بمجرد الضغط على الزر، يتم التقاط الصوت ثم تشغيله.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. قم بتشغيل الكود. اضغط على الزر وتحدث في الميكروفون. حرر الزر عند الانتهاء، وستسمع التسجيل.
+
+    قد تواجه بعض أخطاء ALSA عند إنشاء مثيل PyAudio. يرجع ذلك إلى تكوين Raspberry Pi لأجهزة صوتية لا تمتلكها. يمكنك تجاهل هذه الأخطاء.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
+    ```
+
+    إذا واجهت الخطأ التالي:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    قم بتغيير `rate` إلى 44100 أو 16000.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi).
+
+😀 لقد نجحت في إنشاء برنامج تسجيل الصوت!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..6fb6a671
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-27T00:30:06+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "ar"
+}
+-->
+# إعداد الميكروفون ومكبرات الصوت - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بإضافة ميكروفون ومكبرات صوت إلى Raspberry Pi الخاص بك.
+
+## الأجهزة
+
+يحتاج Raspberry Pi إلى ميكروفون.
+
+لا يحتوي Raspberry Pi على ميكروفون مدمج، لذا ستحتاج إلى إضافة ميكروفون خارجي. هناك عدة طرق للقيام بذلك:
+
+* ميكروفون USB  
+* سماعة رأس USB  
+* مكبر صوت USB شامل  
+* محول صوت USB وميكروفون بمنفذ 3.5 ملم  
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)  
+
+> 💁 لا تدعم جميع ميكروفونات البلوتوث Raspberry Pi، لذا إذا كنت تمتلك ميكروفون أو سماعة رأس بلوتوث، قد تواجه مشاكل في الاقتران أو تسجيل الصوت.
+
+يأتي Raspberry Pi بمنفذ سماعات 3.5 ملم. يمكنك استخدامه لتوصيل سماعات الرأس أو سماعة رأس أو مكبر صوت. يمكنك أيضًا إضافة مكبرات صوت باستخدام:
+
+* صوت HDMI عبر شاشة أو تلفاز  
+* مكبرات صوت USB  
+* سماعة رأس USB  
+* مكبر صوت USB شامل  
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) مع مكبر صوت متصل، إما بمنفذ 3.5 ملم أو بمنفذ JST  
+
+## توصيل وإعداد الميكروفون ومكبرات الصوت
+
+يجب توصيل الميكروفون ومكبرات الصوت وإعدادهما.
+
+### المهمة - توصيل وإعداد الميكروفون
+
+1. قم بتوصيل الميكروفون باستخدام الطريقة المناسبة. على سبيل المثال، قم بتوصيله عبر أحد منافذ USB.
+
+1. إذا كنت تستخدم ReSpeaker 2-Mics Pi HAT، يمكنك إزالة قاعدة Grove، ثم تثبيت ReSpeaker HAT مكانها.
+
+    ![Raspberry Pi مع ReSpeaker HAT](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ar.png)
+
+    ستحتاج إلى زر Grove لاحقًا في هذا الدرس، ولكن يوجد زر مدمج في هذا HAT، لذا لا حاجة لقاعدة Grove.
+
+    بمجرد تثبيت HAT، ستحتاج إلى تثبيت بعض التعريفات. راجع [تعليمات البدء من Seeed](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) للحصول على تعليمات تثبيت التعريفات.
+
+    > ⚠️ تستخدم التعليمات `git` لاستنساخ مستودع. إذا لم يكن لديك `git` مثبتًا على Raspberry Pi الخاص بك، يمكنك تثبيته عن طريق تشغيل الأمر التالي:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. قم بتشغيل الأمر التالي في الطرفية على Raspberry Pi، أو عبر VS Code باستخدام جلسة SSH عن بُعد، لرؤية معلومات حول الميكروفون المتصل:
+
+    ```sh
+    arecord -l
+    ```
+
+    سترى قائمة بالميكروفونات المتصلة. ستكون شيئًا مثل التالي:
+
+    ```output
+    pi@raspberrypi:~ $ arecord -l
+    **** List of CAPTURE Hardware Devices ****
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    بافتراض أن لديك ميكروفونًا واحدًا فقط، يجب أن ترى إدخالًا واحدًا فقط. قد تكون إعدادات الميكروفونات معقدة على Linux، لذا من الأسهل استخدام ميكروفون واحد فقط وفصل أي ميكروفونات أخرى.
+
+    قم بتدوين رقم البطاقة، حيث ستحتاج إليه لاحقًا. في الإخراج أعلاه، رقم البطاقة هو 1.
+
+### المهمة - توصيل وإعداد مكبر الصوت
+
+1. قم بتوصيل مكبرات الصوت باستخدام الطريقة المناسبة.
+
+1. قم بتشغيل الأمر التالي في الطرفية على Raspberry Pi، أو عبر VS Code باستخدام جلسة SSH عن بُعد، لرؤية معلومات حول مكبرات الصوت المتصلة:
+
+    ```sh
+    aplay -l
+    ```
+
+    سترى قائمة بمكبرات الصوت المتصلة. ستكون شيئًا مثل التالي:
+
+    ```output
+    pi@raspberrypi:~ $ aplay -l
+    **** List of PLAYBACK Hardware Devices ****
+    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
+      Subdevices: 8/8
+      Subdevice #0: subdevice #0
+      Subdevice #1: subdevice #1
+      Subdevice #2: subdevice #2
+      Subdevice #3: subdevice #3
+      Subdevice #4: subdevice #4
+      Subdevice #5: subdevice #5
+      Subdevice #6: subdevice #6
+      Subdevice #7: subdevice #7
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    سترى دائمًا `card 0: Headphones` حيث أن هذا هو منفذ سماعات الرأس المدمج. إذا قمت بإضافة مكبرات صوت إضافية، مثل مكبر صوت USB، فسترى ذلك مدرجًا أيضًا.
+
+1. إذا كنت تستخدم مكبر صوت إضافيًا، وليس مكبر صوت أو سماعات متصلة بمنفذ سماعات الرأس المدمج، ستحتاج إلى تكوينه كإعداد افتراضي. للقيام بذلك، قم بتشغيل الأمر التالي:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    سيؤدي ذلك إلى فتح ملف إعدادات في `nano`، وهو محرر نصوص يعتمد على الطرفية. قم بالتمرير لأسفل باستخدام مفاتيح الأسهم على لوحة المفاتيح حتى تجد السطر التالي:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    قم بتغيير القيمة من `0` إلى رقم البطاقة التي تريد استخدامها من القائمة التي ظهرت عند استدعاء `aplay -l`. على سبيل المثال، في الإخراج أعلاه، هناك بطاقة صوت ثانية تسمى `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]`، باستخدام البطاقة 1. لاستخدامها، سأقوم بتحديث السطر ليصبح:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    قم بتعيين هذه القيمة إلى رقم البطاقة المناسب. يمكنك التنقل إلى الرقم باستخدام مفاتيح الأسهم على لوحة المفاتيح، ثم حذف الرقم القديم وكتابة الرقم الجديد كما تفعل عند تحرير الملفات النصية.
+
+1. احفظ التغييرات وأغلق الملف بالضغط على `Ctrl+x`. اضغط على `y` لحفظ الملف، ثم `return` لتأكيد اسم الملف.
+
+### المهمة - اختبار الميكروفون ومكبر الصوت
+
+1. قم بتشغيل الأمر التالي لتسجيل 5 ثوانٍ من الصوت عبر الميكروفون:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    أثناء تشغيل هذا الأمر، قم بإصدار ضوضاء في الميكروفون مثل التحدث، الغناء، تقليد الإيقاعات، العزف على آلة موسيقية أو أي شيء آخر تفضله.
+
+1. بعد 5 ثوانٍ، سيتوقف التسجيل. قم بتشغيل الأمر التالي لتشغيل الصوت المسجل:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    ستسمع الصوت يتم تشغيله عبر مكبرات الصوت. قم بضبط مستوى الصوت على مكبر الصوت حسب الحاجة.
+
+1. إذا كنت بحاجة إلى ضبط مستوى صوت منفذ الميكروفون المدمج، أو ضبط حساسية الميكروفون، يمكنك استخدام أداة `alsamixer`. يمكنك قراءة المزيد عن هذه الأداة في [صفحة دليل alsamixer على Linux](https://linux.die.net/man/1/alsamixer).
+
+1. إذا واجهت أخطاء أثناء تشغيل الصوت، تحقق من البطاقة التي قمت بتعيينها كـ `defaults.pcm.card` في ملف `alsa.conf`.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..d8e23a3e
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-27T00:32:32+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "ar"
+}
+-->
+# تحويل الكلام إلى نص - Raspberry Pi
+
+في هذا الجزء من الدرس، ستكتب كودًا لتحويل الكلام في الصوت الملتقط إلى نص باستخدام خدمة التعرف على الكلام.
+
+## إرسال الصوت إلى خدمة التعرف على الكلام
+
+يمكن إرسال الصوت إلى خدمة التعرف على الكلام باستخدام واجهة REST API. لاستخدام الخدمة، تحتاج أولاً إلى طلب رمز وصول (Access Token)، ثم استخدام هذا الرمز للوصول إلى واجهة REST API. تنتهي صلاحية رموز الوصول بعد 10 دقائق، لذا يجب أن يطلب الكود الخاص بك الرموز بشكل منتظم لضمان أنها دائمًا محدثة.
+
+### المهمة - الحصول على رمز وصول
+
+1. افتح مشروع `smart-timer` على جهاز Raspberry Pi الخاص بك.
+
+1. قم بإزالة وظيفة `play_audio`. لم تعد هذه الوظيفة ضرورية لأنك لا تريد أن يكرر المؤقت الذكي ما قلته.
+
+1. أضف الاستيراد التالي إلى أعلى ملف `app.py`:
+
+    ```python
+    import requests
+    ```
+
+1. أضف الكود التالي فوق حلقة `while True` لتحديد بعض الإعدادات لخدمة التعرف على الكلام:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    استبدل `<key>` بمفتاح API الخاص بمورد خدمة التعرف على الكلام. استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مورد خدمة التعرف على الكلام.
+
+    استبدل `<language>` باسم اللغة التي ستتحدث بها، على سبيل المثال `en-GB` للإنجليزية، أو `zn-HK` للكانتونية. يمكنك العثور على قائمة باللغات المدعومة وأسمائها في [وثائق دعم اللغة والصوت على موقع Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+1. أسفل ذلك، أضف الوظيفة التالية للحصول على رمز الوصول:
+
+    ```python
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_api_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    تستدعي هذه الوظيفة نقطة نهاية لإصدار الرموز، مع تمرير مفتاح API كعنوان. تعيد هذه الاستدعاء رمز وصول يمكن استخدامه لاستدعاء خدمات التعرف على الكلام.
+
+1. أسفل ذلك، قم بتعريف وظيفة لتحويل الكلام في الصوت الملتقط إلى نص باستخدام REST API:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. داخل هذه الوظيفة، قم بإعداد عنوان URL الخاص بـ REST API والعناوين:
+
+    ```python
+    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
+
+    headers = {
+        'Authorization': 'Bearer ' + get_access_token(),
+        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
+        'Accept': 'application/json;text/xml'
+    }
+
+    params = {
+        'language': language
+    }
+    ```
+
+    يقوم هذا الكود ببناء عنوان URL باستخدام موقع مورد خدمات التعرف على الكلام. ثم يملأ العناوين برمز الوصول من وظيفة `get_access_token`، بالإضافة إلى معدل العينة المستخدم لالتقاط الصوت. وأخيرًا، يحدد بعض المعلمات التي يتم تمريرها مع عنوان URL والتي تحتوي على اللغة في الصوت.
+
+1. أسفل ذلك، أضف الكود التالي لاستدعاء REST API واسترجاع النص:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, data=buffer)
+    response_json = response.json()
+
+    if response_json['RecognitionStatus'] == 'Success':
+        return response_json['DisplayText']
+    else:
+        return ''
+    ```
+
+    يستدعي هذا الكود عنوان URL ويفك تشفير القيمة JSON التي تأتي في الاستجابة. يشير الحقل `RecognitionStatus` في الاستجابة إلى ما إذا كان الاستدعاء قد تمكن من استخراج الكلام وتحويله إلى نص بنجاح، وإذا كانت القيمة `Success`، يتم إرجاع النص من الوظيفة، وإلا يتم إرجاع سلسلة فارغة.
+
+1. فوق حلقة `while True:`، قم بتعريف وظيفة لمعالجة النص الذي تم إرجاعه من خدمة تحويل الكلام إلى نص. ستقوم هذه الوظيفة فقط بطباعة النص إلى وحدة التحكم في الوقت الحالي.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. أخيرًا، استبدل استدعاء `play_audio` في حلقة `while True` باستدعاء وظيفة `convert_speech_to_text`، مع تمرير النص إلى وظيفة `process_text`:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. قم بتشغيل الكود. اضغط على الزر وتحدث في الميكروفون. حرر الزر عند الانتهاء، وسيتم تحويل الصوت إلى نص وطباعة النص إلى وحدة التحكم.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    جرب أنواعًا مختلفة من الجمل، بالإضافة إلى الجمل التي تحتوي على كلمات تبدو متشابهة ولكن لها معانٍ مختلفة. على سبيل المثال، إذا كنت تتحدث باللغة الإنجليزية، قل "I want to buy two bananas and an apple too"، ولاحظ كيف سيتم استخدام الكلمات الصحيحة "to"، "two"، و"too" بناءً على سياق الكلمة، وليس فقط صوتها.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi).
+
+😀 لقد نجح برنامج تحويل الكلام إلى نص الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..5434f4e2
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-27T00:33:26+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "ar"
+}
+-->
+# التقاط الصوت - جهاز إنترنت الأشياء الافتراضي
+
+مكتبات Python التي ستستخدمها لاحقًا في هذا الدرس لتحويل الكلام إلى نص تحتوي على ميزة التقاط الصوت مدمجة لأنظمة Windows وmacOS وLinux. لا تحتاج إلى القيام بأي شيء هنا.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..4a3884c3
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-27T00:33:58+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "ar"
+}
+-->
+# إعداد الميكروفون ومكبرات الصوت - الأجهزة الافتراضية لإنترنت الأشياء
+
+ستستخدم الأجهزة الافتراضية لإنترنت الأشياء ميكروفونًا ومكبرات صوت متصلة بجهاز الكمبيوتر الخاص بك.
+
+إذا لم يكن جهاز الكمبيوتر الخاص بك يحتوي على ميكروفون ومكبرات صوت مدمجة، فستحتاج إلى توصيلها باستخدام الأجهزة التي تختارها، مثل:
+
+* ميكروفون USB  
+* مكبرات صوت USB  
+* مكبرات صوت مدمجة في شاشتك ومتصلة عبر HDMI  
+* سماعة رأس تعمل بتقنية Bluetooth  
+
+راجع تعليمات الشركة المصنعة للأجهزة لتثبيت هذه الأجهزة وتكوينها.
+
+---
+
+**إخلاء المسؤولية**:  
+تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..68d543ac
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-27T00:23:43+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "ar"
+}
+-->
+# تحويل الكلام إلى نص - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستكتب كودًا لتحويل الكلام الملتقط من الميكروفون الخاص بك إلى نص باستخدام خدمة التعرف على الكلام.
+
+## تحويل الكلام إلى نص
+
+على أنظمة Windows وLinux وmacOS، يمكن استخدام Python SDK الخاص بخدمات التعرف على الكلام للاستماع إلى الميكروفون وتحويل أي كلام يتم اكتشافه إلى نص. سيستمع البرنامج بشكل مستمر، حيث يكتشف مستويات الصوت ويرسل الكلام للتحويل إلى نص عندما ينخفض مستوى الصوت، مثلما يحدث في نهاية فقرة من الكلام.
+
+### المهمة - تحويل الكلام إلى نص
+
+1. قم بإنشاء تطبيق Python جديد على جهاز الكمبيوتر الخاص بك في مجلد يسمى `smart-timer` يحتوي على ملف واحد يسمى `app.py` وبيئة افتراضية لـ Python.
+
+1. قم بتثبيت حزمة Pip الخاصة بخدمات التعرف على الكلام. تأكد من تثبيتها من خلال نافذة طرفية مع تفعيل البيئة الافتراضية.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ إذا واجهت الخطأ التالي:
+    >
+    > ```output
+    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
+    > ERROR: No matching distribution found for azure-cognitiveservices-speech
+    > ```
+    >
+    > ستحتاج إلى تحديث Pip. قم بذلك باستخدام الأمر التالي، ثم حاول تثبيت الحزمة مرة أخرى:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. أضف الواردات التالية إلى ملف `app.py`:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    هذه الواردات تستخدم لاستيراد بعض الفئات المستخدمة للتعرف على الكلام.
+
+1. أضف الكود التالي لتحديد بعض الإعدادات:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    استبدل `<key>` بمفتاح API الخاص بخدمة التعرف على الكلام. استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مورد خدمة التعرف على الكلام.
+
+    استبدل `<language>` باسم اللغة التي ستتحدث بها، على سبيل المثال `en-GB` للغة الإنجليزية أو `zn-HK` للغة الكانتونية. يمكنك العثور على قائمة باللغات المدعومة وأسمائها في [وثائق دعم اللغة والصوت على موقع Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    يتم استخدام هذه الإعدادات لإنشاء كائن `SpeechConfig` الذي سيُستخدم لتكوين خدمات التعرف على الكلام.
+
+1. أضف الكود التالي لإنشاء أداة التعرف على الكلام:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. تعمل أداة التعرف على الكلام في خلفية التطبيق، حيث تستمع للصوت وتحول أي كلام يتم اكتشافه إلى نص. يمكنك الحصول على النص باستخدام دالة رد نداء (callback) - وهي دالة تقوم بتعريفها وتمريرها إلى أداة التعرف. في كل مرة يتم اكتشاف كلام، يتم استدعاء دالة رد النداء. أضف الكود التالي لتعريف دالة رد النداء وتمريرها إلى أداة التعرف، بالإضافة إلى تعريف دالة لمعالجة النص وكتابته إلى وحدة التحكم:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. لا تبدأ أداة التعرف على الكلام بالاستماع إلا عند تشغيلها صراحة. أضف الكود التالي لبدء عملية التعرف. تعمل هذه العملية في الخلفية، لذا سيحتاج تطبيقك إلى حلقة لا نهائية مع وضع السكون للحفاظ على تشغيل التطبيق.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. قم بتشغيل هذا التطبيق. تحدث في الميكروفون وسيتم تحويل الصوت إلى نص وعرضه في وحدة التحكم.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    جرب أنواعًا مختلفة من الجمل، بالإضافة إلى الجمل التي تحتوي على كلمات متشابهة في الصوت ولكن لها معانٍ مختلفة. على سبيل المثال، إذا كنت تتحدث باللغة الإنجليزية، قل "I want to buy two bananas and an apple too"، ولاحظ كيف سيتم استخدام الكلمات الصحيحة "to"، "two"، و"too" بناءً على سياق الكلمة، وليس فقط صوتها.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device).
+
+😀 لقد نجح برنامج تحويل الكلام إلى نص الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..e70e6ee2
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-27T00:25:04+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "ar"
+}
+-->
+# التقاط الصوت - Wio Terminal
+
+في هذا الجزء من الدرس، ستكتب كودًا لالتقاط الصوت باستخدام Wio Terminal الخاص بك. سيتم التحكم في التقاط الصوت بواسطة أحد الأزرار الموجودة في الجزء العلوي من Wio Terminal.
+
+## برمجة الجهاز لالتقاط الصوت
+
+يمكنك التقاط الصوت من الميكروفون باستخدام كود C++. يحتوي Wio Terminal على ذاكرة RAM بحجم 192KB فقط، وهي غير كافية لالتقاط أكثر من بضع ثوانٍ من الصوت. كما يحتوي على ذاكرة فلاش بحجم 4MB، والتي يمكن استخدامها بدلاً من ذلك، حيث يتم حفظ الصوت الملتقط في ذاكرة الفلاش.
+
+الميكروفون المدمج يلتقط إشارة تناظرية يتم تحويلها إلى إشارة رقمية يمكن لـ Wio Terminal استخدامها. عند التقاط الصوت، يجب التقاط البيانات في الوقت المناسب - على سبيل المثال، لالتقاط الصوت عند 16KHz، يجب التقاط الصوت 16,000 مرة في الثانية بالضبط، مع فواصل زمنية متساوية بين كل عينة. بدلاً من استخدام الكود الخاص بك للقيام بذلك، يمكنك استخدام وحدة التحكم في الوصول المباشر للذاكرة (DMAC). هذه الدائرة يمكنها التقاط إشارة من مكان ما وكتابتها في الذاكرة دون مقاطعة الكود الذي يعمل على المعالج.
+
+✅ اقرأ المزيد عن DMA على [صفحة الوصول المباشر للذاكرة على ويكيبيديا](https://wikipedia.org/wiki/Direct_memory_access).
+
+![الصوت من الميكروفون يذهب إلى ADC ثم إلى DMAC. يكتب هذا إلى أحد المخازن. عندما يمتلئ هذا المخزن، يتم معالجته ويكتب DMAC إلى مخزن آخر](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ar.png)
+
+يمكن لـ DMAC التقاط الصوت من ADC بفواصل زمنية ثابتة، مثل 16,000 مرة في الثانية للصوت عند 16KHz. يمكنه كتابة هذه البيانات الملتقطة إلى مخزن ذاكرة مخصص مسبقًا، وعندما يمتلئ، يصبح متاحًا للكود الخاص بك لمعالجته. استخدام هذه الذاكرة يمكن أن يؤخر التقاط الصوت، ولكن يمكنك إعداد مخازن متعددة. يكتب DMAC إلى المخزن 1، ثم عندما يمتلئ، يُعلم الكود الخاص بك بمعالجة المخزن 1، بينما يكتب DMAC إلى المخزن 2. عندما يمتلئ المخزن 2، يُعلم الكود الخاص بك، ويعود إلى الكتابة في المخزن 1. بهذه الطريقة، طالما أنك تعالج كل مخزن في وقت أقل من الوقت الذي يستغرقه ملء واحد، فلن تفقد أي بيانات.
+
+بمجرد التقاط كل مخزن، يمكن كتابته إلى ذاكرة الفلاش. يجب كتابة ذاكرة الفلاش باستخدام عناوين محددة، مع تحديد مكان الكتابة وحجم الكتابة، مشابه لتحديث مصفوفة من البايتات في الذاكرة. ذاكرة الفلاش لديها خاصية الحبيبات، مما يعني أن عمليات المسح والكتابة تعتمد ليس فقط على كونها بحجم ثابت، ولكن أيضًا على التوافق مع هذا الحجم. على سبيل المثال، إذا كانت الحبيبات بحجم 4096 بايت وطلبت مسحًا عند العنوان 4200، فقد يمسح كل البيانات من العنوان 4096 إلى 8192. هذا يعني أنه عند كتابة بيانات الصوت إلى ذاكرة الفلاش، يجب أن تكون في أجزاء بالحجم الصحيح.
+
+### المهمة - إعداد ذاكرة الفلاش
+
+1. قم بإنشاء مشروع جديد تمامًا لـ Wio Terminal باستخدام PlatformIO. قم بتسمية هذا المشروع `smart-timer`. أضف كودًا في وظيفة `setup` لتكوين المنفذ التسلسلي.
+
+1. أضف تبعيات المكتبة التالية إلى ملف `platformio.ini` لتوفير الوصول إلى ذاكرة الفلاش:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. افتح ملف `main.cpp` وأضف التوجيه التالي لتضمين مكتبة ذاكرة الفلاش في أعلى الملف:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD تعني Serial Flash Universal Driver، وهي مكتبة مصممة للعمل مع جميع شرائح ذاكرة الفلاش.
+
+1. في وظيفة `setup`، أضف الكود التالي لإعداد مكتبة تخزين الفلاش:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    هذا الكود يقوم بالتكرار حتى يتم تهيئة مكتبة SFUD، ثم يقوم بتشغيل القراءة السريعة. يمكن الوصول إلى ذاكرة الفلاش المدمجة باستخدام واجهة QSPI (Queued Serial Peripheral Interface)، وهي نوع من وحدات التحكم SPI التي تسمح بالوصول المستمر عبر قائمة انتظار مع استخدام قليل للمعالج. هذا يجعل القراءة والكتابة إلى ذاكرة الفلاش أسرع.
+
+1. قم بإنشاء ملف جديد في مجلد `src` يسمى `flash_writer.h`.
+
+1. أضف ما يلي إلى أعلى هذا الملف:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    هذا يتضمن بعض ملفات الرأس المطلوبة، بما في ذلك ملف الرأس الخاص بمكتبة SFUD للتفاعل مع ذاكرة الفلاش.
+
+1. قم بتعريف صف في ملف الرأس الجديد يسمى `FlashWriter`:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. في القسم الخاص، أضف الكود التالي:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    هذا يحدد بعض الحقول للمخزن لاستخدامه لتخزين البيانات قبل كتابتها إلى ذاكرة الفلاش. هناك مصفوفة بايت، `_sfudBuffer`، لكتابة البيانات إليها، وعندما تمتلئ، يتم كتابة البيانات إلى ذاكرة الفلاش. الحقل `_sfudBufferPos` يخزن الموقع الحالي للكتابة في هذا المخزن، و `_sfudBufferWritePos` يخزن الموقع في ذاكرة الفلاش للكتابة إليه. `_flash` هو مؤشر لذاكرة الفلاش للكتابة إليها - بعض المتحكمات الدقيقة تحتوي على شرائح ذاكرة فلاش متعددة.
+
+1. أضف الطريقة التالية إلى القسم العام لتهيئة هذا الصف:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    هذا يقوم بتكوين ذاكرة الفلاش على Wio Terminal للكتابة إليها، ويقوم بإعداد المخازن بناءً على حجم الحبيبات لذاكرة الفلاش. يتم ذلك في طريقة `init` بدلاً من المُنشئ لأن هذا يحتاج إلى أن يتم استدعاؤه بعد إعداد ذاكرة الفلاش في وظيفة `setup`.
+
+1. أضف الكود التالي إلى القسم العام:
+
+    ```cpp
+    void writeSfudBuffer(byte b)
+    {
+        _sfudBuffer[_sfudBufferPos++] = b;
+        if (_sfudBufferPos == _sfudBufferSize)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+
+    void writeSfudBuffer(byte *b, size_t len)
+    {
+        for (size_t i = 0; i < len; ++i)
+        {
+            writeSfudBuffer(b[i]);
+        }
+    }
+
+    void flushSfudBuffer()
+    {
+        if (_sfudBufferPos > 0)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+    ```
+
+    هذا الكود يحدد طرقًا لكتابة البايتات إلى نظام تخزين الفلاش. يعمل عن طريق الكتابة إلى مخزن في الذاكرة بالحجم المناسب لذاكرة الفلاش، وعندما يمتلئ، يتم كتابته إلى ذاكرة الفلاش، مع مسح أي بيانات موجودة في ذلك الموقع. هناك أيضًا طريقة `flushSfudBuffer` لكتابة مخزن غير مكتمل، حيث أن البيانات التي يتم التقاطها لن تكون مضاعفات دقيقة لحجم الحبيبات، لذا يجب كتابة الجزء الأخير من البيانات.
+
+    > 💁 الجزء الأخير من البيانات سيكتب بيانات إضافية غير مرغوب فيها، ولكن هذا مقبول حيث سيتم قراءة البيانات المطلوبة فقط.
+
+### المهمة - إعداد التقاط الصوت
+
+1. قم بإنشاء ملف جديد في مجلد `src` يسمى `config.h`.
+
+1. أضف ما يلي إلى أعلى هذا الملف:
+
+    ```cpp
+    #pragma once
+
+    #define RATE 16000
+    #define SAMPLE_LENGTH_SECONDS 4
+    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
+    #define BUFFER_SIZE (SAMPLES * 2) + 44
+    #define ADC_BUF_LEN 1600
+    ```
+
+    هذا الكود يقوم بإعداد بعض الثوابت لالتقاط الصوت.
+
+    | الثابت               | القيمة  | الوصف |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | معدل العينات للصوت. 16,000 هو 16KHz |
+    | SAMPLE_LENGTH_SECONDS | 4      | طول الصوت الذي سيتم التقاطه. يتم ضبطه على 4 ثوانٍ. لتسجيل صوت أطول، قم بزيادة هذا. |
+    | SAMPLES               | 64000  | العدد الإجمالي لعينات الصوت التي سيتم التقاطها. يتم ضبطه على معدل العينات * عدد الثواني |
+    | BUFFER_SIZE           | 128044 | حجم مخزن الصوت الذي سيتم التقاطه. سيتم التقاط الصوت كملف WAV، وهو 44 بايت للرأس، ثم 128,000 بايت لبيانات الصوت (كل عينة هي 2 بايت) |
+    | ADC_BUF_LEN           | 1600   | حجم المخازن لاستخدامها لالتقاط الصوت من DMAC |
+
+    > 💁 إذا وجدت أن 4 ثوانٍ قصيرة جدًا لطلب مؤقت، يمكنك زيادة قيمة `SAMPLE_LENGTH_SECONDS`، وسيتم إعادة حساب جميع القيم الأخرى.
+
+1. قم بإنشاء ملف جديد في مجلد `src` يسمى `mic.h`.
+
+1. أضف ما يلي إلى أعلى هذا الملف:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    هذا يتضمن بعض ملفات الرأس المطلوبة، بما في ذلك ملفات الرأس `config.h` و `FlashWriter`.
+
+1. أضف ما يلي لتعريف صف `Mic` يمكنه التقاط الصوت من الميكروفون:
+
+    ```cpp
+    class Mic
+    {
+    public:
+        Mic()
+        {
+            _isRecording = false;
+            _isRecordingReady = false;
+        }
+    
+        void startRecording()
+        {
+            _isRecording = true;
+            _isRecordingReady = false;
+        }
+    
+        bool isRecording()
+        {
+            return _isRecording;
+        }
+    
+        bool isRecordingReady()
+        {
+            return _isRecordingReady;
+        }
+    
+    private:
+        volatile bool _isRecording;
+        volatile bool _isRecordingReady;
+        FlashWriter _writer;
+    };
+    
+    Mic mic;
+    ```
+
+    هذا الصف يحتوي حاليًا فقط على بعض الحقول لتتبع ما إذا كان التسجيل قد بدأ، وما إذا كان التسجيل جاهزًا للاستخدام. عندما يتم إعداد DMAC، فإنه يكتب باستمرار إلى مخازن الذاكرة، لذا فإن العلم `_isRecording` يحدد ما إذا كان يجب معالجة هذه المخازن أو تجاهلها. سيتم ضبط العلم `_isRecordingReady` عندما يتم التقاط 4 ثوانٍ من الصوت المطلوبة. الحقل `_writer` يُستخدم لحفظ بيانات الصوت إلى ذاكرة الفلاش.
+
+    يتم بعد ذلك إعلان متغير عالمي كمثال لصف `Mic`.
+
+1. أضف الكود التالي إلى القسم الخاص في صف `Mic`:
+
+    ```cpp
+    typedef struct
+    {
+        uint16_t btctrl;
+        uint16_t btcnt;
+        uint32_t srcaddr;
+        uint32_t dstaddr;
+        uint32_t descaddr;
+    } dmacdescriptor;
+
+    // Globals - DMA and ADC
+    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor __attribute__((aligned(16)));
+
+    void configureDmaAdc()
+    {
+        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
+        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
+        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
+        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
+        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
+                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        // Configure NVIC
+        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
+        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
+
+        // Activate the suspend (SUSP) interrupt on DMAC channel 1
+        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
+
+        // Configure ADC
+        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
+        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
+            ;                              // Wait for synchronization
+        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
+        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
+            ;                                         // Wait for synchronization
+        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
+        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
+                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
+        while (ADC1->SYNCBUSY.bit.CTRLB)
+            ;                       // Wait for synchronization
+        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
+        while (ADC1->SYNCBUSY.bit.ENABLE)
+            ;                       // Wait for synchronization
+        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
+        while (ADC1->SYNCBUSY.bit.SWTRIG)
+            ; // Wait for synchronization
+
+        // Enable DMA channel 1
+        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
+
+        // Configure Timer/Counter 5
+        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
+                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
+
+        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
+        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
+        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
+            ; // Wait for synchronization
+
+        // Start Timer/Counter 5
+        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
+        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
+            ; // Wait for synchronization
+    }
+
+    uint16_t _adc_buf_0[ADC_BUF_LEN];
+    uint16_t _adc_buf_1[ADC_BUF_LEN];
+    ```
+
+    هذا الكود يحدد طريقة `configureDmaAdc` التي تقوم بتكوين DMAC، وربطه بـ ADC وضبطه لملء مخزنين مختلفين بالتناوب، `_adc_buf_0` و `_adc_buf_1`.
+
+    > 💁 أحد عيوب تطوير المتحكمات الدقيقة هو تعقيد الكود المطلوب للتفاعل مع الأجهزة، حيث يعمل الكود الخاص بك على مستوى منخفض جدًا يتفاعل مباشرة مع الأجهزة. هذا الكود أكثر تعقيدًا مما قد تكتبه لجهاز كمبيوتر أحادي اللوحة أو جهاز كمبيوتر مكتبي حيث لا يوجد نظام تشغيل للمساعدة. هناك بعض المكتبات المتاحة التي يمكن أن تبسط هذا، ولكن لا يزال هناك الكثير من التعقيد.
+
+1. أسفل هذا، أضف الكود التالي:
+
+    ```cpp
+    // WAV files have a header. This struct defines that header
+    struct wavFileHeader
+    {
+        char riff[4];         /* "RIFF"                                  */
+        long flength;         /* file length in bytes                    */
+        char wave[4];         /* "WAVE"                                  */
+        char fmt[4];          /* "fmt "                                  */
+        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
+        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
+        short num_chans;      /* 1=mono, 2=stereo                        */
+        long srate;           /* Sampling rate in samples per second     */
+        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
+        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
+        short bits_per_samp;  /* Number of bits per sample               */
+        char data[4];         /* "data"                                  */
+        long dlength;         /* data length in bytes (filelength - 44)  */
+    };
+
+    void initBufferHeader()
+    {
+        wavFileHeader wavh;
+
+        strncpy(wavh.riff, "RIFF", 4);
+        strncpy(wavh.wave, "WAVE", 4);
+        strncpy(wavh.fmt, "fmt ", 4);
+        strncpy(wavh.data, "data", 4);
+
+        wavh.chunk_size = 16;
+        wavh.format_tag = 1; // PCM
+        wavh.num_chans = 1;  // mono
+        wavh.srate = RATE;
+        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
+        wavh.bytes_per_samp = 2;
+        wavh.bits_per_samp = 16;
+        wavh.dlength = RATE * 2 * 1 * 16 / 2;
+        wavh.flength = wavh.dlength + 44;
+
+        _writer.writeSfudBuffer((byte *)&wavh, 44);
+    }
+    ```
+
+    هذا الكود يحدد رأس ملف WAV كهيكل يشغل 44 بايت من الذاكرة. يكتب تفاصيل إلى هذا الرأس حول معدل الملف الصوتي، الحجم، وعدد القنوات. يتم بعد ذلك كتابة هذا الرأس إلى ذاكرة الفلاش.
+
+1. أسفل هذا الكود، أضف ما يلي لإعلان طريقة يتم استدعاؤها عندما تكون مخازن الصوت جاهزة للمعالجة:
+
+    ```cpp
+    void audioCallback(uint16_t *buf, uint32_t buf_len)
+    {
+        static uint32_t idx = 44;
+
+        if (_isRecording)
+        {
+            for (uint32_t i = 0; i < buf_len; i++)
+            {
+                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
+
+                _writer.writeSfudBuffer(audio_value & 0xFF);
+                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
+            }
+
+            idx += buf_len;
+                
+            if (idx >= BUFFER_SIZE)
+            {
+                _writer.flushSfudBuffer();
+                idx = 44;
+                _isRecording = false;
+                _isRecordingReady = true;
+            }
+        }
+    }
+    ```
+
+    مخازن الصوت هي مصفوفات من أعداد صحيحة 16 بت تحتوي على الصوت من ADC. يقوم ADC بإرجاع قيم غير موقعة 12 بت (0-1023)، لذا يجب تحويلها إلى قيم موقعة 16 بت، ثم تحويلها إلى 2 بايت ليتم تخزينها كبيانات ثنائية خام.
+
+    يتم كتابة هذه البايتات إلى مخازن ذاكرة الفلاش. تبدأ الكتابة عند الفهرس 44 - هذا هو الإزاحة من 44 بايت المكتوبة كرأس ملف WAV. بمجرد التقاط جميع البايتات المطلوبة لطول الصوت المطلوب، يتم كتابة البيانات المتبقية إلى ذاكرة الفلاش.
+
+1. في القسم العام من صف `Mic`، أضف الكود التالي:
+
+    ```cpp
+    void dmaHandler()
+    {
+        static uint8_t count = 0;
+
+        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
+        {
+            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
+            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
+
+            if (count)
+            {
+                audioCallback(_adc_buf_0, ADC_BUF_LEN);
+            }
+            else
+            {
+                audioCallback(_adc_buf_1, ADC_BUF_LEN);
+            }
+
+            count = (count + 1) % 2;
+        }
+    }
+    ```
+
+    هذا الكود سيتم استدعاؤه بواسطة DMAC لإخبار الكود الخاص بك بمعالجة المخازن. يتحقق من وجود بيانات لمعالجتها، ويستدعي طريقة `audioCallback` مع المخزن المناسب.
+
+1. خارج الصف، بعد إعلان `Mic mic;`، أضف الكود التالي:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    سيتم استدعاء `DMAC_1_Handler` بواسطة DMAC عندما تكون المخازن جاهزة للمعالجة. يتم العثور على هذه الوظيفة بالاسم، لذا تحتاج فقط إلى الوجود ليتم استدعاؤها.
+
+1. أضف الطريقتين التاليتين إلى القسم العام من صف `Mic`:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    تحتوي طريقة `init` على كود لتهيئة صف `Mic`. تقوم هذه الطريقة بضبط الجهد الصحيح لدبوس الميكروفون، إعداد كاتب ذاكرة الفلاش، كتابة رأس ملف WAV، وتكوين DMAC. طريقة `reset` تعيد ضبط ذاكرة الفلاش وتعيد كتابة الرأس بعد التقاط الصوت واستخدامه.
+
+### المهمة - التقاط الصوت
+
+1. في ملف `main.cpp`، أضف توجيه تضمين لملف الرأس `mic.h`:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. في وظيفة `setup`، قم بتهيئة زر C. سيبدأ التقاط الصوت عند الضغط على هذا الزر، ويستمر لمدة 4 ثوانٍ:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. أسفل هذا، قم بتهيئة الميكروفون، ثم اطبع إلى وحدة التحكم أن الصوت جاهز ليتم التقاطه:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. فوق وظيفة `loop`، قم بتعريف وظيفة لمعالجة الصوت الملتقط. في الوقت الحالي، لا تفعل هذه الوظيفة شيئًا، ولكن لاحقًا في هذا الدرس ستقوم بإرسال الكلام ليتم تحويله إلى نص:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. أضف ما يلي إلى وظيفة `loop`:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
+        {
+            Serial.println("Starting recording...");
+            mic.startRecording();
+        }
+    
+        if (!mic.isRecording() && mic.isRecordingReady())
+        {
+            Serial.println("Finished recording");
+    
+            processAudio();
+    
+            mic.reset();
+        }
+    }
+    ```
+
+    هذا الكود يتحقق من زر C، وإذا تم الضغط عليه ولم يبدأ التسجيل، يتم ضبط العلم `_isRecording` في صف `Mic` على true. هذا سيؤدي إلى أن تقوم طريقة `audioCallback` في صف `Mic` بتخزين الصوت حتى يتم التقاط 4 ثوانٍ. بمجرد التقاط 4 ثوانٍ من الصوت، يتم ضبط العلم `_isRecording` على false، ويتم ضبط العلم `_isRecordingReady` على true. يتم بعد ذلك التحقق من هذا العلم في وظيفة `loop`، وعندما يكون true يتم استدعاء وظيفة `processAudio`، ثم يتم إعادة ضبط صف `Mic`.
+
+1. قم ببناء هذا الكود، ورفعه إلى Wio Terminal الخاص بك واختبره من خلال المراقب التسلسلي. اضغط على زر C (الزر الموجود على الجانب الأيسر، الأقرب إلى مفتاح التشغيل)، وتحدث. سيتم التقاط 4 ثوانٍ من الصوت.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Ready.
+    Starting recording...
+    Finished recording
+    ```
+💁 يمكنك العثور على هذا الكود في [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) المجلد.
+😀 لقد نجح برنامج تسجيل الصوت الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..c3cb4568
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-27T00:31:27+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "ar"
+}
+-->
+# إعداد الميكروفون ومكبرات الصوت - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بإضافة مكبرات صوت إلى Wio Terminal الخاص بك. يحتوي Wio Terminal بالفعل على ميكروفون مدمج يمكن استخدامه لالتقاط الصوت.
+
+## الأجهزة
+
+يحتوي Wio Terminal بالفعل على ميكروفون مدمج يمكن استخدامه لالتقاط الصوت للتعرف على الكلام.
+
+![الميكروفون في Wio Terminal](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ar.png)
+
+لإضافة مكبر صوت، يمكنك استخدام [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html). هذه لوحة خارجية تحتوي على ميكروفونين MEMS، بالإضافة إلى موصل مكبر صوت ومقبس سماعات.
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ar.png)
+
+ستحتاج إلى إضافة سماعات رأس، أو مكبر صوت بمنفذ 3.5 ملم، أو مكبر صوت بمنفذ JST مثل [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html).
+
+لتوصيل ReSpeaker 2-Mics Pi Hat، ستحتاج إلى كابلات توصيل 40 دبوس (تُعرف أيضًا بكابلات ذكر-ذكر).
+
+> 💁 إذا كنت مرتاحًا مع اللحام، يمكنك استخدام [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) لتوصيل ReSpeaker.
+
+ستحتاج أيضًا إلى بطاقة SD لتنزيل وتشغيل الصوت. يدعم Wio Terminal بطاقات SD حتى حجم 16 جيجابايت، ويجب أن تكون مهيأة بنظام ملفات FAT32 أو exFAT.
+
+### المهمة - توصيل ReSpeaker Pi Hat
+
+1. مع إيقاف تشغيل Wio Terminal، قم بتوصيل ReSpeaker 2-Mics Pi Hat بـ Wio Terminal باستخدام كابلات التوصيل ومآخذ GPIO الموجودة في الجزء الخلفي من Wio Terminal:
+
+    يجب توصيل الدبابيس بهذه الطريقة:
+
+    ![مخطط الدبابيس](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ar.png)
+
+1. ضع ReSpeaker وWio Terminal بحيث تكون مآخذ GPIO مواجهة للأعلى وعلى الجانب الأيسر.
+
+1. ابدأ من المقبس الموجود في أعلى يسار مقبس GPIO على ReSpeaker. قم بتوصيل كابل توصيل من المقبس العلوي الأيسر لـ ReSpeaker إلى المقبس العلوي الأيسر لـ Wio Terminal.
+
+1. كرر هذه العملية على طول مآخذ GPIO الموجودة على الجانب الأيسر. تأكد من أن الدبابيس مثبتة بإحكام.
+
+    ![ReSpeaker مع الدبابيس اليسرى متصلة بالدبابيس اليسرى لـ Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ar.png)
+
+    ![ReSpeaker مع الدبابيس اليسرى متصلة بالدبابيس اليسرى لـ Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ar.png)
+
+    > 💁 إذا كانت كابلات التوصيل متصلة في شرائط، احتفظ بها معًا - فهذا يسهل التأكد من أنك قمت بتوصيل جميع الكابلات بالترتيب.
+
+1. كرر العملية باستخدام مآخذ GPIO اليمنى على ReSpeaker وWio Terminal. يجب أن تمر هذه الكابلات حول الكابلات الموجودة بالفعل.
+
+    ![ReSpeaker مع الدبابيس اليمنى متصلة بالدبابيس اليمنى لـ Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ar.png)
+
+    ![ReSpeaker مع الدبابيس اليمنى متصلة بالدبابيس اليمنى لـ Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ar.png)
+
+    > 💁 إذا كانت كابلات التوصيل متصلة في شرائط، قم بتقسيمها إلى شريطين. مرر كل شريط على جانب من الكابلات الموجودة.
+
+    > 💁 يمكنك استخدام شريط لاصق لتثبيت الدبابيس في كتلة للمساعدة في منع خروج أي منها أثناء التوصيل.
+    >
+    > ![الدبابيس مثبتة بشريط لاصق](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ar.png)
+
+1. ستحتاج إلى إضافة مكبر صوت.
+
+    * إذا كنت تستخدم مكبر صوت بكابل JST، قم بتوصيله بمنفذ JST على ReSpeaker.
+
+      ![مكبر صوت متصل بـ ReSpeaker بكابل JST](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ar.png)
+
+    * إذا كنت تستخدم مكبر صوت بمنفذ 3.5 ملم أو سماعات رأس، أدخلها في مقبس 3.5 ملم.
+
+      ![مكبر صوت متصل بـ ReSpeaker عبر مقبس 3.5 ملم](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ar.png)
+
+### المهمة - إعداد بطاقة SD
+
+1. قم بتوصيل بطاقة SD بجهاز الكمبيوتر الخاص بك باستخدام قارئ خارجي إذا لم يكن لديك منفذ بطاقة SD.
+
+1. قم بتهيئة بطاقة SD باستخدام الأداة المناسبة على جهاز الكمبيوتر الخاص بك، مع التأكد من استخدام نظام ملفات FAT32 أو exFAT.
+
+1. أدخل بطاقة SD في منفذ بطاقة SD الموجود على الجانب الأيسر من Wio Terminal، أسفل زر التشغيل. تأكد من أن البطاقة دخلت بالكامل ونقرت في مكانها - قد تحتاج إلى أداة رفيعة أو بطاقة SD أخرى للمساعدة في دفعها بالكامل.
+
+    ![إدخال بطاقة SD في منفذ بطاقة SD أسفل مفتاح التشغيل](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ar.png)
+
+    > 💁 لإخراج بطاقة SD، تحتاج إلى دفعها قليلاً وستخرج. ستحتاج إلى أداة رفيعة للقيام بذلك مثل مفك مسطح الرأس أو بطاقة SD أخرى.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..69a5f27e
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-27T00:27:50+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "ar"
+}
+-->
+# تحويل الكلام إلى نص - Wio Terminal
+
+في هذا الجزء من الدرس، ستكتب كودًا لتحويل الكلام في الصوت المسجل إلى نص باستخدام خدمة الكلام.
+
+## إرسال الصوت إلى خدمة الكلام
+
+يمكن إرسال الصوت إلى خدمة الكلام باستخدام واجهة برمجة التطبيقات REST. لاستخدام خدمة الكلام، تحتاج أولاً إلى طلب رمز وصول، ثم استخدام هذا الرمز للوصول إلى واجهة برمجة التطبيقات REST. تنتهي صلاحية رموز الوصول بعد 10 دقائق، لذا يجب أن يطلب الكود الخاص بك هذه الرموز بانتظام لضمان تحديثها دائمًا.
+
+### المهمة - الحصول على رمز الوصول
+
+1. افتح مشروع `smart-timer` إذا لم يكن مفتوحًا بالفعل.
+
+1. أضف تبعيات المكتبة التالية إلى ملف `platformio.ini` للوصول إلى WiFi ومعالجة JSON:
+
+    ```ini
+    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+1. أضف الكود التالي إلى ملف الرأس `config.h`:
+
+    ```cpp
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    
+    const char *SPEECH_API_KEY = "<API_KEY>";
+    const char *SPEECH_LOCATION = "<LOCATION>";
+    const char *LANGUAGE = "<LANGUAGE>";
+
+    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
+    ```
+
+    استبدل `<SSID>` و `<PASSWORD>` بالقيم المناسبة لشبكة WiFi الخاصة بك.
+
+    استبدل `<API_KEY>` بمفتاح API الخاص بمورد خدمة الكلام. استبدل `<LOCATION>` بالموقع الذي استخدمته عند إنشاء مورد خدمة الكلام.
+
+    استبدل `<LANGUAGE>` باسم اللغة التي ستتحدث بها، على سبيل المثال `en-GB` للإنجليزية أو `zn-HK` للكانتونية. يمكنك العثور على قائمة باللغات المدعومة وأسماء المواقع الخاصة بها في [وثائق دعم اللغة والصوت على Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    الثابت `TOKEN_URL` هو عنوان URL لمصدر الرموز بدون الموقع. سيتم دمجه مع الموقع لاحقًا للحصول على عنوان URL الكامل.
+
+1. تمامًا مثل الاتصال بـ Custom Vision، ستحتاج إلى استخدام اتصال HTTPS للاتصال بخدمة إصدار الرموز. أضف الكود التالي إلى نهاية `config.h`:
+
+    ```cpp
+    const char *TOKEN_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    هذه هي نفس الشهادة التي استخدمتها عند الاتصال بـ Custom Vision.
+
+1. أضف تضمينًا لملف الرأس الخاص بـ WiFi وملف الرأس الخاص بـ config إلى أعلى ملف `main.cpp`:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. أضف كودًا للاتصال بـ WiFi في `main.cpp` فوق وظيفة `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. استدعِ هذه الوظيفة من وظيفة `setup` بعد إنشاء الاتصال التسلسلي:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. أنشئ ملف رأس جديد في مجلد `src` يسمى `speech_to_text.h`. في هذا الملف، أضف الكود التالي:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "mic.h"
+    
+    class SpeechToText
+    {
+    public:
+
+    private:
+
+    };
+
+    SpeechToText speechToText;
+    ```
+
+    يتضمن هذا بعض ملفات الرأس الضرورية لاتصال HTTP، التكوين وملف الرأس `mic.h`، ويعرّف فئة تسمى `SpeechToText`، قبل إعلان مثيل لهذه الفئة يمكن استخدامه لاحقًا.
+
+1. أضف الحقلين التاليين إلى القسم `private` من هذه الفئة:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client` هو عميل WiFi يستخدم HTTPS وسيتم استخدامه للحصول على رمز الوصول. سيتم تخزين هذا الرمز لاحقًا في `_access_token`.
+
+1. أضف الطريقة التالية إلى القسم `private`:
+
+    ```cpp
+    String getAccessToken()
+    {
+        char url[128];
+        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
+    
+        HTTPClient httpClient;
+        httpClient.begin(_token_client, url);
+    
+        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
+        int httpResultCode = httpClient.POST("{}");
+    
+        if (httpResultCode != 200)
+        {
+            Serial.println("Error getting access token, trying again...");
+            delay(10000);
+            return getAccessToken();
+        }
+    
+        Serial.println("Got access token.");
+        String result = httpClient.getString();
+    
+        httpClient.end();
+    
+        return result;
+    }
+    ```
+
+    يقوم هذا الكود ببناء عنوان URL لواجهة برمجة التطبيقات الخاصة بمصدر الرموز باستخدام موقع مورد الكلام. ثم ينشئ `HTTPClient` لإجراء طلب الويب، ويقوم بإعداده لاستخدام عميل WiFi المكوّن بشهادة نقاط نهاية الرموز. يضع مفتاح API كعنوان للطلب. ثم يقوم بإجراء طلب POST للحصول على الشهادة، ويعيد المحاولة إذا حصل على أي أخطاء. وأخيرًا يتم إرجاع رمز الوصول.
+
+1. إلى القسم `public`، أضف طريقة للحصول على رمز الوصول. ستكون هذه الطريقة مطلوبة في الدروس اللاحقة لتحويل النص إلى كلام.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. إلى القسم `public`، أضف طريقة `init` لإعداد عميل الرموز:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    يقوم هذا بتعيين الشهادة على عميل WiFi، ثم يحصل على رمز الوصول.
+
+1. في `main.cpp`، أضف ملف الرأس الجديد إلى توجيهات التضمين:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. قم بتهيئة فئة `SpeechToText` في نهاية وظيفة `setup`، بعد استدعاء `mic.init` ولكن قبل كتابة `Ready` إلى المراقب التسلسلي:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### المهمة - قراءة الصوت من ذاكرة الفلاش
+
+1. في جزء سابق من هذا الدرس، تم تسجيل الصوت في ذاكرة الفلاش. يجب إرسال هذا الصوت إلى واجهة برمجة التطبيقات REST الخاصة بخدمات الكلام، لذا يجب قراءته من ذاكرة الفلاش. لا يمكن تحميله في ذاكرة مؤقتة لأنه سيكون كبيرًا جدًا. يمكن لفئة `HTTPClient` التي تقوم بإجراء طلبات REST أن تبث البيانات باستخدام Arduino Stream - وهي فئة يمكنها تحميل البيانات في أجزاء صغيرة، وإرسال الأجزاء واحدة تلو الأخرى كجزء من الطلب. في كل مرة تستدعي `read` على stream، يتم إرجاع الكتلة التالية من البيانات. يمكن إنشاء stream من Arduino يمكنه القراءة من ذاكرة الفلاش. أنشئ ملفًا جديدًا يسمى `flash_stream.h` في مجلد `src`، وأضف الكود التالي إليه:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <HTTPClient.h>
+    #include <sfud.h>
+
+    #include "config.h"
+    
+    class FlashStream : public Stream
+    {
+    public:
+        virtual size_t write(uint8_t val)
+        {    
+        }
+    
+        virtual int available()
+        {
+        }
+    
+        virtual int read()
+        {
+        }
+    
+        virtual int peek()
+        {
+        }
+    private:
+    
+    };
+    ```
+
+    يعلن هذا عن فئة `FlashStream`، مشتقة من فئة Arduino `Stream`. هذه فئة مجردة - يجب على الفئات المشتقة تنفيذ بعض الطرق قبل أن يتم إنشاء مثيل للفئة، ويتم تعريف هذه الطرق في هذه الفئة.
+
+    ✅ اقرأ المزيد عن Arduino Streams في [وثائق Arduino Stream](https://www.arduino.cc/reference/en/language/functions/communication/stream/)
+
+1. أضف الحقول التالية إلى القسم `private`:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    يعرّف هذا ذاكرة مؤقتة مؤقتة لتخزين البيانات المقروءة من ذاكرة الفلاش، إلى جانب الحقول لتخزين الموضع الحالي عند القراءة من الذاكرة المؤقتة، العنوان الحالي للقراءة من ذاكرة الفلاش، وجهاز ذاكرة الفلاش.
+
+1. في القسم `private`، أضف الطريقة التالية:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    يقوم هذا الكود بالقراءة من ذاكرة الفلاش عند العنوان الحالي ويخزن البيانات في ذاكرة مؤقتة. ثم يزيد العنوان، بحيث تقرأ المكالمة التالية الكتلة التالية من الذاكرة. يتم تحديد حجم الذاكرة المؤقتة بناءً على أكبر كتلة سيرسلها `HTTPClient` إلى واجهة برمجة التطبيقات REST في وقت واحد.
+
+    > 💁 يجب مسح ذاكرة الفلاش باستخدام حجم الحبوب، أما القراءة فلا تحتاج لذلك.
+
+1. في القسم `public` من هذه الفئة، أضف منشئًا:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    يقوم هذا المنشئ بإعداد جميع الحقول لبدء القراءة من بداية كتلة ذاكرة الفلاش، ويقوم بتحميل أول كتلة من البيانات في الذاكرة المؤقتة.
+
+1. نفذ طريقة `write`. سيقوم هذا stream فقط بقراءة البيانات، لذا يمكن أن يفعل هذا لا شيء ويعيد 0:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. نفذ طريقة `peek`. تقوم هذه الطريقة بإرجاع البيانات عند الموضع الحالي دون تحريك stream. استدعاء `peek` عدة مرات سيعيد دائمًا نفس البيانات طالما لم يتم قراءة أي بيانات من stream.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. نفذ وظيفة `available`. تقوم هذه الوظيفة بإرجاع عدد البايتات التي يمكن قراءتها من stream، أو -1 إذا كان stream مكتملًا. بالنسبة لهذه الفئة، الحد الأقصى المتاح لن يكون أكثر من حجم كتلة HTTPClient. عندما يتم استخدام هذا stream في عميل HTTP، فإنه يستدعي هذه الوظيفة لمعرفة مقدار البيانات المتاحة، ثم يطلب هذا المقدار لإرساله إلى واجهة برمجة التطبيقات REST. لا نريد أن تكون كل كتلة أكبر من حجم كتلة HTTPClient، لذا إذا كان المتاح أكثر من ذلك، يتم إرجاع حجم الكتلة. إذا كان أقل، يتم إرجاع ما هو متاح. بمجرد بث جميع البيانات، يتم إرجاع -1.
+
+    ```cpp
+    virtual int available()
+    {
+        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
+        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
+
+        if (bytes_available == 0)
+        {
+            bytes_available = -1;
+        }
+
+        return bytes_available;
+    }
+    ```
+
+1. نفذ طريقة `read` لإرجاع البايت التالي من الذاكرة المؤقتة، مع زيادة الموضع. إذا تجاوز الموضع حجم الذاكرة المؤقتة، فإنه يملأ الذاكرة المؤقتة بالكتلة التالية من ذاكرة الفلاش ويعيد تعيين الموضع.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. في ملف الرأس `speech_to_text.h`، أضف توجيه تضمين لهذا الملف الجديد:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### المهمة - تحويل الكلام إلى نص
+
+1. يمكن تحويل الكلام إلى نص عن طريق إرسال الصوت إلى خدمة الكلام عبر واجهة برمجة التطبيقات REST. تحتوي واجهة برمجة التطبيقات REST هذه على شهادة مختلفة عن مصدر الرموز، لذا أضف الكود التالي إلى ملف الرأس `config.h` لتعريف هذه الشهادة:
+
+    ```cpp
+    const char *SPEECH_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
+        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
+        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
+        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
+        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
+        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
+        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
+        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
+        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
+        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
+        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
+        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
+        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
+        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
+        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
+        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. أضف ثابتًا إلى هذا الملف لعنوان URL الخاص بالكلام بدون الموقع. سيتم دمجه مع الموقع واللغة لاحقًا للحصول على عنوان URL الكامل.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. في ملف الرأس `speech_to_text.h`، في القسم `private` من فئة `SpeechToText`، عرّف حقلًا لعميل WiFi باستخدام شهادة الكلام:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. في طريقة `init`، قم بتعيين الشهادة على هذا العميل:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. أضف الكود التالي إلى القسم `public` من فئة `SpeechToText` لتعريف طريقة لتحويل الكلام إلى نص:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. أضف الكود التالي إلى هذه الطريقة لإنشاء عميل HTTP باستخدام عميل WiFi المكوّن بشهادة الكلام، واستخدام عنوان URL الخاص بالكلام مع الموقع واللغة:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. يجب تعيين بعض العناوين على الاتصال:
+
+    ```cpp
+    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
+    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
+    httpClient.addHeader("Accept", "application/json;text/xml");
+    ```
+
+    يقوم هذا بتعيين عناوين للتفويض باستخدام رمز الوصول، تنسيق الصوت باستخدام معدل العينة، ويحدد أن العميل يتوقع النتيجة كـ JSON.
+
+1. بعد ذلك، أضف الكود التالي لإجراء طلب واجهة برمجة التطبيقات REST:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    يقوم هذا بإنشاء `FlashStream` ويستخدمه لبث البيانات إلى واجهة برمجة التطبيقات REST.
+
+1. أسفل هذا، أضف الكود التالي:
+
+    ```cpp
+    String text = "";
+
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        text = obj["DisplayText"].as<String>();
+    }
+    else if (httpResponseCode == 401)
+    {
+        Serial.println("Access token expired, trying again with a new token");
+        _access_token = getAccessToken();
+        return convertSpeechToText();
+    }
+    else
+    {
+        Serial.print("Failed to convert text to speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    يقوم هذا الكود بالتحقق من رمز الاستجابة.
+
+    إذا كان 200، وهو رمز النجاح، يتم استرداد النتيجة، فك تشفيرها من JSON، ويتم تعيين خاصية `DisplayText` في المتغير `text`. هذه هي الخاصية التي يتم فيها إرجاع النص الذي يمثل الكلام.
+
+    إذا كان رمز الاستجابة 401، فإن رمز الوصول قد انتهت صلاحيته (هذه الرموز تستمر فقط لمدة 10 دقائق). يتم طلب رمز وصول جديد، ويتم إجراء المكالمة مرة أخرى.
+
+    خلاف ذلك، يتم إرسال خطأ إلى المراقب التسلسلي، ويتم ترك `text` فارغًا.
+
+1. أضف الكود التالي إلى نهاية هذه الطريقة لإغلاق عميل HTTP وإرجاع النص:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. في `main.cpp`، استدعِ طريقة `convertSpeechToText` الجديدة في وظيفة `processAudio`، ثم قم بتسجيل الكلام في المراقب التسلسلي:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. قم ببناء هذا الكود، ورفعه إلى Wio Terminal الخاص بك واختبره من خلال المراقب التسلسلي. بمجرد رؤية `Ready` في المراقب التسلسلي، اضغط على زر C (الزر الموجود على الجانب الأيسر، الأقرب إلى مفتاح التشغيل)، وتحدث. سيتم التقاط 4 ثوانٍ من الصوت، ثم تحويلها إلى نص.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal).
+
+😀 لقد نجحت في برنامج تحويل الكلام إلى نص!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/2-language-understanding/README.md b/translations/ar/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..3ec7370a
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-27T00:00:39+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "ar"
+}
+-->
+# فهم اللغة
+
+![نظرة عامة على هذا الدرس](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ar.jpg)
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). اضغط على الصورة لنسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## المقدمة
+
+في الدرس السابق، قمت بتحويل الكلام إلى نص. لكي يتم استخدام هذا النص لبرمجة مؤقت ذكي، يجب أن يكون الكود الخاص بك قادرًا على فهم ما قيل. يمكنك افتراض أن المستخدم سيتحدث بعبارة ثابتة مثل "اضبط مؤقتًا لمدة 3 دقائق"، وتحليل هذه العبارة لمعرفة مدة المؤقت، ولكن هذا ليس مريحًا جدًا للمستخدم. إذا قال المستخدم "اضبط مؤقتًا لمدة 3 دقائق"، فإنك أو أنا سنفهم ما يعنيه، ولكن الكود الخاص بك لن يفهم ذلك لأنه يتوقع عبارة ثابتة.
+
+هنا يأتي دور فهم اللغة، حيث يتم استخدام نماذج الذكاء الاصطناعي لتفسير النص وإرجاع التفاصيل المطلوبة. على سبيل المثال، يمكن للنموذج أن يفهم كلًا من "اضبط مؤقتًا لمدة 3 دقائق" و"اضبط مؤقتًا لمدة ثلاث دقائق"، ويستنتج أن المطلوب هو مؤقت لمدة 3 دقائق.
+
+في هذا الدرس، ستتعلم عن نماذج فهم اللغة، وكيفية إنشائها وتدريبها واستخدامها في الكود الخاص بك.
+
+في هذا الدرس سنتناول:
+
+* [فهم اللغة](../../../../../6-consumer/lessons/2-language-understanding)
+* [إنشاء نموذج لفهم اللغة](../../../../../6-consumer/lessons/2-language-understanding)
+* [النوايا والكيانات](../../../../../6-consumer/lessons/2-language-understanding)
+* [استخدام نموذج فهم اللغة](../../../../../6-consumer/lessons/2-language-understanding)
+
+## فهم اللغة
+
+استخدم البشر اللغة للتواصل منذ مئات الآلاف من السنين. نحن نتواصل بالكلمات أو الأصوات أو الأفعال ونفهم ما يُقال، ليس فقط معنى الكلمات أو الأصوات أو الأفعال، ولكن أيضًا سياقها. نحن نفهم الصدق والسخرية، مما يسمح لنفس الكلمات بأن تعني أشياء مختلفة بناءً على نبرة الصوت.
+
+✅ فكر في بعض المحادثات التي أجريتها مؤخرًا. كم من هذه المحادثات سيكون من الصعب على الكمبيوتر فهمها لأنها تحتاج إلى سياق؟
+
+فهم اللغة، الذي يُطلق عليه أيضًا فهم اللغة الطبيعية، هو جزء من مجال الذكاء الاصطناعي المعروف بمعالجة اللغة الطبيعية (NLP)، ويتعامل مع فهم النصوص، ومحاولة استيعاب تفاصيل الكلمات أو الجمل. إذا كنت تستخدم مساعدًا صوتيًا مثل Alexa أو Siri، فأنت قد استخدمت خدمات فهم اللغة. هذه الخدمات هي التي تحول "Alexa، شغّل أحدث ألبوم لتايلور سويفت" إلى ابنتي ترقص في غرفة المعيشة على أنغامها المفضلة.
+
+> 💁 على الرغم من كل التقدم الذي أحرزته أجهزة الكمبيوتر، إلا أنها لا تزال بعيدة عن فهم النصوص بشكل حقيقي. عندما نتحدث عن فهم اللغة بالنسبة للكمبيوترات، فإننا لا نعني شيئًا قريبًا من التواصل البشري، بل نعني أخذ بعض الكلمات واستخلاص التفاصيل الرئيسية منها.
+
+نحن كبشر نفهم اللغة دون الحاجة للتفكير في ذلك. إذا طلبت من شخص آخر "شغّل أحدث ألبوم لتايلور سويفت"، فإنه سيفهم فورًا ما أعنيه. بالنسبة للكمبيوتر، هذا أصعب. يجب عليه أن يأخذ الكلمات، التي تم تحويلها من الكلام إلى النص، ويستخلص المعلومات التالية:
+
+* يجب تشغيل الموسيقى
+* الموسيقى تخص الفنانة تايلور سويفت
+* الموسيقى المطلوبة هي ألبوم كامل يحتوي على عدة مقاطع مرتبة
+* لدى تايلور سويفت العديد من الألبومات، لذا يجب ترتيبها حسب التسلسل الزمني واختيار الأحدث
+
+✅ فكر في بعض الجمل الأخرى التي قلتها عند تقديم طلبات، مثل طلب القهوة أو طلب شيء من أحد أفراد العائلة. حاول تقسيمها إلى أجزاء من المعلومات التي يحتاج الكمبيوتر لاستخلاصها لفهم الجملة.
+
+نماذج فهم اللغة هي نماذج ذكاء اصطناعي يتم تدريبها لاستخلاص تفاصيل معينة من اللغة، ثم يتم تدريبها لمهام محددة باستخدام التعلم الانتقالي، بنفس الطريقة التي قمت بها بتدريب نموذج رؤية مخصص باستخدام مجموعة صغيرة من الصور. يمكنك أخذ نموذج، ثم تدريبه باستخدام النصوص التي تريد فهمها.
+
+## إنشاء نموذج لفهم اللغة
+
+![شعار LUIS](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ar.png)
+
+يمكنك إنشاء نماذج لفهم اللغة باستخدام LUIS، وهي خدمة لفهم اللغة مقدمة من مايكروسوفت كجزء من خدمات Cognitive Services.
+
+### المهمة - إنشاء مورد للتأليف
+
+لاستخدام LUIS، تحتاج إلى إنشاء مورد للتأليف.
+
+1. استخدم الأمر التالي لإنشاء مورد للتأليف في مجموعة الموارد `smart-timer`:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد.
+
+    > ⚠️ خدمة LUIS غير متوفرة في جميع المناطق، لذا إذا حصلت على الخطأ التالي:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > اختر منطقة مختلفة.
+
+    سيؤدي هذا إلى إنشاء مورد تأليف مجاني من فئة Free-tier.
+
+### المهمة - إنشاء تطبيق لفهم اللغة
+
+1. افتح بوابة LUIS على [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) في متصفحك، وقم بتسجيل الدخول باستخدام نفس الحساب الذي كنت تستخدمه مع Azure.
+
+1. اتبع التعليمات في الحوار لتحديد اشتراك Azure الخاص بك، ثم اختر مورد `smart-timer-luis-authoring` الذي قمت بإنشائه للتو.
+
+1. من قائمة *تطبيقات المحادثة*، اختر زر **تطبيق جديد** لإنشاء تطبيق جديد. قم بتسمية التطبيق الجديد `smart-timer`، واضبط *الثقافة* على لغتك.
+
+    > 💁 هناك حقل لمورد التنبؤ. يمكنك إنشاء مورد ثانٍ للتنبؤ، ولكن مورد التأليف المجاني يسمح بـ 1,000 تنبؤ شهريًا، وهو ما يكفي للتطوير، لذا يمكنك ترك هذا الحقل فارغًا.
+
+1. اقرأ الدليل الذي يظهر بمجرد إنشاء التطبيق لفهم الخطوات التي تحتاج إلى اتخاذها لتدريب نموذج فهم اللغة. أغلق هذا الدليل عند الانتهاء.
+
+## النوايا والكيانات
+
+يعتمد فهم اللغة على *النوايا* و*الكيانات*. النوايا هي ما تشير إليه الكلمات، مثل تشغيل الموسيقى، ضبط مؤقت، أو طلب الطعام. الكيانات هي ما تشير إليه النية، مثل الألبوم، مدة المؤقت، أو نوع الطعام. كل جملة يفسرها النموذج يجب أن تحتوي على نية واحدة على الأقل، وربما كيان أو أكثر.
+
+بعض الأمثلة:
+
+| الجملة                                            | النية            | الكيانات                                   |
+| ------------------------------------------------- | ---------------- | ------------------------------------------ |
+| "شغّل أحدث ألبوم لتايلور سويفت"                  | *تشغيل الموسيقى* | *أحدث ألبوم لتايلور سويفت*                |
+| "اضبط مؤقتًا لمدة 3 دقائق"                        | *ضبط مؤقت*       | *3 دقائق*                                 |
+| "ألغِ المؤقت الخاص بي"                            | *إلغاء المؤقت*   | لا شيء                                    |
+| "اطلب 3 بيتزا كبيرة بالأناناس وسلطة سيزر"         | *طلب طعام*       | *3 بيتزا كبيرة بالأناناس*، *سلطة سيزر*    |
+
+✅ مع الجمل التي فكرت بها سابقًا، ما هي النية وأي كيانات في تلك الجملة؟
+
+لتدريب LUIS، تبدأ بتحديد الكيانات. يمكن أن تكون هذه قائمة ثابتة من المصطلحات، أو يتم تعلمها من النص. على سبيل المثال، يمكنك تقديم قائمة ثابتة من الأطعمة المتوفرة في قائمتك، مع متغيرات (أو مرادفات) لكل كلمة، مثل *باذنجان* و*أوبرجين* كمرادفات لـ *باذنجان*. يحتوي LUIS أيضًا على كيانات مدمجة يمكن استخدامها، مثل الأرقام والمواقع.
+
+لضبط مؤقت، يمكنك إنشاء كيان واحد باستخدام الكيانات المدمجة للأرقام للوقت، وآخر للوحدات، مثل الدقائق والثواني. يجب أن تحتوي كل وحدة على عدة متغيرات لتغطية الأشكال المفردة والجمع - مثل دقيقة ودقائق.
+
+بمجرد تحديد الكيانات، تقوم بإنشاء النوايا. يتم تعلم هذه النوايا بواسطة النموذج بناءً على الجمل النموذجية التي تقدمها (المعروفة باسم العبارات). على سبيل المثال، لنية *ضبط مؤقت*، يمكنك تقديم الجمل التالية:
+
+* `اضبط مؤقتًا لمدة 1 ثانية`
+* `اضبط مؤقتًا لمدة 1 دقيقة و12 ثانية`
+* `اضبط مؤقتًا لمدة 3 دقائق`
+* `اضبط مؤقتًا لمدة 9 دقائق و30 ثانية`
+
+ثم تخبر LUIS بالأجزاء من هذه الجمل التي تتطابق مع الكيانات:
+
+![الجملة "اضبط مؤقتًا لمدة 1 دقيقة و12 ثانية" مقسمة إلى كيانات](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ar.png)
+
+الجملة `اضبط مؤقتًا لمدة 1 دقيقة و12 ثانية` تحتوي على النية `ضبط مؤقت`. كما تحتوي على كيانين، كل منهما له قيمتان:
+
+|            | الوقت | الوحدة   |
+| ---------- | ---: | -------- |
+| 1 دقيقة    | 1    | دقيقة    |
+| 12 ثانية   | 12   | ثانية    |
+
+لتدريب نموذج جيد، تحتاج إلى مجموعة متنوعة من الجمل النموذجية المختلفة لتغطية الطرق العديدة التي قد يطلب بها شخص ما نفس الشيء.
+
+> 💁 كما هو الحال مع أي نموذج ذكاء اصطناعي، كلما زادت البيانات ودقتها التي تستخدمها للتدريب، كان النموذج أفضل.
+
+✅ فكر في الطرق المختلفة التي قد تطلب بها نفس الشيء وتتوقع أن يفهمها الإنسان.
+
+### المهمة - إضافة كيانات إلى نماذج فهم اللغة
+
+بالنسبة للمؤقت، تحتاج إلى إضافة كيانين - واحد لوحدة الوقت (الدقائق أو الثواني)، وآخر لعدد الدقائق أو الثواني.
+
+يمكنك العثور على تعليمات استخدام بوابة LUIS في [Quickstart: Build your app in LUIS portal documentation on Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn).
+
+1. من بوابة LUIS، اختر علامة التبويب *الكيانات* وأضف كيان *number* المدمج عن طريق اختيار زر **إضافة كيان مدمج**، ثم اختيار *number* من القائمة.
+
+1. أنشئ كيانًا جديدًا لوحدة الوقت باستخدام زر **إنشاء**. قم بتسمية الكيان `time unit` واضبط النوع على *قائمة*. أضف قيمًا لـ `minute` و`second` إلى قائمة *القيم الموحدة*، وأضف الأشكال المفردة والجمع إلى قائمة *المرادفات*. اضغط على `return` بعد إضافة كل مرادف لإضافته إلى القائمة.
+
+    | القيمة الموحدة | المرادفات        |
+    | -------------- | ---------------- |
+    | minute         | دقيقة، دقائق     |
+    | second         | ثانية، ثوانٍ     |
+
+### المهمة - إضافة نوايا إلى نماذج فهم اللغة
+
+1. من علامة التبويب *النوايا*، اختر زر **إنشاء** لإنشاء نية جديدة. قم بتسمية هذه النية `set timer`.
+
+1. في الأمثلة، أدخل طرقًا مختلفة لضبط مؤقت باستخدام الدقائق والثواني، أو الجمع بينهما. يمكن أن تكون الأمثلة:
+
+    * `اضبط مؤقتًا لمدة 1 ثانية`
+    * `اضبط مؤقتًا لمدة 4 دقائق`
+    * `اضبط مؤقتًا لمدة أربع دقائق وست ثوانٍ`
+    * `اضبط مؤقتًا لمدة 9 دقائق و30 ثانية`
+    * `اضبط مؤقتًا لمدة 1 دقيقة و12 ثانية`
+    * `اضبط مؤقتًا لمدة 3 دقائق`
+    * `اضبط مؤقتًا لمدة 3 دقائق و1 ثانية`
+    * `اضبط مؤقتًا لمدة ثلاث دقائق وثانية واحدة`
+    * `اضبط مؤقتًا لمدة 1 دقيقة و1 ثانية`
+    * `اضبط مؤقتًا لمدة 30 ثانية`
+    * `اضبط مؤقتًا لمدة 1 ثانية`
+
+    قم بمزج الأرقام ككلمات وأرقام حتى يتعلم النموذج التعامل مع كليهما.
+
+1. أثناء إدخال كل مثال، سيبدأ LUIS في اكتشاف الكيانات، وسيقوم بتسطيرها ووضع تسميات عليها.
+
+    ![الأمثلة مع الأرقام ووحدات الوقت مسطرة بواسطة LUIS](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ar.png)
+
+### المهمة - تدريب واختبار النموذج
+
+1. بمجرد تكوين الكيانات والنوايا، يمكنك تدريب النموذج باستخدام زر **تدريب** في القائمة العلوية. اختر هذا الزر، وسيتم تدريب النموذج في غضون ثوانٍ. سيكون الزر غير نشط أثناء التدريب، وسيتم تفعيله مرة أخرى بمجرد الانتهاء.
+
+1. اختر زر **اختبار** من القائمة العلوية لاختبار نموذج فهم اللغة. أدخل نصًا مثل `اضبط مؤقتًا لمدة 5 دقائق و4 ثوانٍ` واضغط على return. ستظهر الجملة في مربع أسفل مربع النص الذي أدخلتها فيه، وأسفل ذلك ستظهر *النية الأعلى*، أو النية التي تم اكتشافها بأعلى احتمال. يجب أن تكون `set timer`. سيظهر اسم النية متبوعًا باحتمالية أن النية المكتشفة هي الصحيحة.
+
+1. اختر خيار **التفتيش** لرؤية تحليل النتائج. سترى النية الأعلى تسجيلًا مع نسبة احتمالها، بالإضافة إلى قوائم الكيانات المكتشفة.
+
+1. أغلق نافذة *الاختبار* عند الانتهاء من الاختبار.
+
+### المهمة - نشر النموذج
+
+لاستخدام هذا النموذج من الكود، تحتاج إلى نشره. عند النشر من LUIS، يمكنك النشر إما إلى بيئة تجريبية للاختبار، أو بيئة إنتاج للإصدار الكامل. في هذا الدرس، بيئة التجريب كافية.
+
+1. من بوابة LUIS، اختر زر **نشر** من القائمة العلوية.
+
+1. تأكد من اختيار *بيئة التجريب*، ثم اختر **تم**. ستظهر إشعار عند نشر التطبيق.
+
+1. يمكنك اختبار ذلك باستخدام curl. لبناء أمر curl، تحتاج إلى ثلاثة قيم - نقطة النهاية، معرف التطبيق (App ID) ومفتاح API. يمكن الوصول إلى هذه القيم من علامة التبويب **إدارة** التي يمكن اختيارها من القائمة العلوية.
+
+    1. من قسم *الإعدادات*، انسخ معرف التطبيق.
+1. من قسم *Azure Resources*، اختر *Authoring Resource*، ثم انسخ *Primary Key* و *Endpoint URL*.
+
+1. قم بتشغيل أمر curl التالي في موجه الأوامر أو الطرفية:
+
+    ```sh
+    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
+          --request GET \
+          --get \
+          --data "subscription-key=<primary key>" \
+          --data "verbose=false" \
+          --data "show-all-intents=true" \
+          --data-urlencode "query=<sentence>"
+    ```
+
+    استبدل `<endpoint url>` بـ Endpoint URL من قسم *Azure Resources*.
+
+    استبدل `<app id>` بـ App ID من قسم *Settings*.
+
+    استبدل `<primary key>` بـ Primary Key من قسم *Azure Resources*.
+
+    استبدل `<sentence>` بالجملة التي ترغب في اختبارها.
+
+1. سيكون ناتج هذا الاستدعاء مستند JSON يوضح تفاصيل الاستعلام، النية الرئيسية، وقائمة الكيانات المصنفة حسب النوع.
+
+    ```JSON
+    {
+        "query": "set a timer for 45 minutes and 12 seconds",
+        "prediction": {
+            "topIntent": "set timer",
+            "intents": {
+                "set timer": {
+                    "score": 0.97031575
+                },
+                "None": {
+                    "score": 0.02205793
+                }
+            },
+            "entities": {
+                "number": [
+                    45,
+                    12
+                ],
+                "time-unit": [
+                    [
+                        "minute"
+                    ],
+                    [
+                        "second"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    JSON أعلاه جاء من استعلام باستخدام `set a timer for 45 minutes and 12 seconds`:
+
+    * كانت `set timer` هي النية الرئيسية بنسبة احتمال 97%.
+    * تم اكتشاف كيانين من النوع *number*، وهما `45` و `12`.
+    * تم اكتشاف كيانين من النوع *time-unit*، وهما `minute` و `second`.
+
+## استخدام نموذج فهم اللغة
+
+بمجرد نشر نموذج LUIS، يمكن استدعاؤه من الكود. في الدروس السابقة، استخدمت IoT Hub للتعامل مع الاتصال بالخدمات السحابية، وإرسال البيانات والاستماع للأوامر. هذا النهج غير متزامن - بمجرد إرسال البيانات، لا ينتظر الكود استجابة، وإذا كانت الخدمة السحابية معطلة، فلن تعرف.
+
+بالنسبة لمؤقت ذكي، نريد استجابة فورية، حتى نتمكن من إبلاغ المستخدم بأن المؤقت قد تم ضبطه، أو تنبيهه بأن الخدمات السحابية غير متوفرة. لتحقيق ذلك، سيقوم جهاز IoT الخاص بنا باستدعاء نقطة نهاية ويب مباشرة بدلاً من الاعتماد على IoT Hub.
+
+بدلاً من استدعاء LUIS من جهاز IoT، يمكنك استخدام كود بدون خادم مع نوع مختلف من المشغلات - مشغل HTTP. يتيح ذلك لتطبيق الوظائف الخاص بك الاستماع لطلبات REST والرد عليها. ستكون هذه الوظيفة نقطة نهاية REST يمكن لجهازك استدعاؤها.
+
+> 💁 على الرغم من أنه يمكنك استدعاء LUIS مباشرة من جهاز IoT الخاص بك، إلا أنه من الأفضل استخدام شيء مثل الكود بدون خادم. بهذه الطريقة، عندما تريد تغيير تطبيق LUIS الذي تستدعيه، على سبيل المثال عند تدريب نموذج أفضل أو تدريب نموذج بلغة مختلفة، تحتاج فقط إلى تحديث الكود السحابي الخاص بك، بدلاً من إعادة نشر الكود على آلاف أو ملايين أجهزة IoT.
+
+### المهمة - إنشاء تطبيق وظائف بدون خادم
+
+1. أنشئ تطبيق وظائف Azure يسمى `smart-timer-trigger`، وافتحه في VS Code.
+
+1. أضف مشغل HTTP إلى هذا التطبيق يسمى `speech-trigger` باستخدام الأمر التالي من داخل الطرفية في VS Code:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    سيؤدي هذا إلى إنشاء مشغل HTTP يسمى `text-to-timer`.
+
+1. اختبر مشغل HTTP عن طريق تشغيل تطبيق الوظائف. عند تشغيله، سترى نقطة النهاية مدرجة في الإخراج:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    اختبر ذلك بتحميل [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) في متصفحك.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### المهمة - استخدام نموذج فهم اللغة
+
+1. يتوفر SDK لـ LUIS عبر حزمة Pip. أضف السطر التالي إلى ملف `requirements.txt` لإضافة الاعتماد على هذه الحزمة:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. تأكد من أن الطرفية في VS Code تحتوي على البيئة الافتراضية مفعلة، وقم بتشغيل الأمر التالي لتثبيت حزم Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 إذا واجهت أخطاء، قد تحتاج إلى ترقية pip باستخدام الأمر التالي:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. أضف إدخالات جديدة إلى ملف `local.settings.json` لمفتاح API الخاص بـ LUIS، وEndpoint URL، وApp ID من علامة التبويب **MANAGE** في بوابة LUIS:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    استبدل `<endpoint url>` بـ Endpoint URL من قسم *Azure Resources* في علامة التبويب **MANAGE**. سيكون هذا `https://<location>.api.cognitive.microsoft.com/`.
+
+    استبدل `<app id>` بـ App ID من قسم *Settings* في علامة التبويب **MANAGE**.
+
+    استبدل `<primary key>` بـ Primary Key من قسم *Azure Resources* في علامة التبويب **MANAGE**.
+
+1. أضف الواردات التالية إلى ملف `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    هذا يستورد بعض مكتبات النظام، بالإضافة إلى المكتبات للتفاعل مع LUIS.
+
+1. احذف محتويات طريقة `main`، وأضف الكود التالي:
+
+    ```python
+    luis_key = os.environ['LUIS_KEY']
+    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
+    app_id = os.environ['LUIS_APP_ID']
+    
+    credentials = CognitiveServicesCredentials(luis_key)
+    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
+    ```
+
+    يقوم هذا بتحميل القيم التي أضفتها إلى ملف `local.settings.json` لتطبيق LUIS الخاص بك، وينشئ كائن بيانات الاعتماد باستخدام مفتاح API الخاص بك، ثم ينشئ كائن عميل LUIS للتفاعل مع تطبيق LUIS الخاص بك.
+
+1. سيتم استدعاء مشغل HTTP هذا مع تمرير النص لفهمه كـ JSON، مع النص في خاصية تسمى `text`. يقوم الكود التالي باستخراج القيمة من جسم طلب HTTP، وتسجيلها في وحدة التحكم. أضف هذا الكود إلى وظيفة `main`:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. يتم طلب التنبؤات من LUIS عن طريق إرسال طلب تنبؤ - مستند JSON يحتوي على النص للتنبؤ. قم بإنشاء هذا باستخدام الكود التالي:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. يمكن بعد ذلك إرسال هذا الطلب إلى LUIS، باستخدام الفتحة المؤقتة التي تم نشر تطبيقك عليها:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. يحتوي استجابة التنبؤ على النية الرئيسية - النية ذات أعلى درجة تنبؤ، بالإضافة إلى الكيانات. إذا كانت النية الرئيسية هي `set timer`، فيمكن قراءة الكيانات للحصول على الوقت المطلوب للمؤقت:
+
+    ```python
+    if prediction_response.prediction.top_intent == 'set timer':
+        numbers = prediction_response.prediction.entities['number']
+        time_units = prediction_response.prediction.entities['time unit']
+        total_seconds = 0
+    ```
+
+    ستكون الكيانات من النوع `number` عبارة عن مصفوفة من الأرقام. على سبيل المثال، إذا قلت *"Set a four minute 17 second timer."*، فستحتوي مصفوفة `number` على عددين صحيحين - 4 و 17.
+
+    ستكون الكيانات من النوع `time unit` عبارة عن مصفوفة من المصفوفات تحتوي على سلاسل نصية، مع كل وحدة زمنية كمصفوفة داخل المصفوفة. على سبيل المثال، إذا قلت *"Set a four minute 17 second timer."*، فستحتوي مصفوفة `time unit` على مصفوفتين تحتوي كل منهما على قيمة واحدة - `['minute']` و `['second']`.
+
+    النسخة JSON لهذه الكيانات لـ *"Set a four minute 17 second timer."* هي:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    يعرف هذا الكود أيضًا عدادًا للوقت الإجمالي للمؤقت بالثواني. سيتم ملؤه بالقيم من الكيانات.
+
+1. الكيانات ليست مرتبطة، ولكن يمكننا افتراض بعض الأمور حولها. ستكون بالترتيب الذي تم التحدث به، لذا يمكن استخدام الموقع في المصفوفة لتحديد الرقم الذي يتطابق مع وحدة الزمن. على سبيل المثال:
+
+    * *"Set a 30 second timer"* - سيكون هناك رقم واحد، `30`، ووحدة زمنية واحدة، `second`، لذا سيتطابق الرقم الوحيد مع وحدة الزمن الوحيدة.
+    * *"Set a 2 minute and 30 second timer"* - سيكون هناك رقمان، `2` و `30`، ووحدتان زمنيتان، `minute` و `second`، لذا سيكون الرقم الأول للوحدة الزمنية الأولى (2 دقيقة)، والرقم الثاني للوحدة الزمنية الثانية (30 ثانية).
+
+    الكود التالي يحصل على عدد العناصر في كيانات الرقم، ويستخدم ذلك لاستخراج العنصر الأول من كل مصفوفة، ثم الثاني وهكذا. أضف هذا داخل كتلة `if`.
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    بالنسبة لـ *"Set a four minute 17 second timer."*، سيتكرر هذا مرتين، مما يعطي القيم التالية:
+
+    | عدد التكرارات | `number` | `time_unit` |
+    | ------------: | -------: | ----------- |
+    | 0             | 4        | minute      |
+    | 1             | 17       | second      |
+
+1. داخل هذا التكرار، استخدم الرقم ووحدة الزمن لحساب الوقت الإجمالي للمؤقت، مع إضافة 60 ثانية لكل دقيقة، وعدد الثواني لأي ثوانٍ.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. خارج هذا التكرار عبر الكيانات، قم بتسجيل الوقت الإجمالي للمؤقت:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. يجب إرجاع عدد الثواني من الوظيفة كاستجابة HTTP. في نهاية كتلة `if`، أضف ما يلي:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    يقوم هذا الكود بإنشاء حمولة تحتوي على العدد الإجمالي للثواني للمؤقت، ويحولها إلى سلسلة JSON ويعيدها كنتيجة HTTP مع رمز حالة 200، مما يعني أن الاستدعاء كان ناجحًا.
+
+1. أخيرًا، خارج كتلة `if`، تعامل مع حالة عدم التعرف على النية عن طريق إرجاع رمز خطأ:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 هو رمز الحالة لـ *غير موجود*.
+
+1. قم بتشغيل تطبيق الوظائف واختبره باستخدام curl.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    استبدل `<text>` بنص طلبك، على سبيل المثال `set a 2 minutes 27 second timer`.
+
+    سترى الإخراج التالي من تطبيق الوظائف:
+
+    ```output
+    Functions:
+
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    
+    For detailed output, run func with --verbose flag.
+    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
+    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
+    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
+    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
+    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
+    ```
+
+    سيعيد استدعاء curl ما يلي:
+
+    ```output
+    HTTP/1.1 200 OK
+    Date: Tue, 29 Jun 2021 01:14:11 GMT
+    Content-Type: text/plain; charset=utf-8
+    Server: Kestrel
+    Transfer-Encoding: chunked
+    
+    {"seconds": 147}
+    ```
+
+    عدد الثواني للمؤقت موجود في القيمة `"seconds"`.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions).
+
+### المهمة - جعل وظيفتك متاحة لجهاز IoT الخاص بك
+
+1. لكي يتمكن جهاز IoT الخاص بك من استدعاء نقطة النهاية REST الخاصة بك، سيحتاج إلى معرفة عنوان URL. عندما قمت بالوصول إليها سابقًا، استخدمت `localhost`، وهو اختصار للوصول إلى نقاط النهاية REST على جهازك المحلي. للسماح لجهاز IoT الخاص بك بالوصول، تحتاج إما إلى النشر إلى السحابة، أو الحصول على عنوان IP الخاص بك للوصول إليه محليًا.
+
+    > ⚠️ إذا كنت تستخدم Wio Terminal، فمن الأسهل تشغيل تطبيق الوظائف محليًا، حيث سيكون هناك اعتماد على مكتبات تعني أنك لا تستطيع نشر تطبيق الوظائف بنفس الطريقة التي قمت بها من قبل. قم بتشغيل تطبيق الوظائف محليًا وقم بالوصول إليه عبر عنوان IP الخاص بجهاز الكمبيوتر الخاص بك. إذا كنت تريد النشر إلى السحابة، سيتم توفير معلومات في درس لاحق حول كيفية القيام بذلك.
+
+    * نشر تطبيق الوظائف - اتبع التعليمات في الدروس السابقة لنشر تطبيق الوظائف الخاص بك إلى السحابة. بمجرد النشر، سيكون عنوان URL هو `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`، حيث `<APP_NAME>` هو اسم تطبيق الوظائف الخاص بك. تأكد أيضًا من نشر الإعدادات المحلية الخاصة بك.
+
+      عند العمل مع مشغلات HTTP، يتم تأمينها افتراضيًا بمفتاح تطبيق الوظائف. للحصول على هذا المفتاح، قم بتشغيل الأمر التالي:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      انسخ قيمة الإدخال `default` من قسم `functionKeys`.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      يجب إضافة هذا المفتاح كمعامل استعلام إلى عنوان URL، لذا سيكون عنوان URL النهائي هو `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`، حيث `<APP_NAME>` هو اسم تطبيق الوظائف الخاص بك، و `<FUNCTION_KEY>` هو مفتاح الوظيفة الافتراضي الخاص بك.
+
+      > 💁 يمكنك تغيير نوع تفويض مشغل HTTP باستخدام إعداد `authlevel` في ملف `function.json`. يمكنك قراءة المزيد عن هذا في [قسم التكوين في مستندات Microsoft حول مشغل HTTP الخاص بـ Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration).
+
+    * تشغيل تطبيق الوظائف محليًا والوصول باستخدام عنوان IP - يمكنك الحصول على عنوان IP الخاص بجهاز الكمبيوتر الخاص بك على الشبكة المحلية، واستخدامه لبناء عنوان URL.
+
+      ابحث عن عنوان IP الخاص بك:
+
+      * على Windows 10، اتبع [دليل العثور على عنوان IP الخاص بك](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)
+      * على macOS، اتبع [كيفية العثور على عنوان IP الخاص بك على جهاز Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)
+      * على Linux، اتبع القسم الخاص بالعثور على عنوان IP الخاص بك في [دليل العثور على عنوان IP الخاص بك في Linux](https://opensource.com/article/18/5/how-find-ip-address-linux)
+
+      بمجرد الحصول على عنوان IP الخاص بك، ستتمكن من الوصول إلى الوظيفة عبر `http://`.
+<عنوان_الآي_بي>
+:7071/api/text-to-timer`، حيث سيكون `<IP_ADDRESS>` هو عنوان IP الخاص بك، على سبيل المثال `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 لاحظ أن هذا يستخدم المنفذ 7071، لذا بعد عنوان IP ستحتاج إلى كتابة `:7071`.
+
+      > 💁 هذا سيعمل فقط إذا كان جهاز IoT الخاص بك على نفس الشبكة مع جهاز الكمبيوتر الخاص بك.
+
+1. قم باختبار نقطة النهاية باستخدام curl.
+
+---
+
+## 🚀 التحدي
+
+هناك العديد من الطرق لطلب نفس الشيء، مثل ضبط مؤقت. فكّر في طرق مختلفة للقيام بذلك، واستخدمها كأمثلة في تطبيق LUIS الخاص بك. قم باختبار هذه الطرق لترى مدى قدرة النموذج على التعامل مع طرق متعددة لطلب المؤقت.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن LUIS وإمكاناته في [صفحة توثيق فهم اللغة (LUIS) على موقع Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* اقرأ المزيد عن فهم اللغة في [صفحة فهم اللغة الطبيعية على ويكيبيديا](https://wikipedia.org/wiki/Natural-language_understanding)
+* اقرأ المزيد عن مشغلات HTTP في [توثيق مشغل HTTP لوظائف Azure على موقع Microsoft docs](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## الواجب
+
+[إلغاء المؤقت](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/2-language-understanding/assignment.md b/translations/ar/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..04862dab
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-27T00:06:43+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "ar"
+}
+-->
+# إلغاء المؤقت
+
+## التعليمات
+
+حتى الآن في هذا الدرس، قمت بتدريب نموذج لفهم إعداد المؤقت. ميزة أخرى مفيدة هي إلغاء المؤقت - ربما أصبح الخبز جاهزًا ويمكن إخراجه من الفرن قبل انتهاء المؤقت.
+
+أضف نية جديدة إلى تطبيق LUIS الخاص بك لإلغاء المؤقت. لن تحتاج إلى أي كيانات، ولكن ستحتاج إلى بعض الجمل النموذجية. تعامل مع هذا في الكود الخالي من الخوادم إذا كانت هذه النية هي النية الأعلى، مع تسجيل أنه تم التعرف على النية وإرجاع استجابة مناسبة.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| إضافة نية إلغاء المؤقت إلى تطبيق LUIS | تم إضافة النية وتدريب النموذج بنجاح | تم إضافة النية ولكن لم يتم تدريب النموذج | لم يتم إضافة النية أو تدريب النموذج |
+| التعامل مع النية في التطبيق الخالي من الخوادم | تم الكشف عن النية كأعلى نية وتم تسجيلها | تم الكشف عن النية كأعلى نية | لم يتم الكشف عن النية كأعلى نية |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/README.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..78c9c5a5
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-27T00:08:34+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "ar"
+}
+-->
+# ضبط مؤقت وتقديم ملاحظات صوتية
+
+![نظرة عامة على هذا الدرس في شكل رسم تخطيطي](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ar.jpg)
+
+> رسم تخطيطي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## المقدمة
+
+المساعدات الذكية ليست أجهزة اتصال أحادية الاتجاه. تتحدث إليها، وتستجيب لك:
+
+"أليكسا، اضبط مؤقت لمدة 3 دقائق"
+
+"حسنًا، تم ضبط المؤقت لمدة 3 دقائق"
+
+في الدرسين الأخيرين، تعلمت كيفية تحويل الكلام إلى نص، ثم استخراج طلب ضبط المؤقت من ذلك النص. في هذا الدرس، ستتعلم كيفية ضبط المؤقت على جهاز إنترنت الأشياء، والرد على المستخدم بكلمات منطوقة تؤكد ضبط المؤقت، وتنبيهه عند انتهاء المؤقت.
+
+في هذا الدرس سنتناول:
+
+* [تحويل النص إلى كلام](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [ضبط المؤقت](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [تحويل النص إلى كلام](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## تحويل النص إلى كلام
+
+تحويل النص إلى كلام، كما يشير الاسم، هو عملية تحويل النص إلى صوت يحتوي على الكلمات ككلام منطوق. المبدأ الأساسي هو تقسيم الكلمات في النص إلى أصواتها المكونة (المعروفة بالفونيمات)، وتجميع الصوت لهذه الأصوات، إما باستخدام تسجيلات صوتية مسبقة أو باستخدام صوت يتم إنشاؤه بواسطة نماذج الذكاء الاصطناعي.
+
+![المراحل الثلاث لأنظمة تحويل النص إلى كلام النموذجية](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ar.png)
+
+عادةً ما تحتوي أنظمة تحويل النص إلى كلام على 3 مراحل:
+
+* تحليل النص
+* التحليل اللغوي
+* توليد الموجة الصوتية
+
+### تحليل النص
+
+يتضمن تحليل النص أخذ النص المقدم وتحويله إلى كلمات يمكن استخدامها لتوليد الكلام. على سبيل المثال، إذا قمت بتحويل "Hello world"، فلا حاجة لتحليل النص، يمكن تحويل الكلمتين مباشرة إلى كلام. إذا كان لديك "1234"، فقد تحتاج إلى تحويله إلى الكلمات "ألف ومئتان وأربعة وثلاثون" أو "واحد، اثنان، ثلاثة، أربعة" حسب السياق. على سبيل المثال، "لدي 1234 تفاحة"، سيكون "ألف ومئتان وأربعة وثلاثون"، ولكن "الطفل عدّ 1234"، سيكون "واحد، اثنان، ثلاثة، أربعة".
+
+الكلمات التي يتم إنشاؤها تختلف ليس فقط حسب اللغة، ولكن حسب المنطقة التي تتحدث تلك اللغة. على سبيل المثال، في الإنجليزية الأمريكية، 120 سيكون "One hundred twenty"، وفي الإنجليزية البريطانية سيكون "One hundred and twenty"، مع استخدام "and" بعد المئات.
+
+✅ بعض الأمثلة الأخرى التي تتطلب تحليل النص تشمل "in" كاختصار لـ inch، و"st" كاختصار لـ saint وstreet. هل يمكنك التفكير في أمثلة أخرى في لغتك لكلمات غامضة بدون سياق؟
+
+بمجرد تحديد الكلمات، يتم إرسالها للتحليل اللغوي.
+
+### التحليل اللغوي
+
+يقوم التحليل اللغوي بتقسيم الكلمات إلى فونيمات. الفونيمات تعتمد ليس فقط على الحروف المستخدمة، ولكن أيضًا على الحروف الأخرى في الكلمة. على سبيل المثال، في الإنجليزية، الصوت 'a' في 'car' و'care' مختلف. تحتوي اللغة الإنجليزية على 44 فونيم مختلف للحروف الـ26 في الأبجدية، بعضها مشترك بين حروف مختلفة، مثل الفونيم نفسه المستخدم في بداية 'circle' و'serpent'.
+
+✅ قم ببعض البحث: ما هي الفونيمات في لغتك؟
+
+بمجرد تحويل الكلمات إلى فونيمات، تحتاج هذه الفونيمات إلى بيانات إضافية لدعم التنغيم، مثل تعديل النغمة أو المدة حسب السياق. على سبيل المثال، في الإنجليزية يمكن استخدام زيادة النغمة لتحويل الجملة إلى سؤال، حيث تشير زيادة النغمة في الكلمة الأخيرة إلى سؤال.
+
+على سبيل المثال - الجملة "You have an apple" هي عبارة تشير إلى أنك تمتلك تفاحة. إذا ارتفعت النغمة في النهاية، وزادت للكلمة "apple"، تصبح السؤال "You have an apple?"، تسأل إذا كنت تمتلك تفاحة. يحتاج التحليل اللغوي إلى استخدام علامة الاستفهام في النهاية لتحديد زيادة النغمة.
+
+بمجرد إنشاء الفونيمات، يمكن إرسالها لتوليد الموجة الصوتية لإنتاج الصوت.
+
+### توليد الموجة الصوتية
+
+كانت أنظمة تحويل النص إلى كلام الإلكترونية الأولى تستخدم تسجيلات صوتية فردية لكل فونيم، مما يؤدي إلى أصوات رتيبة تشبه الروبوت. يقوم التحليل اللغوي بإنتاج فونيمات، ويتم تحميلها من قاعدة بيانات الأصوات وتجميعها لإنشاء الصوت.
+
+✅ قم ببعض البحث: ابحث عن تسجيلات صوتية من أنظمة تحويل الكلام المبكرة. قارنها بأنظمة تحويل الكلام الحديثة، مثل تلك المستخدمة في المساعدات الذكية.
+
+تستخدم أنظمة توليد الموجة الصوتية الحديثة نماذج تعلم آلي مبنية باستخدام التعلم العميق (شبكات عصبية كبيرة تعمل بطريقة مشابهة للخلايا العصبية في الدماغ) لإنتاج أصوات طبيعية يمكن أن تكون غير قابلة للتمييز عن البشر.
+
+> 💁 يمكن إعادة تدريب بعض هذه النماذج باستخدام التعلم الانتقالي لتبدو مثل أشخاص حقيقيين. هذا يعني أن استخدام الصوت كنظام أمني، وهو ما تحاول البنوك القيام به بشكل متزايد، لم يعد فكرة جيدة حيث يمكن لأي شخص لديه تسجيل لبضع دقائق من صوتك أن ينتحل شخصيتك.
+
+يتم تدريب هذه النماذج الكبيرة لتجمع بين جميع الخطوات الثلاث في أنظمة تحويل الكلام من البداية إلى النهاية.
+
+## ضبط المؤقت
+
+لضبط المؤقت، يحتاج جهاز إنترنت الأشياء الخاص بك إلى استدعاء نقطة النهاية REST التي أنشأتها باستخدام الكود الخادم، ثم استخدام عدد الثواني الناتج لضبط المؤقت.
+
+### مهمة - استدعاء الوظيفة الخادمة للحصول على وقت المؤقت
+
+اتبع الدليل المناسب لاستدعاء نقطة النهاية REST من جهاز إنترنت الأشياء الخاص بك وضبط مؤقت للوقت المطلوب:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi/جهاز إنترنت الأشياء الافتراضي](single-board-computer-set-timer.md)
+
+## تحويل النص إلى كلام
+
+يمكن استخدام نفس خدمة الكلام التي استخدمتها لتحويل الكلام إلى نص لتحويل النص مرة أخرى إلى كلام، ويمكن تشغيله عبر مكبر صوت على جهاز إنترنت الأشياء الخاص بك. يتم إرسال النص المراد تحويله إلى خدمة الكلام، مع نوع الصوت المطلوب (مثل معدل العينة)، ويتم إرجاع بيانات ثنائية تحتوي على الصوت.
+
+عند إرسال هذا الطلب، يتم إرساله باستخدام *لغة ترميز تحويل الكلام* (SSML)، وهي لغة ترميز تعتمد على XML لتطبيقات تحويل الكلام. تحدد هذه اللغة ليس فقط النص المراد تحويله، ولكن لغة النص، والصوت المستخدم، ويمكن حتى استخدامها لتحديد السرعة، والحجم، والنغمة لبعض أو كل الكلمات في النص.
+
+على سبيل المثال، هذا SSML يحدد طلبًا لتحويل النص "تم ضبط مؤقتك لمدة 3 دقائق و5 ثوانٍ" إلى كلام باستخدام صوت إنجليزي بريطاني يسمى `en-GB-MiaNeural`
+
+```xml
+<speak version='1.0' xml:lang='en-GB'>
+    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
+        Your 3 minute 5 second time has been set
+    </voice>
+</speak>
+```
+
+> 💁 تحتوي معظم أنظمة تحويل النص إلى كلام على أصوات متعددة للغات مختلفة، مع لهجات ذات صلة مثل صوت إنجليزي بريطاني بلكنة إنجليزية وصوت إنجليزي نيوزيلندي بلكنة نيوزيلندية.
+
+### مهمة - تحويل النص إلى كلام
+
+اعمل من خلال الدليل المناسب لتحويل النص إلى كلام باستخدام جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [كمبيوتر أحادي اللوحة - Raspberry Pi](pi-text-to-speech.md)
+* [كمبيوتر أحادي اللوحة - جهاز افتراضي](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 تحدي
+
+تحتوي SSML على طرق لتغيير كيفية نطق الكلمات، مثل إضافة التأكيد على كلمات معينة، إضافة توقفات، أو تغيير النغمة. جرب بعض هذه الطرق، وأرسل SSML مختلفًا من جهاز إنترنت الأشياء الخاص بك وقارن النتائج. يمكنك قراءة المزيد عن SSML، بما في ذلك كيفية تغيير طريقة نطق الكلمات في [مواصفات لغة ترميز تحويل الكلام (SSML) الإصدار 1.1 من اتحاد شبكة الويب العالمية](https://www.w3.org/TR/speech-synthesis11/).
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن تحويل الكلام على [صفحة تحويل الكلام على ويكيبيديا](https://wikipedia.org/wiki/Speech_synthesis)
+* اقرأ المزيد عن الطرق التي يستخدمها المجرمون لتحويل الكلام لسرقة الأموال في [قصة "الأصوات المزيفة تساعد المجرمين الإلكترونيين على سرقة الأموال" على أخبار BBC](https://www.bbc.com/news/technology-48908736)
+* تعرف على المزيد حول المخاطر التي تواجه الممثلين الصوتيين من النسخ الاصطناعية لأصواتهم في [مقالة "هذه الدعوى القضائية على TikTok تسلط الضوء على كيفية تأثير الذكاء الاصطناعي على الممثلين الصوتيين" على Vice](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## الواجب
+
+[إلغاء المؤقت](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..e53f1112
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-27T00:10:38+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "ar"
+}
+-->
+# إلغاء المؤقت
+
+## التعليمات
+
+في المهمة الخاصة بالدرس الأخير، قمت بإضافة نية إلغاء المؤقت إلى LUIS. في هذه المهمة، تحتاج إلى التعامل مع هذه النية في الكود الخالي من الخوادم، إرسال أمر إلى جهاز إنترنت الأشياء، ثم إلغاء المؤقت.
+
+## معايير التقييم
+
+| المعيار | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | --------- | -------- | ----------------- |
+| التعامل مع النية في الكود الخالي من الخوادم وإرسال أمر | تم التعامل مع النية بنجاح وتم إرسال الأمر إلى الجهاز | تم التعامل مع النية ولكن لم يتم إرسال الأمر إلى الجهاز | لم يتم التعامل مع النية |
+| إلغاء المؤقت على الجهاز | تم استقبال الأمر وإلغاء المؤقت بنجاح | تم استقبال الأمر ولكن لم يتم إلغاء المؤقت | لم يتم استقبال الأمر |
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..0035dfbc
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-27T00:12:40+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "ar"
+}
+-->
+# تحويل النص إلى كلام - Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم بكتابة كود لتحويل النص إلى كلام باستخدام خدمة الكلام.
+
+## تحويل النص إلى كلام باستخدام خدمة الكلام
+
+يمكن إرسال النص إلى خدمة الكلام باستخدام واجهة REST API للحصول على الكلام كملف صوتي يمكن تشغيله على جهاز إنترنت الأشياء الخاص بك. عند طلب الكلام، تحتاج إلى تحديد الصوت الذي سيتم استخدامه، حيث يمكن توليد الكلام باستخدام مجموعة متنوعة من الأصوات المختلفة.
+
+كل لغة تدعم مجموعة من الأصوات المختلفة، ويمكنك إرسال طلب REST إلى خدمة الكلام للحصول على قائمة الأصوات المدعومة لكل لغة.
+
+### المهمة - الحصول على صوت
+
+1. افتح مشروع `smart-timer` في VS Code.
+
+1. أضف الكود التالي فوق دالة `say` لطلب قائمة الأصوات للغة معينة:
+
+    ```python
+    def get_voice():
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token()
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
+        return first_voice['ShortName']
+    
+    voice = get_voice()
+    print(f'Using voice {voice}')
+    ```
+
+    يقوم هذا الكود بتعريف دالة تسمى `get_voice` تستخدم خدمة الكلام للحصول على قائمة الأصوات. ثم يعثر على أول صوت يتطابق مع اللغة المستخدمة.
+
+    يتم استدعاء هذه الدالة لتخزين أول صوت، ويتم طباعة اسم الصوت إلى وحدة التحكم. يمكن طلب هذا الصوت مرة واحدة واستخدام القيمة لكل استدعاء لتحويل النص إلى كلام.
+
+    > 💁 يمكنك الحصول على القائمة الكاملة للأصوات المدعومة من [وثائق دعم اللغة والصوت على Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). إذا كنت ترغب في استخدام صوت معين، يمكنك إزالة هذه الدالة وتحديد الصوت يدويًا باستخدام اسم الصوت من هذه الوثائق. على سبيل المثال:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### المهمة - تحويل النص إلى كلام
+
+1. أسفل هذا، قم بتعريف ثابت لتنسيق الصوت الذي سيتم استرداده من خدمات الكلام. عند طلب الصوت، يمكنك القيام بذلك بمجموعة من التنسيقات المختلفة.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    يعتمد التنسيق الذي يمكنك استخدامه على جهازك. إذا واجهت أخطاء `Invalid sample rate` عند تشغيل الصوت، قم بتغيير هذا إلى قيمة أخرى. يمكنك العثور على قائمة القيم المدعومة في [وثائق REST API لتحويل النص إلى كلام على Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs). ستحتاج إلى استخدام صوت بتنسيق `riff`، والقيم التي يمكنك تجربتها هي `riff-16khz-16bit-mono-pcm`، `riff-24khz-16bit-mono-pcm` و `riff-48khz-16bit-mono-pcm`.
+
+1. أسفل هذا، قم بتعريف دالة تسمى `get_speech` لتحويل النص إلى كلام باستخدام REST API لخدمة الكلام:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. في دالة `get_speech`، قم بتعريف عنوان URL الذي سيتم استدعاؤه والرؤوس التي سيتم تمريرها:
+
+    ```python
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    ```
+
+    يتم هنا إعداد الرؤوس لاستخدام رمز وصول تم إنشاؤه، وتحديد المحتوى كـ SSML وتحديد تنسيق الصوت المطلوب.
+
+1. أسفل هذا، قم بتعريف SSML الذي سيتم إرساله إلى REST API:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    يقوم هذا SSML بتحديد اللغة والصوت المستخدم، بالإضافة إلى النص الذي سيتم تحويله.
+
+1. أخيرًا، أضف كودًا في هذه الدالة لإجراء طلب REST وإرجاع البيانات الصوتية الثنائية:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### المهمة - تشغيل الصوت
+
+1. أسفل دالة `get_speech`، قم بتعريف دالة جديدة لتشغيل الصوت الذي تم إرجاعه من استدعاء REST API:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. الصوت `speech` الذي يتم تمريره إلى هذه الدالة سيكون البيانات الصوتية الثنائية التي تم إرجاعها من REST API. استخدم الكود التالي لفتح هذا كملف wave وتمريره إلى PyAudio لتشغيل الصوت:
+
+    ```python
+    def play_speech(speech):
+        with wave.open(speech, 'rb') as wave_file:
+            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
+                                channels=wave_file.getnchannels(),
+                                rate=wave_file.getframerate(),
+                                output_device_index=speaker_card_number,
+                                output=True)
+
+            data = wave_file.readframes(4096)
+
+            while len(data) > 0:
+                stream.write(data)
+                data = wave_file.readframes(4096)
+
+            stream.stop_stream()
+            stream.close()
+    ```
+
+    يستخدم هذا الكود تدفق PyAudio، تمامًا مثل التقاط الصوت. الفرق هنا هو أن التدفق يتم إعداده كتدفق إخراج، ويتم قراءة البيانات من البيانات الصوتية ودفعها إلى التدفق.
+
+    بدلاً من تحديد تفاصيل التدفق مثل معدل العينة يدويًا، يتم قراءتها من البيانات الصوتية.
+
+1. استبدل محتويات دالة `say` بالتالي:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    يقوم هذا الكود بتحويل النص إلى كلام كبيانات صوتية ثنائية، ثم يقوم بتشغيل الصوت.
+
+1. قم بتشغيل التطبيق، وتأكد من تشغيل تطبيق الوظيفة أيضًا. قم بضبط بعض المؤقتات، وستسمع استجابة صوتية تخبرك بأنه تم ضبط المؤقت الخاص بك، ثم استجابة صوتية أخرى عند انتهاء المؤقت.
+
+    إذا واجهت أخطاء `Invalid sample rate`، قم بتغيير `playback_format` كما هو موضح أعلاه.
+
+> 💁 يمكنك العثور على هذا الكود في [المجلد code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi).
+
+😀 لقد كان برنامج المؤقت الخاص بك ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..d37333b4
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-27T00:07:19+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "ar"
+}
+-->
+# ضبط مؤقت - الأجهزة الافتراضية لإنترنت الأشياء و Raspberry Pi
+
+في هذا الجزء من الدرس، ستقوم باستدعاء الكود الخالي من الخوادم لفهم الكلام وضبط مؤقت على جهاز إنترنت الأشياء الافتراضي أو Raspberry Pi بناءً على النتائج.
+
+## ضبط مؤقت
+
+النص الذي يتم إرجاعه من استدعاء تحويل الكلام إلى نص يحتاج إلى إرساله إلى الكود الخالي من الخوادم ليتم معالجته بواسطة LUIS، حيث يتم الحصول على عدد الثواني للمؤقت. يمكن استخدام هذا العدد من الثواني لضبط المؤقت.
+
+يمكن ضبط المؤقت باستخدام فئة `threading.Timer` في Python. تأخذ هذه الفئة وقت التأخير ودالة، وبعد وقت التأخير يتم تنفيذ الدالة.
+
+### المهمة - إرسال النص إلى الدالة الخالية من الخوادم
+
+1. افتح مشروع `smart-timer` في VS Code، وتأكد من تحميل البيئة الافتراضية في الطرفية إذا كنت تستخدم جهاز إنترنت الأشياء الافتراضي.
+
+1. فوق دالة `process_text`، قم بتعريف دالة تسمى `get_timer_time` لاستدعاء نقطة النهاية REST التي أنشأتها:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. أضف الكود التالي إلى هذه الدالة لتحديد عنوان URL للاستدعاء:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    استبدل `<URL>` بعنوان URL لنقطة النهاية التي أنشأتها في الدرس السابق، سواء على جهاز الكمبيوتر الخاص بك أو في السحابة.
+
+1. أضف الكود التالي لتعيين النص كخاصية يتم تمريرها كـ JSON إلى الاستدعاء:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. أسفل هذا، قم باسترجاع `seconds` من حمولة الاستجابة، مع إرجاع 0 إذا فشل الاستدعاء:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    عمليات الاستدعاء HTTP الناجحة تُرجع رمز حالة في نطاق 200، والكود الخالي من الخوادم الخاص بك يُرجع 200 إذا تم معالجة النص والتعرف عليه كنية ضبط المؤقت.
+
+### المهمة - ضبط مؤقت في خيط خلفي
+
+1. أضف بيان الاستيراد التالي في أعلى الملف لاستيراد مكتبة threading في Python:
+
+    ```python
+    import threading
+    ```
+
+1. فوق دالة `process_text`، أضف دالة للتحدث بالرد. في الوقت الحالي، ستكتب فقط إلى وحدة التحكم، ولكن لاحقًا في هذا الدرس ستتحدث النص.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. أسفل هذا، أضف دالة سيتم استدعاؤها بواسطة المؤقت للإعلان عن انتهاء المؤقت:
+
+    ```python
+    def announce_timer(minutes, seconds):
+        announcement = 'Times up on your '
+        if minutes > 0:
+            announcement += f'{minutes} minute '
+        if seconds > 0:
+            announcement += f'{seconds} second '
+        announcement += 'timer.'
+        say(announcement)
+    ```
+
+    تأخذ هذه الدالة عدد الدقائق والثواني للمؤقت، وتبني جملة للإعلان عن انتهاء المؤقت. ستتحقق من عدد الدقائق والثواني، وتضمّن كل وحدة زمنية فقط إذا كان لها قيمة. على سبيل المثال، إذا كان عدد الدقائق 0، فسيتم تضمين الثواني فقط في الرسالة. يتم إرسال هذه الجملة بعد ذلك إلى دالة `say`.
+
+1. أسفل هذا، أضف دالة `create_timer` التالية لإنشاء مؤقت:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    تأخذ هذه الدالة العدد الإجمالي للثواني للمؤقت الذي سيتم إرساله في الأمر، وتحوله إلى دقائق وثواني. ثم تقوم بإنشاء وتشغيل كائن مؤقت باستخدام العدد الإجمالي للثواني، مع تمرير دالة `announce_timer` وقائمة تحتوي على الدقائق والثواني. عندما ينقضي المؤقت، ستستدعي دالة `announce_timer`، وستمرر محتويات هذه القائمة كمعلمات - بحيث يتم تمرير العنصر الأول في القائمة كمعامل `minutes`، والعنصر الثاني كمعامل `seconds`.
+
+1. في نهاية دالة `create_timer`، أضف بعض الكود لبناء رسالة يتم التحدث بها إلى المستخدم للإعلان عن بدء المؤقت:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    مرة أخرى، يتم تضمين وحدة الزمن التي لها قيمة فقط. يتم إرسال هذه الجملة بعد ذلك إلى دالة `say`.
+
+1. أضف ما يلي إلى نهاية دالة `process_text` للحصول على الوقت للمؤقت من النص، ثم إنشاء المؤقت:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    يتم إنشاء المؤقت فقط إذا كان عدد الثواني أكبر من 0.
+
+1. قم بتشغيل التطبيق، وتأكد من تشغيل تطبيق الوظائف أيضًا. قم بضبط بعض المؤقتات، وسيظهر الإخراج ضبط المؤقت، ثم سيظهر عند انتهاء المؤقت:
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Set a two minute 27 second timer.
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) أو [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device).
+
+😀 لقد نجح برنامج المؤقت الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..26575aee
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-27T00:17:22+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "ar"
+}
+-->
+# تحويل النص إلى كلام - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستكتب كودًا لتحويل النص إلى كلام باستخدام خدمة الكلام.
+
+## تحويل النص إلى كلام
+
+يمكن استخدام حزمة SDK لخدمات الكلام التي استخدمتها في الدرس السابق لتحويل الكلام إلى نص لتحويل النص مرة أخرى إلى كلام. عند طلب الكلام، تحتاج إلى تحديد الصوت الذي سيتم استخدامه، حيث يمكن إنشاء الكلام باستخدام مجموعة متنوعة من الأصوات المختلفة.
+
+كل لغة تدعم مجموعة من الأصوات المختلفة، ويمكنك الحصول على قائمة الأصوات المدعومة لكل لغة من خلال حزمة SDK لخدمات الكلام.
+
+### المهمة - تحويل النص إلى كلام
+
+1. افتح مشروع `smart-timer` في VS Code، وتأكد من تحميل البيئة الافتراضية في الطرفية.
+
+1. قم باستيراد `SpeechSynthesizer` من الحزمة `azure.cognitiveservices.speech` عن طريق إضافته إلى الاستيرادات الحالية:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. فوق وظيفة `say`، قم بإنشاء إعدادات الكلام لاستخدامها مع المولد الصوتي:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    يستخدم هذا نفس مفتاح API، الموقع، واللغة التي استخدمها المميز الصوتي.
+
+1. أسفل هذا، أضف الكود التالي للحصول على صوت وتعيينه في إعدادات الكلام:
+
+    ```python
+    voices = speech_synthesizer.get_voices_async().get().voices
+    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
+    speech_config.speech_synthesis_voice_name = first_voice.short_name
+    ```
+
+    يقوم هذا باسترجاع قائمة بجميع الأصوات المتاحة، ثم يجد أول صوت يتطابق مع اللغة المستخدمة.
+
+    > 💁 يمكنك الحصول على القائمة الكاملة للأصوات المدعومة من [وثائق دعم اللغة والصوت على Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). إذا كنت ترغب في استخدام صوت معين، يمكنك إزالة هذه الوظيفة وتحديد الصوت مباشرة باستخدام اسم الصوت من هذه الوثائق. على سبيل المثال:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. قم بتحديث محتويات وظيفة `say` لإنشاء SSML للاستجابة:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+1. أسفل هذا، قم بإيقاف التعرف على الكلام، تحدث SSML، ثم أعد تشغيل التعرف:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    يتم إيقاف التعرف أثناء التحدث لتجنب اكتشاف إعلان بدء المؤقت، إرساله إلى LUIS، وربما تفسيره كطلب لتعيين مؤقت جديد.
+
+    > 💁 يمكنك اختبار ذلك عن طريق تعليق الأسطر لإيقاف وإعادة تشغيل التعرف. قم بتعيين مؤقت واحد، وقد تجد أن الإعلان يعين مؤقتًا جديدًا، مما يؤدي إلى إعلان جديد، مما يسبب مؤقتًا جديدًا، وهكذا إلى الأبد!
+
+1. قم بتشغيل التطبيق، وتأكد من تشغيل تطبيق الوظيفة أيضًا. قم بتعيين بعض المؤقتات، وستسمع استجابة صوتية تقول إن المؤقت الخاص بك قد تم تعيينه، ثم استجابة صوتية أخرى عندما يكتمل المؤقت.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device).
+
+😀 برنامج المؤقت الخاص بك كان ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..b35322f5
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-27T00:11:15+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "ar"
+}
+-->
+# ضبط مؤقت - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم باستدعاء الكود الخالي من الخوادم لفهم الكلام، وضبط مؤقت على جهاز Wio Terminal بناءً على النتائج.
+
+## ضبط مؤقت
+
+النص الذي يتم إرجاعه من استدعاء تحويل الكلام إلى نص يحتاج إلى إرساله إلى الكود الخالي من الخوادم ليتم معالجته بواسطة LUIS، حيث يتم إرجاع عدد الثواني للمؤقت. يمكن استخدام هذا العدد من الثواني لضبط المؤقت.
+
+الميكروكنترولرز لا تدعم بشكل طبيعي تعدد الخيوط في Arduino، لذلك لا توجد فئات مؤقت قياسية كما قد تجد عند البرمجة بلغة Python أو لغات عالية المستوى الأخرى. بدلاً من ذلك، يمكنك استخدام مكتبات المؤقت التي تعمل عن طريق قياس الوقت المنقضي في وظيفة `loop` واستدعاء الوظائف عند انتهاء الوقت.
+
+### المهمة - إرسال النص إلى الدالة الخالية من الخوادم
+
+1. افتح مشروع `smart-timer` في VS Code إذا لم يكن مفتوحًا بالفعل.
+
+1. افتح ملف الرأس `config.h` وأضف عنوان URL لتطبيق الدالة الخاص بك:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    استبدل `<URL>` بعنوان URL لتطبيق الدالة الذي حصلت عليه في الخطوة الأخيرة من الدرس السابق، مشيرًا إلى عنوان IP لجهازك المحلي الذي يشغل تطبيق الدالة.
+
+1. أنشئ ملفًا جديدًا في مجلد `src` باسم `language_understanding.h`. سيتم استخدام هذا الملف لتعريف فئة لإرسال الكلام المعترف به إلى تطبيق الدالة لتحويله إلى ثوانٍ باستخدام LUIS.
+
+1. أضف ما يلي إلى أعلى هذا الملف:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    يتضمن هذا بعض ملفات الرأس المطلوبة.
+
+1. عرف فئة باسم `LanguageUnderstanding`، وأعلن عن مثيل لهذه الفئة:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. لاستدعاء تطبيق الدالة الخاص بك، تحتاج إلى إعلان عميل WiFi. أضف ما يلي إلى القسم `private` من الفئة:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. في القسم `public`، أعلن عن طريقة باسم `GetTimerDuration` لاستدعاء تطبيق الدالة:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. في طريقة `GetTimerDuration`، أضف الكود التالي لبناء JSON ليتم إرساله إلى تطبيق الدالة:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    يقوم هذا بتحويل النص الممرر إلى طريقة `GetTimerDuration` إلى JSON بالشكل التالي:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    حيث `<text>` هو النص الممرر إلى الدالة.
+
+1. أسفل هذا، أضف الكود التالي لإجراء استدعاء لتطبيق الدالة:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    يقوم هذا بإجراء طلب POST إلى تطبيق الدالة، مع تمرير جسم JSON والحصول على رمز الاستجابة.
+
+1. أضف الكود التالي أسفل هذا:
+
+    ```cpp
+    int seconds = 0;
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        seconds = obj["seconds"].as<int>();
+    }
+    else
+    {
+        Serial.print("Failed to understand text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    يتحقق هذا الكود من رمز الاستجابة. إذا كان 200 (نجاح)، يتم استرداد عدد الثواني للمؤقت من جسم الاستجابة. خلاف ذلك، يتم إرسال خطأ إلى شاشة المراقبة التسلسلية ويتم تعيين عدد الثواني إلى 0.
+
+1. أضف الكود التالي إلى نهاية هذه الطريقة لإغلاق الاتصال بـ HTTP وإرجاع عدد الثواني:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. في ملف `main.cpp`، قم بتضمين ملف الرأس الجديد هذا:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. في نهاية وظيفة `processAudio`، استدعِ طريقة `GetTimerDuration` للحصول على مدة المؤقت:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    يقوم هذا بتحويل النص من استدعاء فئة `SpeechToText` إلى عدد الثواني للمؤقت.
+
+### المهمة - ضبط مؤقت
+
+يمكن استخدام عدد الثواني لضبط مؤقت.
+
+1. أضف تبعية مكتبة المؤقت إلى ملف `platformio.ini` لإضافة مكتبة لضبط المؤقت:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. أضف توجيه تضمين لهذه المكتبة إلى ملف `main.cpp`:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. فوق وظيفة `processAudio`، أضف الكود التالي:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    يقوم هذا الكود بإعلان مؤقت باسم `timer`.
+
+1. أسفل هذا، أضف الكود التالي:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    تقوم وظيفة `say` في النهاية بتحويل النص إلى كلام، ولكن في الوقت الحالي ستكتب النص الممرر إلى شاشة المراقبة التسلسلية.
+
+1. أسفل وظيفة `say`، أضف الكود التالي:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    هذه وظيفة رد نداء يتم استدعاؤها عند انتهاء المؤقت. يتم تمرير رسالة لتُقال عند انتهاء المؤقت. يمكن أن تتكرر المؤقتات، ويمكن التحكم في ذلك من خلال قيمة الإرجاع لهذه الوظيفة - تُرجع `false`، لإخبار المؤقت بعدم التشغيل مرة أخرى.
+
+1. أضف الكود التالي إلى نهاية وظيفة `processAudio`:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    يتحقق هذا الكود من إجمالي عدد الثواني، وإذا كان 0، فإنه يعود من استدعاء الوظيفة بحيث لا يتم ضبط أي مؤقتات. ثم يقوم بتحويل إجمالي عدد الثواني إلى دقائق وثوانٍ.
+
+1. أسفل هذا الكود، أضف ما يلي لإنشاء رسالة تُقال عند بدء المؤقت:
+
+    ```cpp
+    String begin_message;
+    if (minutes > 0)
+    {
+        begin_message += minutes;
+        begin_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        begin_message += seconds;
+        begin_message += " second ";
+    }
+
+    begin_message += "timer started.";
+    ```
+
+1. أسفل هذا، أضف كودًا مشابهًا لإنشاء رسالة تُقال عند انتهاء المؤقت:
+
+    ```cpp
+    String end_message("Times up on your ");
+    if (minutes > 0)
+    {
+        end_message += minutes;
+        end_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        end_message += seconds;
+        end_message += " second ";
+    }
+
+    end_message += "timer.";
+    ```
+
+1. بعد ذلك، قل رسالة بدء المؤقت:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. في نهاية هذه الوظيفة، قم بتشغيل المؤقت:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    يقوم هذا بتشغيل المؤقت. يتم ضبط المؤقت باستخدام المللي ثانية، لذلك يتم ضرب إجمالي عدد الثواني في 1,000 لتحويله إلى مللي ثانية. يتم تمرير وظيفة `timerExpired` كوظيفة رد نداء، ويتم تمرير `end_message` كوسيطة لتمريرها إلى رد النداء. تقبل هذه الوظيفة فقط الوسيطات من النوع `void *`، لذلك يتم تحويل النص بشكل مناسب.
+
+1. أخيرًا، يحتاج المؤقت إلى *العمل*، ويتم ذلك في وظيفة `loop`. أضف الكود التالي إلى نهاية وظيفة `loop`:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. قم ببناء هذا الكود، وارفعه إلى جهاز Wio Terminal الخاص بك واختبره من خلال شاشة المراقبة التسلسلية. بمجرد رؤية `Ready` في شاشة المراقبة التسلسلية، اضغط على الزر C (الزر الموجود على الجانب الأيسر، الأقرب إلى مفتاح التشغيل)، وتحدث. سيتم التقاط 4 ثوانٍ من الصوت، وتحويلها إلى نص، ثم إرسالها إلى تطبيق الدالة الخاص بك، وسيتم ضبط مؤقت. تأكد من تشغيل تطبيق الدالة الخاص بك محليًا.
+
+    سترى متى يبدأ المؤقت، ومتى ينتهي.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    {"seconds": 147}
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal).
+
+😀 لقد نجح برنامج المؤقت الخاص بك!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..bd281561
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,535 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-27T00:14:49+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "ar"
+}
+-->
+# تحويل النص إلى كلام - Wio Terminal
+
+في هذا الجزء من الدرس، ستقوم بتحويل النص إلى كلام لتوفير تغذية راجعة صوتية.
+
+## تحويل النص إلى كلام
+
+يمكن استخدام حزمة SDK لخدمات الكلام التي استخدمتها في الدرس السابق لتحويل الكلام إلى نص، لتحويل النص مرة أخرى إلى كلام.
+
+## الحصول على قائمة بالأصوات
+
+عند طلب تحويل النص إلى كلام، تحتاج إلى تحديد الصوت الذي سيتم استخدامه، حيث يمكن إنشاء الكلام باستخدام مجموعة متنوعة من الأصوات المختلفة. يدعم كل لغة مجموعة من الأصوات المختلفة، ويمكنك الحصول على قائمة الأصوات المدعومة لكل لغة من خلال حزمة SDK لخدمات الكلام. هنا تظهر قيود المتحكمات الدقيقة - حيث أن استدعاء الحصول على قائمة الأصوات المدعومة من خدمات تحويل النص إلى كلام ينتج مستند JSON بحجم يزيد عن 77 كيلوبايت، وهو كبير جدًا ليتم معالجته بواسطة Wio Terminal. في وقت كتابة هذا النص، تحتوي القائمة الكاملة على 215 صوتًا، كل منها معرف بمستند JSON مثل التالي:
+
+```json
+{
+    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
+    "DisplayName": "Aria",
+    "LocalName": "Aria",
+    "ShortName": "en-US-AriaNeural",
+    "Gender": "Female",
+    "Locale": "en-US",
+    "StyleList": [
+        "chat",
+        "customerservice",
+        "narration-professional",
+        "newscast-casual",
+        "newscast-formal",
+        "cheerful",
+        "empathetic"
+    ],
+    "SampleRateHertz": "24000",
+    "VoiceType": "Neural",
+    "Status": "GA"
+}
+```
+
+هذا JSON خاص بصوت **Aria**، الذي يحتوي على أنماط صوتية متعددة. كل ما تحتاجه عند تحويل النص إلى كلام هو الاسم المختصر، `en-US-AriaNeural`.
+
+بدلاً من تنزيل وفك تشفير هذه القائمة بالكامل على المتحكم الدقيق الخاص بك، ستحتاج إلى كتابة بعض التعليمات البرمجية بدون خادم لاسترداد قائمة الأصوات للغة التي تستخدمها، واستدعاء هذه التعليمات من Wio Terminal الخاص بك. يمكن لشفرتك بعد ذلك اختيار صوت مناسب من القائمة، مثل أول صوت تجده.
+
+### المهمة - إنشاء وظيفة بدون خادم للحصول على قائمة الأصوات
+
+1. افتح مشروعك `smart-timer-trigger` في VS Code، وافتح الطرفية مع التأكد من تفعيل البيئة الافتراضية. إذا لم تكن مفعلة، قم بإيقاف وإعادة إنشاء الطرفية.
+
+1. افتح ملف `local.settings.json` وأضف الإعدادات لمفتاح API الخاص بخدمة الكلام والموقع:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    استبدل `<key>` بمفتاح API الخاص بمورد خدمة الكلام. استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مورد خدمة الكلام.
+
+1. أضف مشغل HTTP جديد لهذا التطبيق يسمى `get-voices` باستخدام الأمر التالي من داخل طرفية VS Code في المجلد الجذر لمشروع تطبيق الوظائف:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    سيؤدي هذا إلى إنشاء مشغل HTTP يسمى `get-voices`.
+
+1. استبدل محتويات ملف `__init__.py` في مجلد `get-voices` بما يلي:
+
+    ```python
+    import json
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        location = os.environ['SPEECH_LOCATION']
+        speech_key = os.environ['SPEECH_KEY']
+    
+        req_body = req.get_json()
+        language = req_body['language']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
+        voices = map(lambda x: x['ShortName'], voices)
+    
+        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
+    ```
+
+    تقوم هذه الشفرة بإجراء طلب HTTP إلى نقطة النهاية للحصول على الأصوات. قائمة الأصوات هذه عبارة عن كتلة JSON كبيرة تحتوي على أصوات لجميع اللغات، لذلك يتم تصفية الأصوات للغة الممررة في نص الطلب، ثم يتم استخراج الاسم المختصر وإعادته كقائمة JSON. الاسم المختصر هو القيمة المطلوبة لتحويل النص إلى كلام، لذلك يتم إرجاع هذه القيمة فقط.
+
+    > 💁 يمكنك تغيير الفلتر حسب الحاجة لاختيار الأصوات التي تريدها فقط.
+
+    يقلل هذا من حجم البيانات من 77 كيلوبايت (في وقت كتابة هذا النص) إلى مستند JSON أصغر بكثير. على سبيل المثال، بالنسبة للأصوات الأمريكية، يكون الحجم 408 بايت.
+
+1. قم بتشغيل تطبيق الوظائف الخاص بك محليًا. يمكنك بعد ذلك استدعاء هذا باستخدام أداة مثل curl بنفس الطريقة التي اختبرت بها مشغل HTTP `text-to-timer`. تأكد من تمرير لغتك كنص JSON:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    استبدل `<language>` بلغتك، مثل `en-GB` أو `zh-CN`.
+
+> 💁 يمكنك العثور على هذه الشفرة في مجلد [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### المهمة - استرداد الصوت من Wio Terminal الخاص بك
+
+1. افتح مشروع `smart-timer` في VS Code إذا لم يكن مفتوحًا بالفعل.
+
+1. افتح ملف الرأس `config.h` وأضف عنوان URL لتطبيق الوظائف الخاص بك:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    استبدل `<URL>` بعنوان URL لمشغل HTTP `get-voices` في تطبيق الوظائف الخاص بك. سيكون هذا هو نفس القيمة لـ `TEXT_TO_TIMER_FUNCTION_URL`، باستثناء أن اسم الوظيفة سيكون `get-voices` بدلاً من `text-to-timer`.
+
+1. أنشئ ملفًا جديدًا في مجلد `src` يسمى `text_to_speech.h`. سيتم استخدام هذا لتعريف فئة لتحويل النص إلى كلام.
+
+1. أضف توجيهات التضمين التالية إلى أعلى ملف `text_to_speech.h` الجديد:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <Seeed_FS.h>
+    #include <SD/Seeed_SD.h>
+    #include <WiFiClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "speech_to_text.h"
+    ```
+
+1. أضف الشفرة التالية أسفل ذلك لإعلان فئة `TextToSpeech`، مع مثيل يمكن استخدامه في باقي التطبيق:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. لاستدعاء تطبيق الوظائف الخاص بك، تحتاج إلى إعلان عميل WiFi. أضف ما يلي إلى القسم `private` من الفئة:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. في القسم `private`، أضف حقلًا للصوت المحدد:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. إلى القسم `public`، أضف وظيفة `init` التي ستقوم بالحصول على أول صوت:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. للحصول على الأصوات، يجب إرسال مستند JSON إلى تطبيق الوظائف مع اللغة. أضف الشفرة التالية إلى وظيفة `init` لإنشاء هذا المستند:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. بعد ذلك، أنشئ `HTTPClient`، ثم استخدمه لاستدعاء تطبيق الوظائف للحصول على الأصوات، مع إرسال مستند JSON:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. أسفل ذلك، أضف شفرة للتحقق من رمز الاستجابة، وإذا كان 200 (نجاح)، فاستخرج قائمة الأصوات، واسترد أول صوت من القائمة:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonArray obj = doc.as<JsonArray>();
+        _voice = obj[0].as<String>();
+
+        Serial.print("Using voice ");
+        Serial.println(_voice);
+    }
+    else
+    {
+        Serial.print("Failed to get voices - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. بعد ذلك، قم بإنهاء اتصال عميل HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. افتح ملف `main.cpp`، وأضف توجيه التضمين التالي في الأعلى لتضمين ملف الرأس الجديد:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. في وظيفة `setup`، أسفل استدعاء `speechToText.init();`، أضف ما يلي لتهيئة فئة `TextToSpeech`:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. قم ببناء هذه الشفرة، وارفعها إلى Wio Terminal الخاص بك واختبرها من خلال المراقب التسلسلي. تأكد من تشغيل تطبيق الوظائف الخاص بك.
+
+    سترى قائمة الأصوات المتاحة التي تم إرجاعها من تطبيق الوظائف، إلى جانب الصوت المحدد.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
+    Using voice en-US-JennyNeural
+    Ready.
+    ```
+
+## تحويل النص إلى كلام
+
+بمجرد أن يكون لديك صوت للاستخدام، يمكن استخدامه لتحويل النص إلى كلام. تنطبق نفس قيود الذاكرة مع الأصوات أيضًا عند تحويل النص إلى كلام، لذلك ستحتاج إلى كتابة الكلام على بطاقة SD ليتم تشغيله عبر ReSpeaker.
+
+> 💁 في الدروس السابقة في هذا المشروع، استخدمت ذاكرة الفلاش لتخزين الكلام الملتقط من الميكروفون. يستخدم هذا الدرس بطاقة SD لأنه من الأسهل تشغيل الصوت منها باستخدام مكتبات الصوت من Seeed.
+
+هناك أيضًا قيد آخر يجب مراعاته، وهو البيانات الصوتية المتاحة من خدمة الكلام، والتنسيقات التي يدعمها Wio Terminal. على عكس أجهزة الكمبيوتر الكاملة، يمكن أن تكون مكتبات الصوت للمتحكمات الدقيقة محدودة جدًا في التنسيقات الصوتية التي تدعمها. على سبيل المثال، مكتبة Seeed Arduino Audio التي يمكنها تشغيل الصوت عبر ReSpeaker تدعم فقط الصوت بمعدل عينة 44.1 كيلوهرتز. توفر خدمات Azure للكلام الصوت بعدة تنسيقات، ولكن لا يستخدم أي منها هذا معدل العينة، حيث توفر فقط 8 كيلوهرتز، 16 كيلوهرتز، 24 كيلوهرتز و48 كيلوهرتز. هذا يعني أن الصوت يحتاج إلى إعادة أخذ عينات إلى 44.1 كيلوهرتز، وهو أمر يتطلب موارد أكثر مما يمتلكه Wio Terminal، خاصة الذاكرة.
+
+عند الحاجة إلى معالجة البيانات مثل هذه، من الأفضل غالبًا استخدام التعليمات البرمجية بدون خادم، خاصة إذا كانت البيانات مستمدة عبر استدعاء ويب. يمكن لـ Wio Terminal استدعاء وظيفة بدون خادم، وتمرير النص للتحويل، ويمكن للوظيفة بدون خادم استدعاء خدمة الكلام لتحويل النص إلى كلام، وكذلك إعادة أخذ عينات الصوت إلى معدل العينة المطلوب. يمكنها بعد ذلك إرجاع الصوت بالشكل الذي يحتاجه Wio Terminal ليتم تخزينه على بطاقة SD وتشغيله عبر ReSpeaker.
+
+### المهمة - إنشاء وظيفة بدون خادم لتحويل النص إلى كلام
+
+1. افتح مشروعك `smart-timer-trigger` في VS Code، وافتح الطرفية مع التأكد من تفعيل البيئة الافتراضية. إذا لم تكن مفعلة، قم بإيقاف وإعادة إنشاء الطرفية.
+
+1. أضف مشغل HTTP جديد لهذا التطبيق يسمى `text-to-speech` باستخدام الأمر التالي من داخل طرفية VS Code في المجلد الجذر لمشروع تطبيق الوظائف:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    سيؤدي هذا إلى إنشاء مشغل HTTP يسمى `text-to-speech`.
+
+1. تحتوي حزمة Pip [librosa](https://librosa.org) على وظائف لإعادة أخذ عينات الصوت، لذا أضفها إلى ملف `requirements.txt`:
+
+    ```sh
+    librosa
+    ```
+
+    بمجرد إضافة ذلك، قم بتثبيت حزم Pip باستخدام الأمر التالي من طرفية VS Code:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ إذا كنت تستخدم Linux، بما في ذلك Raspberry Pi OS، قد تحتاج إلى تثبيت `libsndfile` باستخدام الأمر التالي:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. لتحويل النص إلى كلام، لا يمكنك استخدام مفتاح API الخاص بالكلام مباشرة، بدلاً من ذلك تحتاج إلى طلب رمز وصول، باستخدام مفتاح API للمصادقة على طلب رمز الوصول. افتح ملف `__init__.py` من مجلد `text-to-speech` واستبدل كل الشفرة فيه بما يلي:
+
+    ```python
+    import io
+    import os
+    import requests
+    
+    import librosa
+    import soundfile as sf
+    import azure.functions as func
+    
+    location = os.environ['SPEECH_LOCATION']
+    speech_key = os.environ['SPEECH_KEY']
+    
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    هذا يحدد ثوابت للموقع ومفتاح الكلام الذي سيتم قراءته من الإعدادات. ثم يحدد وظيفة `get_access_token` التي ستسترد رمز الوصول لخدمة الكلام.
+
+1. أسفل هذه الشفرة، أضف ما يلي:
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        language = req_body['language']
+        voice = req_body['voice']
+        text = req_body['text']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    
+        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+        ssml += text
+        ssml += '</voice>'
+        ssml += '</speak>'
+    
+        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    
+        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
+        resampled = librosa.resample(raw_audio, sample_rate, 44100)
+        
+        output_buffer = io.BytesIO()
+        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
+        output_buffer.seek(0)
+    
+        return func.HttpResponse(output_buffer.read(), status_code=200)
+    ```
+
+    هذا يحدد مشغل HTTP الذي يحول النص إلى كلام. يستخرج النص للتحويل، اللغة والصوت من نص JSON المرسل إلى الطلب، يبني بعض SSML لطلب الكلام، ثم يستدعي REST API المناسب مع المصادقة باستخدام رمز الوصول. يعيد استدعاء REST API هذا الصوت مشفرًا كملف WAV أحادي 16 بت، 48 كيلوهرتز، كما هو محدد بواسطة قيمة `playback_format`، التي يتم إرسالها إلى استدعاء REST API.
+
+    يتم بعد ذلك إعادة أخذ عينات هذا الصوت بواسطة `librosa` من معدل عينة 48 كيلوهرتز إلى معدل عينة 44.1 كيلوهرتز، ثم يتم حفظ هذا الصوت في مخزن ثنائي يتم إرجاعه بعد ذلك.
+
+1. قم بتشغيل تطبيق الوظائف الخاص بك محليًا، أو قم بنشره في السحابة. يمكنك بعد ذلك استدعاء هذا باستخدام أداة مثل curl بنفس الطريقة التي اختبرت بها مشغل HTTP `text-to-timer`. تأكد من تمرير اللغة، الصوت والنص كنص JSON:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    استبدل `<language>` بلغتك، مثل `en-GB` أو `zh-CN`. استبدل `<voice>` بالصوت الذي تريد استخدامه. استبدل `<text>` بالنص الذي تريد تحويله إلى كلام. يمكنك حفظ الإخراج إلى ملف وتشغيله باستخدام أي مشغل صوت يمكنه تشغيل ملفات WAV.
+
+    على سبيل المثال، لتحويل "Hello" إلى كلام باستخدام الإنجليزية الأمريكية مع صوت Jenny Neural، مع تشغيل تطبيق الوظائف محليًا، يمكنك استخدام أمر curl التالي:
+
+    ```sh
+    curl -X GET 'http://localhost:7071/api/text-to-speech' \
+         -H 'Content-Type: application/json' \
+         -o hello.wav \
+         -d '{
+           "language":"en-US",
+           "voice": "en-US-JennyNeural",
+           "text": "Hello"
+         }'
+    ```
+
+    سيحفظ هذا الصوت في `hello.wav` في الدليل الحالي.
+
+> 💁 يمكنك العثور على هذه الشفرة في مجلد [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### المهمة - استرداد الكلام من Wio Terminal الخاص بك
+
+1. افتح مشروع `smart-timer` في VS Code إذا لم يكن مفتوحًا بالفعل.
+
+1. افتح ملف الرأس `config.h` وأضف عنوان URL لتطبيق الوظائف الخاص بك:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    استبدل `<URL>` بعنوان URL لمشغل HTTP `text-to-speech` في تطبيق الوظائف الخاص بك. سيكون هذا هو نفس القيمة لـ `TEXT_TO_TIMER_FUNCTION_URL`، باستثناء أن اسم الوظيفة سيكون `text-to-speech` بدلاً من `text-to-timer`.
+
+1. افتح ملف الرأس `text_to_speech.h`، وأضف الطريقة التالية إلى القسم `public` من فئة `TextToSpeech`:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. إلى طريقة `convertTextToSpeech`، أضف الشفرة التالية لإنشاء JSON لإرساله إلى تطبيق الوظائف:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    يكتب هذا اللغة، الصوت والنص إلى مستند JSON، ثم يقوم بتسلسله إلى سلسلة.
+
+1. أسفل ذلك، أضف الشفرة التالية لاستدعاء تطبيق الوظائف:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    ينشئ هذا `HTTPClient`، ثم يقوم بإجراء طلب POST باستخدام مستند JSON إلى مشغل HTTP لتحويل النص إلى كلام.
+
+1. إذا نجح الاستدعاء، يمكن تدفق البيانات الثنائية الخام التي تم إرجاعها من استدعاء تطبيق الوظائف إلى ملف على بطاقة SD. أضف الشفرة التالية للقيام بذلك:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {            
+        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
+        httpClient.writeToStream(&wav_file);
+        wav_file.close();
+    }
+    else
+    {
+        Serial.print("Failed to get speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    تتحقق هذه الشفرة من الاستجابة، وإذا كانت 200 (نجاح)، يتم تدفق البيانات الثنائية إلى ملف في جذر بطاقة SD يسمى `SPEECH.WAV`.
+
+1. في نهاية هذه الطريقة، أغلق اتصال HTTP:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. يمكن الآن تحويل النص الذي سيتم نطقه إلى صوت. في ملف `main.cpp`، أضف السطر التالي إلى نهاية وظيفة `say` لتحويل النص إلى صوت:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### المهمة - تشغيل الصوت من جهاز Wio Terminal الخاص بك
+
+**قريبًا**
+
+## نشر تطبيق الوظائف الخاص بك إلى السحابة
+
+السبب وراء تشغيل تطبيق الوظائف محليًا هو أن حزمة `librosa` الخاصة بـ Pip على نظام Linux تعتمد على مكتبة غير مثبتة بشكل افتراضي، وستحتاج إلى تثبيتها قبل أن يتمكن تطبيق الوظائف من العمل. تطبيقات الوظائف هي بدون خوادم - لا توجد خوادم يمكنك إدارتها بنفسك، لذا لا توجد طريقة لتثبيت هذه المكتبة مسبقًا.
+
+الطريقة للقيام بذلك هي نشر تطبيق الوظائف الخاص بك باستخدام حاوية Docker. يتم نشر هذه الحاوية بواسطة السحابة كلما احتاجت إلى تشغيل نسخة جديدة من تطبيق الوظائف الخاص بك (مثل عندما يتجاوز الطلب الموارد المتاحة، أو إذا لم يتم استخدام تطبيق الوظائف لفترة وتم إغلاقه).
+
+يمكنك العثور على التعليمات لإعداد تطبيق الوظائف والنشر عبر Docker في [وثائق إنشاء وظيفة على Linux باستخدام صورة مخصصة على Microsoft Docs](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python).
+
+بمجرد نشر هذا، يمكنك تعديل كود Wio Terminal الخاص بك للوصول إلى هذه الوظيفة:
+
+1. أضف شهادة Azure Functions إلى `config.h`:
+
+    ```cpp
+    const char *FUNCTIONS_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
+        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
+        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
+        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
+        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
+        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
+        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
+        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
+        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
+        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
+        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
+        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
+        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
+        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
+        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
+        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
+        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
+        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
+        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
+        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
+        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
+        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
+        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
+        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
+        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
+        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
+        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
+        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
+        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. قم بتغيير جميع الإشارات إلى `<WiFiClient.h>` إلى `<WiFiClientSecure.h>`.
+
+1. قم بتغيير جميع الحقول من `WiFiClient` إلى `WiFiClientSecure`.
+
+1. في كل فئة تحتوي على حقل `WiFiClientSecure`، أضف مُنشئًا وقم بتعيين الشهادة في هذا المُنشئ:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/4-multiple-language-support/README.md b/translations/ar/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..a46f94c6
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T23:54:05+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "ar"
+}
+-->
+# دعم لغات متعددة
+
+![رسم توضيحي للدرس](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ar.jpg)
+
+> رسم توضيحي من [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة لعرض نسخة أكبر.
+
+يقدم هذا الفيديو نظرة عامة على خدمات Azure للنطق، بما في ذلك تحويل الكلام إلى نص والنص إلى كلام من الدروس السابقة، بالإضافة إلى ترجمة الكلام، وهو موضوع يتم تناوله في هذا الدرس:
+
+[![التعرف على الكلام باستخدام بضعة أسطر من بايثون من Microsoft Build 2020](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+## اختبار ما قبل المحاضرة
+
+[اختبار ما قبل المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## المقدمة
+
+في الدروس الثلاثة الأخيرة، تعلمت كيفية تحويل الكلام إلى نص، وفهم اللغة، وتحويل النص إلى كلام، وكل ذلك مدعوم بالذكاء الاصطناعي. مجال آخر من مجالات التواصل البشري الذي يمكن للذكاء الاصطناعي المساعدة فيه هو ترجمة اللغات - تحويل النصوص من لغة إلى أخرى، مثل التحويل من الإنجليزية إلى الفرنسية.
+
+في هذا الدرس، ستتعلم كيفية استخدام الذكاء الاصطناعي لترجمة النصوص، مما يسمح للمؤقت الذكي الخاص بك بالتفاعل مع المستخدمين بلغات متعددة.
+
+في هذا الدرس سنتناول:
+
+* [ترجمة النصوص](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [خدمات الترجمة](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [إنشاء مورد للترجمة](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [دعم لغات متعددة في التطبيقات باستخدام الترجمة](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [ترجمة النصوص باستخدام خدمة ذكاء اصطناعي](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 هذا هو الدرس الأخير في هذا المشروع، لذا بعد إكمال هذا الدرس والتكليف، لا تنس تنظيف خدمات السحابة الخاصة بك. ستحتاج إلى الخدمات لإكمال التكليف، لذا تأكد من إكماله أولاً.
+>
+> ارجع إلى [دليل تنظيف المشروع](../../../clean-up.md) إذا لزم الأمر للحصول على التعليمات حول كيفية القيام بذلك.
+
+## ترجمة النصوص
+
+كانت ترجمة النصوص مشكلة في علوم الحاسوب تم البحث فيها لأكثر من 70 عامًا، وبفضل التقدم في الذكاء الاصطناعي وقوة الحوسبة، أصبحت قريبة من الحل إلى درجة تقارب جودة المترجمين البشريين.
+
+> 💁 يمكن تتبع الأصول إلى أبعد من ذلك، إلى [الكندي](https://wikipedia.org/wiki/Al-Kindi)، عالم التشفير العربي في القرن التاسع الذي طور تقنيات لترجمة اللغات.
+
+### الترجمات الآلية
+
+بدأت ترجمة النصوص كتقنية تُعرف باسم الترجمة الآلية (MT)، التي يمكنها الترجمة بين أزواج لغوية مختلفة. تعمل الترجمة الآلية عن طريق استبدال الكلمات في لغة بأخرى، مع إضافة تقنيات لاختيار الطرق الصحيحة لترجمة العبارات أو أجزاء الجمل عندما لا تكون الترجمة الحرفية منطقية.
+
+> 🎓 عندما تدعم أدوات الترجمة الترجمة بين لغة وأخرى، تُعرف هذه الأزواج بـ *الأزواج اللغوية*. تدعم الأدوات المختلفة أزواجًا لغوية مختلفة، وقد لا تكون هذه الأزواج مكتملة. على سبيل المثال، قد يدعم مترجم الترجمة من الإنجليزية إلى الإسبانية كزوج لغوي، ومن الإسبانية إلى الإيطالية كزوج لغوي، ولكن ليس من الإنجليزية إلى الإيطالية.
+
+على سبيل المثال، يمكن ترجمة "Hello world" من الإنجليزية إلى الفرنسية باستخدام الاستبدال - "Bonjour" لـ "Hello"، و"le monde" لـ "world"، مما يؤدي إلى الترجمة الصحيحة "Bonjour le monde".
+
+لا تعمل الاستبدالات عندما تستخدم اللغات المختلفة طرقًا مختلفة للتعبير عن نفس الشيء. على سبيل المثال، الجملة الإنجليزية "My name is Jim" تُترجم إلى "Je m'appelle Jim" بالفرنسية - حرفيًا "أنا أدعو نفسي جيم". "Je" تعني "أنا" بالفرنسية، و"moi" تعني "أنا" ولكنها تُدمج مع الفعل لأنها تبدأ بحرف متحرك، لذا تصبح "m'"، و"appelle" تعني "يدعو"، و"Jim" لا تُترجم لأنها اسم وليس كلمة يمكن ترجمتها. كما أن ترتيب الكلمات يصبح مشكلة - استبدال بسيط لـ "Je m'appelle Jim" يصبح "I myself call Jim"، مع ترتيب كلمات مختلف عن الإنجليزية.
+
+> 💁 بعض الكلمات لا تُترجم أبدًا - اسمي هو جيم بغض النظر عن اللغة المستخدمة لتقديمي. عند الترجمة إلى لغات تستخدم أبجديات مختلفة، أو تستخدم حروفًا مختلفة لأصوات مختلفة، يمكن *نقل الكلمات صوتيًا*، أي اختيار حروف أو رموز تعطي الصوت المناسب لتبدو مثل الكلمة الأصلية.
+
+العبارات الاصطلاحية تمثل أيضًا مشكلة في الترجمة. هذه عبارات لها معنى مفهوم يختلف عن التفسير المباشر للكلمات. على سبيل المثال، في الإنجليزية العبارة الاصطلاحية "I've got ants in my pants" لا تشير حرفيًا إلى وجود نمل في ملابسك، بل إلى الشعور بعدم الراحة. إذا ترجمت هذه العبارة إلى الألمانية، ستربك المستمع، حيث النسخة الألمانية هي "لدي نحلات في المؤخرة".
+
+> 💁 تضيف اللهجات المختلفة تعقيدات مختلفة. مع العبارة الاصطلاحية "ants in your pants"، في الإنجليزية الأمريكية "pants" تشير إلى الملابس الخارجية، بينما في الإنجليزية البريطانية، "pants" تعني الملابس الداخلية.
+
+✅ إذا كنت تتحدث لغات متعددة، فكر في بعض العبارات التي لا تُترجم مباشرة.
+
+تعتمد أنظمة الترجمة الآلية على قواعد كبيرة تصف كيفية ترجمة عبارات واصطلاحات معينة، إلى جانب طرق إحصائية لاختيار الترجمات المناسبة من الخيارات الممكنة. تستخدم هذه الطرق الإحصائية قواعد بيانات ضخمة من الأعمال التي تُرجمت بواسطة البشر إلى لغات متعددة لاختيار الترجمة الأكثر احتمالًا، وهي تقنية تُعرف بـ *الترجمة الآلية الإحصائية*. يستخدم عدد من هذه الأنظمة تمثيلات وسيطة للغة، مما يسمح بترجمة لغة إلى الوسيط، ثم من الوسيط إلى لغة أخرى. بهذه الطريقة، يتم إضافة المزيد من اللغات عن طريق الترجمة إلى ومن الوسيط، وليس إلى ومن جميع اللغات الأخرى.
+
+### الترجمات العصبية
+
+تشمل الترجمات العصبية استخدام قوة الذكاء الاصطناعي للترجمة، وعادةً ما يتم ترجمة الجمل الكاملة باستخدام نموذج واحد. يتم تدريب هذه النماذج على مجموعات بيانات ضخمة تُرجمت بواسطة البشر، مثل صفحات الويب، والكتب، ووثائق الأمم المتحدة.
+
+عادةً ما تكون نماذج الترجمة العصبية أصغر من نماذج الترجمة الآلية لأنها لا تحتاج إلى قواعد بيانات ضخمة من العبارات والاصطلاحات. غالبًا ما تمزج خدمات الذكاء الاصطناعي الحديثة التي تقدم الترجمات بين تقنيات متعددة، مثل الترجمة الآلية الإحصائية والترجمة العصبية.
+
+لا توجد ترجمة 1:1 لأي زوج لغوي. ستنتج نماذج الترجمة المختلفة نتائج مختلفة قليلاً بناءً على البيانات المستخدمة لتدريب النموذج. الترجمات ليست دائمًا متماثلة - بمعنى أنه إذا ترجمت جملة من لغة إلى أخرى، ثم عدت إلى اللغة الأولى، قد تحصل على جملة مختلفة قليلاً كنتيجة.
+
+✅ جرّب استخدام مترجمات عبر الإنترنت مثل [Bing Translate](https://www.bing.com/translator)، [Google Translate](https://translate.google.com)، أو تطبيق الترجمة من Apple. قارن بين النسخ المترجمة لبضع جمل. جرّب أيضًا الترجمة في واحد، ثم الترجمة مرة أخرى في آخر.
+
+## خدمات الترجمة
+
+هناك عدد من خدمات الذكاء الاصطناعي التي يمكن استخدامها من تطبيقاتك لترجمة الكلام والنصوص.
+
+### خدمة النطق من الخدمات الإدراكية
+
+![شعار خدمة النطق](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ar.png)
+
+تحتوي خدمة النطق التي استخدمتها في الدروس السابقة على قدرات ترجمة للتعرف على الكلام. عند التعرف على الكلام، يمكنك طلب النص الخاص بالكلام ليس فقط باللغة نفسها، ولكن أيضًا بلغات أخرى.
+
+> 💁 هذا متاح فقط من خلال SDK الخاص بالنطق، ولا يحتوي API REST على الترجمات المدمجة.
+
+### خدمة المترجم من الخدمات الإدراكية
+
+![شعار خدمة المترجم](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ar.png)
+
+خدمة المترجم هي خدمة ترجمة مخصصة يمكنها ترجمة النصوص من لغة إلى لغة أو أكثر. بالإضافة إلى الترجمة، تدعم مجموعة واسعة من الميزات الإضافية بما في ذلك حجب الألفاظ النابية. كما تتيح لك تقديم ترجمة محددة لكلمة أو جملة معينة، للتعامل مع المصطلحات التي لا تريد ترجمتها، أو التي لها ترجمة معروفة محددة.
+
+على سبيل المثال، عند ترجمة الجملة "I have a Raspberry Pi"، في إشارة إلى الحاسوب المصغر، إلى لغة أخرى مثل الفرنسية، سترغب في الاحتفاظ باسم "Raspberry Pi" كما هو، وعدم ترجمته، مما يعطي "J’ai un Raspberry Pi" بدلاً من "J’ai une pi aux framboises".
+
+## إنشاء مورد للترجمة
+
+في هذا الدرس، ستحتاج إلى مورد للترجمة. ستستخدم API REST لترجمة النصوص.
+
+### المهمة - إنشاء مورد للترجمة
+
+1. من الطرفية أو موجه الأوامر، قم بتشغيل الأمر التالي لإنشاء مورد للترجمة في مجموعة الموارد `smart-timer`.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مجموعة الموارد.
+
+1. احصل على المفتاح الخاص بخدمة المترجم:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    خذ نسخة من أحد المفاتيح.
+
+## دعم لغات متعددة في التطبيقات باستخدام الترجمة
+
+في عالم مثالي، يجب أن يفهم تطبيقك بالكامل أكبر عدد ممكن من اللغات المختلفة، بدءًا من الاستماع للكلام، إلى فهم اللغة، إلى الرد بالكلام. هذا يتطلب الكثير من العمل، لذا يمكن لخدمات الترجمة تسريع وقت تسليم تطبيقك.
+
+![بنية مؤقت ذكي يترجم من اليابانية إلى الإنجليزية، يعالج بالإنجليزية ثم يترجم مرة أخرى إلى اليابانية](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ar.png)
+
+تخيل أنك تبني مؤقتًا ذكيًا يستخدم الإنجليزية من البداية إلى النهاية، حيث يفهم الإنجليزية المنطوقة ويحولها إلى نص، ويقوم بفهم اللغة بالإنجليزية، ويبني الردود بالإنجليزية ويرد بالكلام الإنجليزي. إذا أردت إضافة دعم لليابانية، يمكنك البدء بترجمة اليابانية المنطوقة إلى نص إنجليزي، ثم الاحتفاظ بجوهر التطبيق كما هو، ثم ترجمة النصوص الردية إلى اليابانية قبل التحدث بالرد. هذا سيسمح لك بإضافة دعم اليابانية بسرعة، ويمكنك التوسع لاحقًا لتوفير دعم كامل لليابانية من البداية إلى النهاية.
+
+> 💁 الجانب السلبي للاعتماد على الترجمة الآلية هو أن اللغات والثقافات المختلفة لديها طرق مختلفة للتعبير عن نفس الأشياء، لذا قد لا تتطابق الترجمة مع التعبير الذي تتوقعه.
+
+تفتح الترجمات الآلية أيضًا إمكانيات للتطبيقات والأجهزة التي يمكنها ترجمة المحتوى الذي ينشئه المستخدم أثناء إنشائه. غالبًا ما تظهر الخيال العلمي "المترجمات العالمية"، وهي أجهزة يمكنها الترجمة من اللغات الغريبة إلى (عادةً) الإنجليزية الأمريكية. هذه الأجهزة أقل خيالًا علميًا، وأكثر حقيقة علمية، إذا تجاهلنا الجزء الخاص بالكائنات الفضائية. هناك بالفعل تطبيقات وأجهزة توفر ترجمة فورية للكلام والنصوص المكتوبة، باستخدام مجموعات من خدمات النطق والترجمة.
+
+أحد الأمثلة هو تطبيق الهاتف المحمول [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn)، الذي تم عرضه في هذا الفيديو:
+
+[![ميزة الترجمة الحية في Microsoft Translator أثناء العمل](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة الفيديو
+
+تخيل وجود جهاز كهذا متاح لك، خاصة عند السفر أو التفاعل مع أشخاص لا تعرف لغتهم. وجود أجهزة ترجمة تلقائية في المطارات أو المستشفيات سيقدم تحسينات كبيرة في إمكانية الوصول.
+
+✅ قم ببعض البحث: هل هناك أي أجهزة ترجمة إنترنت الأشياء متوفرة تجاريًا؟ ماذا عن قدرات الترجمة المدمجة في الأجهزة الذكية؟
+
+> 👽 على الرغم من عدم وجود مترجمات عالمية حقيقية تسمح لنا بالتحدث مع الكائنات الفضائية، فإن [مترجم Microsoft يدعم لغة الكلينجون](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). Qapla’!
+
+## ترجمة النصوص باستخدام خدمة ذكاء اصطناعي
+
+يمكنك استخدام خدمة ذكاء اصطناعي لإضافة هذه القدرة على الترجمة إلى المؤقت الذكي الخاص بك.
+
+### المهمة - ترجمة النصوص باستخدام خدمة ذكاء اصطناعي
+
+اعمل من خلال الدليل المناسب لتحويل النصوص على جهاز إنترنت الأشياء الخاص بك:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Single-board computer - Raspberry Pi](pi-translate-speech.md)
+* [Single-board computer - Virtual device](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 التحدي
+
+كيف يمكن أن تفيد الترجمات الآلية تطبيقات إنترنت الأشياء الأخرى بخلاف الأجهزة الذكية؟ فكر في طرق مختلفة يمكن أن تساعد بها الترجمات، ليس فقط مع الكلمات المنطوقة ولكن أيضًا مع النصوص.
+
+## اختبار ما بعد المحاضرة
+
+[اختبار ما بعد المحاضرة](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## المراجعة والدراسة الذاتية
+
+* اقرأ المزيد عن الترجمة الآلية على [صفحة الترجمة الآلية على ويكيبيديا](https://wikipedia.org/wiki/Machine_translation)
+* اقرأ المزيد عن الترجمة العصبية على [صفحة الترجمة العصبية على ويكيبيديا](https://wikipedia.org/wiki/Neural_machine_translation)
+* تحقق من قائمة اللغات المدعومة لخدمات النطق من Microsoft في [دعم اللغة والصوت لخدمة النطق على Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## التكليف
+
+[بناء مترجم عالمي](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/ar/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..1e88227a
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T23:56:20+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "ar"
+}
+-->
+# بناء مترجم عالمي
+
+## التعليمات
+
+المترجم العالمي هو جهاز يمكنه الترجمة بين لغات متعددة، مما يسمح للأشخاص الذين يتحدثون لغات مختلفة بالتواصل. استخدم ما تعلمته خلال الدروس السابقة لبناء مترجم عالمي باستخدام جهازين من أجهزة إنترنت الأشياء.
+
+> إذا لم يكن لديك جهازان، اتبع الخطوات في الدروس السابقة لإعداد جهاز إنترنت أشياء افتراضي ليكون أحد الجهازين.
+
+يجب أن يتم تكوين جهاز واحد للغة معينة، والآخر للغة مختلفة. يجب أن يقبل كل جهاز الكلام، يحوله إلى نص، يرسله إلى الجهاز الآخر عبر IoT Hub وتطبيق Functions، ثم يترجمه ويشغل الكلام المترجم.
+
+> 💁 نصيحة: عند إرسال الكلام من جهاز إلى آخر، قم بإرسال اللغة التي يتحدث بها أيضًا، مما يجعل الترجمة أسهل. يمكنك حتى جعل كل جهاز يسجل نفسه باستخدام IoT Hub وتطبيق Functions أولاً، مع تمرير اللغة التي يدعمها ليتم تخزينها في Azure Storage. بعد ذلك، يمكنك استخدام تطبيق Functions لإجراء الترجمات، وإرسال النص المترجم إلى جهاز إنترنت الأشياء.
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------ | ------ | --------------- |
+| إنشاء مترجم عالمي | تم بناء مترجم عالمي بنجاح، يحول الكلام المكتشف من جهاز إلى كلام يتم تشغيله بجهاز آخر بلغة مختلفة | تم تشغيل بعض المكونات بنجاح، مثل التقاط الكلام أو الترجمة، ولكن لم يتم بناء الحل الكامل من البداية إلى النهاية | لم يتم بناء أي جزء من مترجم عالمي يعمل |
+
+---
+
+**إخلاء المسؤولية**:  
+تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/ar/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..21f4e813
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T23:57:00+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "ar"
+}
+-->
+# ترجمة الكلام - Raspberry Pi
+
+في هذا الجزء من الدرس، ستكتب كودًا لترجمة النص باستخدام خدمة الترجمة.
+
+## تحويل النص إلى كلام باستخدام خدمة الترجمة
+
+واجهة برمجة التطبيقات REST الخاصة بخدمة الكلام لا تدعم الترجمة المباشرة، ولكن يمكنك استخدام خدمة الترجمة لترجمة النص الناتج عن خدمة تحويل الكلام إلى نص، وكذلك النص الخاص بالرد المنطوق. هذه الخدمة تحتوي على واجهة برمجة التطبيقات REST التي يمكنك استخدامها لترجمة النص.
+
+### المهمة - استخدام مورد الترجمة لترجمة النص
+
+1. سيكون لديك لغتان محددتان في المؤقت الذكي - لغة الخادم التي تم استخدامها لتدريب LUIS (وهي نفس اللغة التي تُستخدم لبناء الرسائل للتحدث مع المستخدم)، ولغة المستخدم المنطوقة. قم بتحديث المتغير `language` ليكون اللغة التي سيتم التحدث بها من قبل المستخدم، وأضف متغيرًا جديدًا يسمى `server_language` للغة المستخدمة لتدريب LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    استبدل `<user language>` باسم المنطقة للغة التي ستتحدث بها، على سبيل المثال `fr-FR` للفرنسية، أو `zn-HK` للكانتونية.
+
+    استبدل `<server language>` باسم المنطقة للغة المستخدمة لتدريب LUIS.
+
+    يمكنك العثور على قائمة باللغات المدعومة وأسماء المناطق الخاصة بها في [وثائق دعم اللغة والصوت على موقع Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 إذا كنت لا تتحدث لغات متعددة، يمكنك استخدام خدمة مثل [Bing Translate](https://www.bing.com/translator) أو [Google Translate](https://translate.google.com) لترجمة النص من لغتك المفضلة إلى لغة أخرى من اختيارك. يمكن لهذه الخدمات تشغيل الصوت للنص المترجم.
+    >
+    > على سبيل المثال، إذا قمت بتدريب LUIS باللغة الإنجليزية، ولكنك ترغب في استخدام الفرنسية كلغة المستخدم، يمكنك ترجمة جمل مثل "اضبط مؤقت لمدة دقيقتين و27 ثانية" من الإنجليزية إلى الفرنسية باستخدام Bing Translate، ثم استخدام زر **الاستماع إلى الترجمة** للتحدث بالترجمة إلى الميكروفون.
+    >
+    > ![زر الاستماع إلى الترجمة في Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png)
+
+1. أضف مفتاح واجهة برمجة التطبيقات الخاص بخدمة الترجمة أسفل `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    استبدل `<key>` بمفتاح واجهة برمجة التطبيقات الخاص بمورد خدمة الترجمة.
+
+1. فوق وظيفة `say`، قم بتعريف وظيفة `translate_text` التي ستقوم بترجمة النص من لغة الخادم إلى لغة المستخدم:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    يتم تمرير اللغات المصدر والهدف إلى هذه الوظيفة - يحتاج التطبيق الخاص بك إلى التحويل من لغة المستخدم إلى لغة الخادم عند التعرف على الكلام، ومن لغة الخادم إلى لغة المستخدم عند تقديم رد منطوق.
+
+1. داخل هذه الوظيفة، قم بتعريف عنوان URL والرؤوس الخاصة باستدعاء واجهة برمجة التطبيقات REST:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    عنوان URL لهذه الواجهة ليس خاصًا بالموقع، بل يتم تمرير الموقع كرأس. يتم استخدام مفتاح واجهة برمجة التطبيقات مباشرة، لذا على عكس خدمة الكلام، لا توجد حاجة للحصول على رمز وصول من واجهة برمجة التطبيقات الخاصة بإصدار الرموز.
+
+1. أسفل ذلك، قم بتعريف المعلمات والجسم الخاص بالاستدعاء:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    يقوم `params` بتعريف المعلمات التي يتم تمريرها إلى استدعاء واجهة برمجة التطبيقات، حيث يتم تمرير اللغات المصدر والهدف. يقوم هذا الاستدعاء بترجمة النص من اللغة المصدر إلى اللغة الهدف.
+
+    يحتوي `body` على النص المراد ترجمته. هذا عبارة عن مصفوفة، حيث يمكن ترجمة عدة كتل نصية في نفس الاستدعاء.
+
+1. قم بإجراء استدعاء واجهة برمجة التطبيقات REST، واحصل على الاستجابة:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    الاستجابة التي تعود هي مصفوفة JSON، تحتوي على عنصر واحد يحتوي على الترجمات. يحتوي هذا العنصر على مصفوفة لترجمات جميع العناصر التي تم تمريرها في الجسم.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. قم بإرجاع الخاصية `test` من أول ترجمة من أول عنصر في المصفوفة:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. قم بتحديث الحلقة `while True` لترجمة النص من استدعاء `convert_speech_to_text` من لغة المستخدم إلى لغة الخادم:
+
+    ```python
+    if len(text) > 0:
+        print('Original:', text)
+        text = translate_text(text, language, server_language)
+        print('Translated:', text)
+
+        message = Message(json.dumps({ 'speech': text }))
+        device_client.send_message(message)
+    ```
+
+    يقوم هذا الكود أيضًا بطباعة النسخة الأصلية والمترجمة من النص إلى وحدة التحكم.
+
+1. قم بتحديث وظيفة `say` لترجمة النص الذي سيتم قوله من لغة الخادم إلى لغة المستخدم:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    يقوم هذا الكود أيضًا بطباعة النسخة الأصلية والمترجمة من النص إلى وحدة التحكم.
+
+1. قم بتشغيل الكود الخاص بك. تأكد من تشغيل تطبيق الوظائف الخاص بك، واطلب مؤقتًا بلغة المستخدم، إما عن طريق التحدث بهذه اللغة بنفسك، أو باستخدام تطبيق ترجمة.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py
+    Connecting
+    Connected
+    Using voice fr-FR-DeniseNeural
+    Original: Définir une minuterie de 2 minutes et 27 secondes.
+    Translated: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 نظرًا للاختلافات في طرق التعبير عن شيء ما في لغات مختلفة، قد تحصل على ترجمات تختلف قليلاً عن الأمثلة التي قدمتها لـ LUIS. إذا كان هذا هو الحال، أضف المزيد من الأمثلة إلى LUIS، ثم أعد التدريب وأعد نشر النموذج.
+
+> 💁 يمكنك العثور على هذا الكود في [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) المجلد.
+
+😀 لقد كان برنامج المؤقت متعدد اللغات الخاص بك ناجحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/ar/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..2a137701
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T23:58:10+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "ar"
+}
+-->
+# ترجمة الكلام - جهاز إنترنت الأشياء الافتراضي
+
+في هذا الجزء من الدرس، ستكتب كودًا لترجمة الكلام عند تحويله إلى نص باستخدام خدمة الكلام، ثم ترجمة النص باستخدام خدمة المترجم قبل إنشاء استجابة منطوقة.
+
+## استخدام خدمة الكلام لترجمة الكلام
+
+يمكن لخدمة الكلام أن تأخذ الكلام وتحوله إلى نص ليس فقط بنفس اللغة، بل يمكنها أيضًا ترجمة النص الناتج إلى لغات أخرى.
+
+### المهمة - استخدام خدمة الكلام لترجمة الكلام
+
+1. افتح مشروع `smart-timer` في VS Code، وتأكد من تحميل البيئة الافتراضية في الطرفية.
+
+1. أضف عبارات الاستيراد التالية أسفل عبارات الاستيراد الحالية:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    هذا يستورد الفئات المستخدمة لترجمة الكلام، ومكتبة `requests` التي ستُستخدم لإجراء استدعاء لخدمة المترجم لاحقًا في هذا الدرس.
+
+1. سيكون لجهاز المؤقت الذكي لغتان محددتان - لغة الخادم التي تم استخدامها لتدريب LUIS (وهي نفس اللغة المستخدمة لبناء الرسائل للتحدث مع المستخدم)، ولغة المستخدم. قم بتحديث متغير `language` ليكون اللغة التي سيتحدث بها المستخدم، وأضف متغيرًا جديدًا يسمى `server_language` للغة المستخدمة لتدريب LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    استبدل `<user language>` باسم اللغة المحلية التي ستتحدث بها، على سبيل المثال `fr-FR` للفرنسية، أو `zn-HK` للكانتونية.
+
+    استبدل `<server language>` باسم اللغة المحلية المستخدمة لتدريب LUIS.
+
+    يمكنك العثور على قائمة باللغات المدعومة وأسمائها المحلية في [وثائق دعم اللغة والصوت على موقع Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 إذا كنت لا تتحدث لغات متعددة، يمكنك استخدام خدمة مثل [Bing Translate](https://www.bing.com/translator) أو [Google Translate](https://translate.google.com) لترجمة النصوص من لغتك المفضلة إلى لغة أخرى. يمكن لهذه الخدمات تشغيل الصوت للنصوص المترجمة. لاحظ أن جهاز التعرف على الكلام قد يتجاهل بعض الأصوات الصادرة من جهازك، لذا قد تحتاج إلى استخدام جهاز إضافي لتشغيل النصوص المترجمة.
+    >
+    > على سبيل المثال، إذا قمت بتدريب LUIS باللغة الإنجليزية، ولكنك تريد استخدام الفرنسية كلغة للمستخدم، يمكنك ترجمة جمل مثل "اضبط مؤقتًا لمدة دقيقتين و27 ثانية" من الإنجليزية إلى الفرنسية باستخدام Bing Translate، ثم استخدام زر **الاستماع إلى الترجمة** للتحدث بالترجمة إلى الميكروفون.
+    >
+    > ![زر الاستماع إلى الترجمة في Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png)
+
+1. استبدل تعريفات `recognizer_config` و`recognizer` بالتالي:
+
+    ```python
+    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
+                                                 region=location,
+                                                 speech_recognition_language=language,
+                                                 target_languages=(language, server_language))
+    
+    recognizer = TranslationRecognizer(translation_config=translation_config)
+    ```
+
+    هذا ينشئ تكوين ترجمة للتعرف على الكلام بلغة المستخدم، وإنشاء ترجمات بلغة المستخدم ولغة الخادم. ثم يستخدم هذا التكوين لإنشاء مترجم للتعرف على الكلام - وهو جهاز تعرّف على الكلام يمكنه ترجمة ناتج التعرف على الكلام إلى لغات متعددة.
+
+    > 💁 يجب تحديد اللغة الأصلية في `target_languages`، وإلا فلن تحصل على أي ترجمات.
+
+1. قم بتحديث وظيفة `recognized`، واستبدل محتويات الوظيفة بالكامل بالتالي:
+
+    ```python
+    if args.result.reason == speech.ResultReason.TranslatedSpeech:
+        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
+        text = args.result.translations[language_match]
+        if (len(text) > 0):
+            print(f'Translated text: {text}')
+    
+            message = Message(json.dumps({ 'speech': text }))
+            device_client.send_message(message)
+    ```
+
+    يتحقق هذا الكود مما إذا كان حدث التعرف قد تم تشغيله بسبب ترجمة الكلام (يمكن أن يتم تشغيل هذا الحدث في أوقات أخرى، مثل عندما يتم التعرف على الكلام ولكن لم يتم ترجمته). إذا تم ترجمة الكلام، فإنه يجد الترجمة في قاموس `args.result.translations` الذي يتطابق مع لغة الخادم.
+
+    قاموس `args.result.translations` يستخدم الجزء الخاص باللغة من إعدادات اللغة المحلية، وليس الإعداد بالكامل. على سبيل المثال، إذا طلبت ترجمة إلى `fr-FR` للفرنسية، فإن القاموس سيحتوي على إدخال لـ `fr`، وليس `fr-FR`.
+
+    يتم بعد ذلك إرسال النص المترجم إلى IoT Hub.
+
+1. قم بتشغيل هذا الكود لاختبار الترجمات. تأكد من تشغيل تطبيق الوظائف الخاص بك، واطلب مؤقتًا بلغة المستخدم، إما عن طريق التحدث بتلك اللغة بنفسك، أو باستخدام تطبيق ترجمة.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## ترجمة النص باستخدام خدمة المترجم
+
+لا تدعم خدمة الكلام ترجمة النصوص مرة أخرى إلى كلام، بدلاً من ذلك يمكنك استخدام خدمة المترجم لترجمة النصوص. تحتوي هذه الخدمة على واجهة برمجة تطبيقات REST يمكنك استخدامها لترجمة النصوص.
+
+### المهمة - استخدام مورد المترجم لترجمة النصوص
+
+1. أضف مفتاح API الخاص بالمترجم أسفل `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    استبدل `<key>` بمفتاح API الخاص بمورد خدمة المترجم.
+
+1. فوق وظيفة `say`، قم بتعريف وظيفة `translate_text` التي ستترجم النصوص من لغة الخادم إلى لغة المستخدم:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. داخل هذه الوظيفة، قم بتعريف عنوان URL والرؤوس لاستدعاء واجهة برمجة التطبيقات:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    عنوان URL لهذه الواجهة ليس خاصًا بالموقع، بدلاً من ذلك يتم تمرير الموقع كرأس. يتم استخدام مفتاح API مباشرة، لذا على عكس خدمة الكلام، لا حاجة للحصول على رمز وصول من واجهة برمجة التطبيقات الخاصة بإصدار الرموز.
+
+1. أسفل ذلك، قم بتعريف المعلمات والجسم للاستدعاء:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    يقوم `params` بتعريف المعلمات التي يتم تمريرها لاستدعاء واجهة برمجة التطبيقات، حيث يتم تمرير اللغات المصدر والهدف. سيقوم هذا الاستدعاء بترجمة النصوص من اللغة المصدر إلى اللغة الهدف.
+
+    يحتوي `body` على النصوص المراد ترجمتها. هذا عبارة عن مصفوفة، حيث يمكن ترجمة كتل نصوص متعددة في نفس الاستدعاء.
+
+1. قم بإجراء استدعاء واجهة برمجة التطبيقات REST، واحصل على الاستجابة:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    الاستجابة التي تعود هي مصفوفة JSON، تحتوي على عنصر واحد يحتوي على الترجمات. يحتوي هذا العنصر على مصفوفة لترجمات جميع العناصر التي تم تمريرها في الجسم.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. قم بإرجاع الخاصية `text` من أول ترجمة من أول عنصر في المصفوفة:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. قم بتحديث وظيفة `say` لترجمة النصوص قبل إنشاء SSML:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    يقوم هذا الكود أيضًا بطباعة النسخة الأصلية والمترجمة من النصوص إلى وحدة التحكم.
+
+1. قم بتشغيل الكود الخاص بك. تأكد من تشغيل تطبيق الوظائف الخاص بك، واطلب مؤقتًا بلغة المستخدم، إما عن طريق التحدث بتلك اللغة بنفسك، أو باستخدام تطبيق ترجمة.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 بسبب الطرق المختلفة لقول شيء ما في لغات مختلفة، قد تحصل على ترجمات تختلف قليلاً عن الأمثلة التي قدمتها لـ LUIS. إذا كان هذا هو الحال، أضف المزيد من الأمثلة إلى LUIS، ثم أعد التدريب وأعد نشر النموذج.
+
+> 💁 يمكنك العثور على هذا الكود في المجلد [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device).
+
+😀 لقد كان برنامج المؤقت متعدد اللغات الخاص بك نجاحًا!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/ar/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..436a997b
--- /dev/null
+++ b/translations/ar/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T23:52:03+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "ar"
+}
+-->
+# ترجمة الكلام - Wio Terminal
+
+في هذا الجزء من الدرس، ستكتب كودًا لترجمة النص باستخدام خدمة الترجمة.
+
+## تحويل النص إلى كلام باستخدام خدمة الترجمة
+
+واجهة برمجة التطبيقات REST الخاصة بخدمة الكلام لا تدعم الترجمات المباشرة. بدلاً من ذلك، يمكنك استخدام خدمة الترجمة لترجمة النص الناتج عن خدمة تحويل الكلام إلى نص، وكذلك النص الخاص بالرد المنطوق. تحتوي هذه الخدمة على واجهة برمجة تطبيقات REST يمكنك استخدامها لترجمة النص، ولكن لتسهيل الاستخدام سيتم تغليفها في مشغل HTTP آخر داخل تطبيق الوظائف الخاص بك.
+
+### المهمة - إنشاء وظيفة بدون خادم لترجمة النص
+
+1. افتح مشروعك `smart-timer-trigger` في VS Code، وافتح الطرفية مع التأكد من تنشيط البيئة الافتراضية. إذا لم تكن نشطة، قم بإنهاء الطرفية وإعادة إنشائها.
+
+1. افتح ملف `local.settings.json` وأضف إعدادات مفتاح API الخاص بخدمة الترجمة والموقع:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    استبدل `<key>` بمفتاح API الخاص بمورد خدمة الترجمة. استبدل `<location>` بالموقع الذي استخدمته عند إنشاء مورد خدمة الترجمة.
+
+1. أضف مشغل HTTP جديد إلى هذا التطبيق يسمى `translate-text` باستخدام الأمر التالي داخل الطرفية في VS Code في المجلد الجذر لمشروع تطبيق الوظائف:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    سيقوم هذا بإنشاء مشغل HTTP يسمى `translate-text`.
+
+1. استبدل محتويات ملف `__init__.py` في مجلد `translate-text` بما يلي:
+
+    ```python
+    import logging
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    location = os.environ['TRANSLATOR_LOCATION']
+    translator_key = os.environ['TRANSLATOR_KEY']
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        from_language = req_body['from_language']
+        to_language = req_body['to_language']
+        text = req_body['text']
+        
+        logging.info(f'Translating {text} from {from_language} to {to_language}')
+    
+        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': translator_key,
+            'Ocp-Apim-Subscription-Region': location,
+            'Content-type': 'application/json'
+        }
+    
+        params = {
+            'from': from_language,
+            'to': to_language
+        }
+    
+        body = [{
+            'text' : text
+        }]
+        
+        response = requests.post(url, headers=headers, params=params, json=body)
+        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
+    ```
+
+    يقوم هذا الكود باستخراج النص واللغات من طلب HTTP. ثم يقوم بإجراء طلب إلى واجهة برمجة التطبيقات REST الخاصة بخدمة الترجمة، مع تمرير اللغات كمعلمات للعنوان والنص المراد ترجمته كجسم الطلب. وأخيرًا، يتم إرجاع الترجمة.
+
+1. قم بتشغيل تطبيق الوظائف الخاص بك محليًا. يمكنك بعد ذلك استدعاء هذا باستخدام أداة مثل curl بنفس الطريقة التي اختبرت بها مشغل HTTP الخاص بـ `text-to-timer`. تأكد من تمرير النص المراد ترجمته واللغات كجسم JSON:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    يترجم هذا المثال *Définir une minuterie de 30 secondes* من الفرنسية إلى الإنجليزية الأمريكية. وسيعيد *Set a 30-second timer*.
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions).
+
+### المهمة - استخدام وظيفة الترجمة لترجمة النص
+
+1. افتح مشروع `smart-timer` في VS Code إذا لم يكن مفتوحًا بالفعل.
+
+1. سيكون للمؤقت الذكي الخاص بك لغتان محددتان - لغة الخادم التي تم استخدامها لتدريب LUIS (تُستخدم نفس اللغة أيضًا لبناء الرسائل للتحدث مع المستخدم)، ولغة المستخدم المنطوقة. قم بتحديث الثابت `LANGUAGE` في ملف الرأس `config.h` لتكون اللغة التي سيتم التحدث بها من قبل المستخدم، وأضف ثابتًا جديدًا يسمى `SERVER_LANGUAGE` للغة المستخدمة لتدريب LUIS:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    استبدل `<user language>` باسم المنطقة للغة التي ستتحدث بها، على سبيل المثال `fr-FR` للفرنسية، أو `zn-HK` للكانتونية.
+
+    استبدل `<server language>` باسم المنطقة للغة المستخدمة لتدريب LUIS.
+
+    يمكنك العثور على قائمة باللغات المدعومة وأسماء المناطق الخاصة بها في [وثائق دعم اللغة والصوت على Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 إذا كنت لا تتحدث لغات متعددة، يمكنك استخدام خدمة مثل [Bing Translate](https://www.bing.com/translator) أو [Google Translate](https://translate.google.com) لترجمة النص من لغتك المفضلة إلى لغة أخرى من اختيارك. يمكن لهذه الخدمات تشغيل الصوت للنص المترجم.
+    >
+    > على سبيل المثال، إذا قمت بتدريب LUIS باللغة الإنجليزية، ولكنك تريد استخدام الفرنسية كلغة المستخدم، يمكنك ترجمة جمل مثل "اضبط مؤقتًا لمدة دقيقتين و27 ثانية" من الإنجليزية إلى الفرنسية باستخدام Bing Translate، ثم استخدام زر **Listen translation** للتحدث بالترجمة إلى الميكروفون الخاص بك.
+    >
+    > ![زر الاستماع للترجمة على Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ar.png)
+
+1. أضف مفتاح API الخاص بخدمة الترجمة والموقع أسفل `SPEECH_LOCATION`:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    استبدل `<KEY>` بمفتاح API الخاص بمورد خدمة الترجمة. استبدل `<LOCATION>` بالموقع الذي استخدمته عند إنشاء مورد خدمة الترجمة.
+
+1. أضف عنوان URL الخاص بمشغل الترجمة أسفل `VOICE_URL`:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    استبدل `<URL>` بعنوان URL الخاص بمشغل HTTP `translate-text` في تطبيق الوظائف الخاص بك. سيكون هذا هو نفس القيمة لـ `TEXT_TO_TIMER_FUNCTION_URL`، باستثناء أن اسم الوظيفة سيكون `translate-text` بدلاً من `text-to-timer`.
+
+1. أضف ملفًا جديدًا إلى مجلد `src` يسمى `text_translator.h`.
+
+1. يحتوي ملف الرأس الجديد `text_translator.h` على فئة لترجمة النص. أضف ما يلي إلى هذا الملف لإعلان هذه الفئة:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    
+    class TextTranslator
+    {
+    public:   
+    private:
+        WiFiClient _client;
+    };
+    
+    TextTranslator textTranslator;
+    ```
+
+    يعلن هذا عن فئة `TextTranslator`، إلى جانب مثيل لهذه الفئة. تحتوي الفئة على حقل واحد لعميل WiFi.
+
+1. إلى القسم `public` لهذه الفئة، أضف طريقة لترجمة النص:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    تأخذ هذه الطريقة اللغة المراد الترجمة منها، واللغة المراد الترجمة إليها. عند التعامل مع الكلام، سيتم ترجمة الكلام من لغة المستخدم إلى لغة خادم LUIS، وعند إعطاء الردود سيتم الترجمة من لغة خادم LUIS إلى لغة المستخدم.
+
+1. في هذه الطريقة، أضف كودًا لإنشاء جسم JSON يحتوي على النص المراد ترجمته واللغات:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+    doc["from_language"] = from_language;
+    doc["to_language"] = to_language;
+
+    String body;
+    serializeJson(doc, body);
+
+    Serial.print("Translating ");
+    Serial.print(text);
+    Serial.print(" from ");
+    Serial.print(from_language);
+    Serial.print(" to ");
+    Serial.print(to_language);
+    ```
+
+1. أسفل هذا، أضف الكود التالي لإرسال الجسم إلى تطبيق الوظائف بدون خادم:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. بعد ذلك، أضف كودًا للحصول على الرد:
+
+    ```cpp
+    String translated_text = "";
+
+    if (httpResponseCode == 200)
+    {
+        translated_text = httpClient.getString();
+        Serial.print("Translated: ");
+        Serial.println(translated_text);
+    }
+    else
+    {
+        Serial.print("Failed to translate text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. أخيرًا، أضف كودًا لإغلاق الاتصال وإرجاع النص المترجم:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### المهمة - ترجمة الكلام المعترف به والردود
+
+1. افتح ملف `main.cpp`.
+
+1. أضف توجيه تضمين في أعلى الملف لفئة `TextTranslator`:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. النص الذي يُقال عند ضبط المؤقت أو انتهاء صلاحيته يحتاج إلى ترجمة. للقيام بذلك، أضف ما يلي كأول سطر في وظيفة `say`:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    سيقوم هذا بترجمة النص إلى لغة المستخدم.
+
+1. في وظيفة `processAudio`، يتم استرداد النص من الصوت الملتقط باستخدام الاستدعاء `String text = speechToText.convertSpeechToText();`. بعد هذا الاستدعاء، قم بترجمة النص:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    سيقوم هذا بترجمة النص من لغة المستخدم إلى اللغة المستخدمة على الخادم.
+
+1. قم ببناء هذا الكود، ورفعه إلى Wio Terminal الخاص بك واختبره من خلال المراقب التسلسلي. بمجرد رؤية `Ready` في المراقب التسلسلي، اضغط على زر C (الزر الموجود على الجانب الأيسر، الأقرب إلى مفتاح التشغيل)، وتحدث. تأكد من تشغيل تطبيق الوظائف الخاص بك، واطلب مؤقتًا بلغة المستخدم، إما عن طريق التحدث بتلك اللغة بنفسك، أو باستخدام تطبيق ترجمة.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
+    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
+    Translated: Set a timer of 2 minutes 27 seconds.
+    Set a timer of 2 minutes 27 seconds.
+    {"seconds": 147}
+    Translating 2 minute 27 second timer started. from en-US to fr-FR
+    Translated: 2 minute 27 seconde minute a commencé.
+    2 minute 27 seconde minute a commencé.
+    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+> 💁 يمكنك العثور على هذا الكود في مجلد [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal).
+
+😀 لقد نجحت في إنشاء برنامج المؤقت متعدد اللغات!
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/CODE_OF_CONDUCT.md b/translations/ar/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..302c47e9
--- /dev/null
+++ b/translations/ar/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T21:24:34+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "ar"
+}
+-->
+# مدونة قواعد السلوك لمصادر مايكروسوفت المفتوحة
+
+لقد تبنى هذا المشروع [مدونة قواعد السلوك لمصادر مايكروسوفت المفتوحة](https://opensource.microsoft.com/codeofconduct/).
+
+الموارد:
+
+- [مدونة قواعد السلوك لمصادر مايكروسوفت المفتوحة](https://opensource.microsoft.com/codeofconduct/)
+- [الأسئلة الشائعة حول مدونة قواعد السلوك](https://opensource.microsoft.com/codeofconduct/faq/)
+- تواصل مع [opencode@microsoft.com](mailto:opencode@microsoft.com) في حال وجود أسئلة أو مخاوف
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/CONTRIBUTING.md b/translations/ar/CONTRIBUTING.md
new file mode 100644
index 00000000..f90eabb5
--- /dev/null
+++ b/translations/ar/CONTRIBUTING.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T21:27:53+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "ar"
+}
+-->
+# المساهمة
+
+هذا المشروع يرحب بالمساهمات والاقتراحات. تتطلب معظم المساهمات منك الموافقة على اتفاقية ترخيص المساهم (CLA) التي تؤكد أنك تمتلك الحق في، وتقوم فعليًا، بمنحنا الحقوق لاستخدام مساهمتك. لمزيد من التفاصيل، قم بزيارة https://cla.microsoft.com.
+
+> مهم: عند ترجمة النصوص في هذا المستودع، يرجى التأكد من عدم استخدام الترجمة الآلية. سنقوم بالتحقق من الترجمات عبر المجتمع، لذا يرجى التطوع فقط للترجمة إلى اللغات التي تتقنها.
+
+عند تقديم طلب سحب، سيقوم CLA-bot تلقائيًا بتحديد ما إذا كنت بحاجة إلى تقديم CLA وتزيين الطلب بشكل مناسب (مثل إضافة علامة أو تعليق). فقط اتبع التعليمات المقدمة من الروبوت. ستحتاج إلى القيام بذلك مرة واحدة فقط عبر جميع المستودعات التي تستخدم CLA الخاص بنا.
+
+لقد تبنى هذا المشروع [مدونة قواعد السلوك المفتوحة المصدر من Microsoft](https://opensource.microsoft.com/codeofconduct/).  
+لمزيد من المعلومات، اقرأ [الأسئلة الشائعة حول مدونة قواعد السلوك](https://opensource.microsoft.com/codeofconduct/faq/)  
+أو تواصل مع [opencode@microsoft.com](mailto:opencode@microsoft.com) لأي أسئلة أو تعليقات إضافية.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/README.md b/translations/ar/README.md
new file mode 100644
index 00000000..2fa2bcbd
--- /dev/null
+++ b/translations/ar/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T21:19:40+00:00",
+  "source_file": "README.md",
+  "language_code": "ar"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# إنترنت الأشياء للمبتدئين - منهج دراسي  
+
+يسر فريق Azure Cloud Advocates في Microsoft أن يقدم منهجًا دراسيًا لمدة 12 أسبوعًا يتكون من 24 درسًا حول أساسيات إنترنت الأشياء. يتضمن كل درس اختبارات قبل وبعد الدرس، تعليمات مكتوبة لإكمال الدرس، حلول، مهام وأكثر. تعتمد طريقة التدريس لدينا على المشاريع، مما يتيح لك التعلم أثناء البناء، وهي طريقة مثبتة لتثبيت المهارات الجديدة.  
+
+تغطي المشاريع رحلة الطعام من المزرعة إلى المائدة. يشمل ذلك الزراعة، اللوجستيات، التصنيع، البيع بالتجزئة والمستهلك - جميعها مجالات صناعية شائعة لأجهزة إنترنت الأشياء.  
+
+![خارطة طريق للدورة تظهر 24 درسًا تغطي المقدمة، الزراعة، النقل، المعالجة، البيع بالتجزئة والطهي](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ar.jpg)  
+
+> رسم توضيحي بواسطة [نيتيا ناراسيمهان](https://github.com/nitya). انقر على الصورة للحصول على نسخة أكبر.  
+
+**شكر جزيل لمؤلفينا [جين فوكس](https://github.com/jenfoxbot)، [جين لوبر](https://github.com/jlooper)، [جيم بينيت](https://github.com/jimbobbennett)، وفنانة الرسوم التوضيحية [نيتيا ناراسيمهان](https://github.com/nitya).**  
+
+**كما نشكر فريقنا من [سفراء الطلاب في Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) الذين قاموا بمراجعة وترجمة هذا المنهج - [أديتيا جارج](https://github.com/AdityaGarg00)، [أنوراغ شارما](https://github.com/Anurag-0-1-A)، [أربيتا داس](https://github.com/Arpiiitaaa)، [أريان جاين](https://www.linkedin.com/in/aryan-jain-47a4a1145/)، [بهافيش سونيجا](https://github.com/EliteWarrior315)، [فيث هونجا](https://faithhunja.github.io/)، [لطيفة بيلو](https://www.linkedin.com/in/lateefah-bello/)، [مانفي جا](https://github.com/Severus-Matthew)، [ميراي تان](https://www.linkedin.com/in/mireille-tan-a4834819a/)، [محمد افتخار (إفتو) ابن جلال](https://github.com/Iftu119)، [محمد زلفقار](https://github.com/mohzulfikar)، [بريانشو سريفاستاف](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba)، [ثانماي جاودوشيروفو](https://github.com/innovation-platform)، و [زينا كامل](https://www.linkedin.com/in/zina-kamel/).**  
+
+تعرف على الفريق!  
+
+[![فيديو ترويجي](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**صورة متحركة بواسطة** [موهيت جايسال](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع!  
+
+> **المعلمون**، لقد قمنا [بتضمين بعض الاقتراحات](for-teachers.md) حول كيفية استخدام هذا المنهج. إذا كنت ترغب في إنشاء دروسك الخاصة، فقد قمنا أيضًا بتضمين [قالب درس](lesson-template/README.md).  
+
+> **[الطلاب](https://aka.ms/student-page)**، لاستخدام هذا المنهج بمفردك، قم باستنساخ المستودع بالكامل وأكمل التمارين بنفسك، بدءًا من اختبار ما قبل المحاضرة، ثم قراءة المحاضرة وإكمال بقية الأنشطة. حاول إنشاء المشاريع من خلال فهم الدروس بدلاً من نسخ كود الحل؛ ومع ذلك، يتوفر هذا الكود في مجلدات الحلول في كل درس قائم على المشروع. فكرة أخرى هي تشكيل مجموعة دراسة مع الأصدقاء ومراجعة المحتوى معًا. لمزيد من الدراسة، نوصي بـ [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn).  
+
+لمشاهدة نظرة عامة بالفيديو عن هذه الدورة، تحقق من هذا الفيديو:  
+
+[![فيديو ترويجي](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "فيديو ترويجي")  
+
+> 🎥 انقر على الصورة أعلاه لمشاهدة فيديو عن المشروع!  
+
+## طريقة التدريس  
+
+لقد اخترنا مبدأين تعليميين أثناء بناء هذا المنهج: التأكد من أنه قائم على المشاريع وأنه يتضمن اختبارات متكررة. بنهاية هذه السلسلة، سيكون الطلاب قد بنوا نظام مراقبة وري النباتات، جهاز تتبع المركبات، إعداد مصنع ذكي لتتبع وفحص الطعام، ومؤقت طهي يتم التحكم فيه بالصوت، وسيتعلمون أساسيات إنترنت الأشياء بما في ذلك كيفية كتابة كود الأجهزة، الاتصال بالسحابة، تحليل البيانات وتشغيل الذكاء الاصطناعي على الحافة.  
+
+من خلال ضمان توافق المحتوى مع المشاريع، تصبح العملية أكثر جاذبية للطلاب ويتم تعزيز الاحتفاظ بالمفاهيم.  
+
+بالإضافة إلى ذلك، يحدد اختبار منخفض المخاطر قبل الفصل نية الطالب نحو تعلم موضوع معين، بينما يضمن اختبار ثانٍ بعد الفصل مزيدًا من الاحتفاظ. تم تصميم هذا المنهج ليكون مرنًا وممتعًا ويمكن تناوله بالكامل أو جزئيًا. تبدأ المشاريع صغيرة وتصبح أكثر تعقيدًا بحلول نهاية دورة الـ 12 أسبوعًا.  
+
+كل مشروع يعتمد على أجهزة حقيقية متوفرة للطلاب والهواة. كل مشروع يبحث في مجال المشروع المحدد، ويوفر المعرفة الخلفية ذات الصلة. لكي تكون مطورًا ناجحًا، يساعد فهم المجال الذي تحل فيه المشكلات، وتوفير هذه المعرفة الخلفية يسمح للطلاب بالتفكير في حلول إنترنت الأشياء وتعلمهم في سياق نوع المشكلة الواقعية التي قد يُطلب منهم حلها كمطورين لإنترنت الأشياء. يتعلم الطلاب "لماذا" الحلول التي يبنونها، ويحصلون على تقدير للمستخدم النهائي.  
+
+## الأجهزة  
+
+لدينا خياران من أجهزة إنترنت الأشياء لاستخدامها في المشاريع اعتمادًا على التفضيلات الشخصية، معرفة أو تفضيلات لغة البرمجة، أهداف التعلم والتوافر. لقد قمنا أيضًا بتوفير نسخة "أجهزة افتراضية" لأولئك الذين ليس لديهم إمكانية الوصول إلى الأجهزة، أو يرغبون في التعلم أكثر قبل الالتزام بالشراء. يمكنك قراءة المزيد والعثور على "قائمة تسوق" على [صفحة الأجهزة](./hardware.md)، بما في ذلك روابط لشراء مجموعات كاملة من أصدقائنا في Seeed Studio.  
+
+> 💁 اعثر على [مدونة قواعد السلوك](CODE_OF_CONDUCT.md)، [المساهمة](CONTRIBUTING.md)، و[إرشادات الترجمة](TRANSLATIONS.md). نرحب بملاحظاتكم البناءة!  
+
+## كل درس يتضمن:  
+
+- رسم توضيحي  
+- فيديو اختياري مكمل  
+- اختبار تمهيدي قبل الدرس  
+- درس مكتوب  
+- بالنسبة للدروس القائمة على المشاريع، أدلة خطوة بخطوة حول كيفية بناء المشروع  
+- اختبارات المعرفة  
+- تحدي  
+- قراءة إضافية  
+- مهمة  
+- اختبار بعد الدرس  
+
+> **ملاحظة حول الاختبارات**: جميع الاختبارات موجودة في مجلد quiz-app، بإجمالي 48 اختبارًا يتكون كل منها من ثلاثة أسئلة. يتم ربطها من داخل الدروس ولكن يمكن تشغيل تطبيق الاختبار محليًا أو نشره على Azure؛ اتبع التعليمات في مجلد `quiz-app`. يتم ترجمتها تدريجيًا.  
+
+## الدروس  
+
+|       |              اسم المشروع              |                       المفاهيم التي يتم تدريسها                       | أهداف التعلم                                                                                                                                                 |                                                        رابط الدرس                                                         |  
+| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: |  
+|  01   | [البدء](./1-getting-started/README.md) |                     مقدمة إلى إنترنت الأشياء                     | تعلم المبادئ الأساسية لإنترنت الأشياء وأساسيات حلول إنترنت الأشياء مثل المستشعرات والخدمات السحابية أثناء إعداد أول جهاز إنترنت الأشياء الخاص بك |                      [مقدمة إلى إنترنت الأشياء](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |  
+|  02   | [البدء](./1-getting-started/README.md) |                   نظرة أعمق على إنترنت الأشياء                    | تعلم المزيد عن مكونات نظام إنترنت الأشياء، بالإضافة إلى المتحكمات الدقيقة وأجهزة الكمبيوتر الصغيرة                                                            |                        [نظرة أعمق على إنترنت الأشياء](./1-getting-started/lessons/2-deeper-dive/README.md)                         |  
+|  03   | [البدء](./1-getting-started/README.md) | التفاعل مع العالم المادي باستخدام المستشعرات والمحركات | تعلم عن المستشعرات لجمع البيانات من العالم المادي، والمحركات لإرسال ردود الفعل، أثناء بناء ضوء ليلي                                           | [التفاعل مع العالم المادي باستخدام المستشعرات والمحركات](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |  
+|  04   | [البدء](./1-getting-started/README.md) |             توصيل جهازك بالإنترنت             | تعلم كيفية توصيل جهاز إنترنت الأشياء بالإنترنت لإرسال واستقبال الرسائل عن طريق توصيل الضوء الليلي بخادم MQTT                               |               [توصيل جهازك بالإنترنت](./1-getting-started/lessons/4-connect-internet/README.md)                |  
+|  05   |            [المزرعة](./2-farm/README.md)            |                    التنبؤ بنمو النبات                     | تعلم كيفية التنبؤ بنمو النبات باستخدام بيانات درجة الحرارة التي يتم جمعها بواسطة جهاز إنترنت الأشياء                                                                                  |                          [التنبؤ بنمو النبات](./2-farm/lessons/1-predict-plant-growth/README.md)                           |  
+|  06   |            [المزرعة](./2-farm/README.md)            |                    الكشف عن رطوبة التربة                     | تعلم كيفية الكشف عن رطوبة التربة ومعايرة مستشعر رطوبة التربة                                                                                              |                          [الكشف عن رطوبة التربة](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |  
+|  07   |            [المزرعة](./2-farm/README.md)            |                  ري النباتات تلقائيًا                   | تعلم كيفية أتمتة وتوقيت الري باستخدام مرحل وMQTT                                                                                                      |                      [ري النباتات تلقائيًا](./2-farm/lessons/3-automated-plant-watering/README.md)                       |  
+|  08   |            [المزرعة](./2-farm/README.md)            |               نقل نباتك إلى السحابة               | تعلم عن السحابة وخدمات إنترنت الأشياء المستضافة على السحابة وكيفية توصيل نباتك بأحد هذه الخدمات بدلاً من خادم MQTT العام                                   |               [نقل نباتك إلى السحابة](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |  
+|  09   |            [المزرعة](./2-farm/README.md)            |         نقل منطق التطبيق الخاص بك إلى السحابة         | تعلم كيفية كتابة منطق التطبيق في السحابة الذي يستجيب لرسائل إنترنت الأشياء                                                                          |         [نقل منطق التطبيق الخاص بك إلى السحابة](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Farm](./2-farm/README.md)            |                   حافظ على أمان نباتك                    | تعرف على الأمان مع إنترنت الأشياء وكيفية الحفاظ على أمان نباتك باستخدام المفاتيح والشهادات                                                                          |                        [حافظ على أمان نباتك](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Transport](./3-transport/README.md)       |                      تتبع الموقع                      | تعرف على تتبع الموقع باستخدام GPS للأجهزة المتصلة بإنترنت الأشياء                                                                                                                   |                           [تتبع الموقع](./3-transport/lessons/1-location-tracking/README.md)                           |
+|  12   |       [Transport](./3-transport/README.md)       |                     تخزين بيانات الموقع                     | تعرف على كيفية تخزين بيانات إنترنت الأشياء ليتم تصورها أو تحليلها لاحقًا                                                                                                      |                         [تخزين بيانات الموقع](./3-transport/lessons/2-store-location-data/README.md)                         |
+|  13   |       [Transport](./3-transport/README.md)       |                   تصور بيانات الموقع                   | تعرف على كيفية تصور بيانات الموقع على الخريطة، وكيف تمثل الخرائط العالم الحقيقي ثلاثي الأبعاد في بعدين                                                            |                     [تصور بيانات الموقع](./3-transport/lessons/3-visualize-location-data/README.md)                     |
+|  14   |       [Transport](./3-transport/README.md)       |                          الأسوار الجغرافية                          | تعرف على الأسوار الجغرافية وكيف يمكن استخدامها لتنبيهك عندما تكون المركبات في سلسلة التوريد قريبة من وجهتها                                           |                                   [الأسوار الجغرافية](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               تدريب كاشف جودة الفاكهة                | تعرف على تدريب مصنف الصور في السحابة لاكتشاف جودة الفاكهة                                                                                       |                 [تدريب كاشف جودة الفاكهة](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           فحص جودة الفاكهة من جهاز إنترنت الأشياء            | تعرف على كيفية استخدام كاشف جودة الفاكهة من جهاز إنترنت الأشياء                                                                                                    |           [فحص جودة الفاكهة من جهاز إنترنت الأشياء](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             تشغيل كاشف الفاكهة على الحافة             | تعرف على كيفية تشغيل كاشف الفاكهة الخاص بك على جهاز إنترنت الأشياء على الحافة                                                                                                |             [تشغيل كاشف الفاكهة على الحافة](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        تشغيل كشف جودة الفاكهة من مستشعر        | تعرف على كيفية تشغيل كشف جودة الفاكهة من مستشعر                                                                                                        |        [تشغيل كشف جودة الفاكهة من مستشعر](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
+|  19   |          [Retail](./5-retail/README.md)          |                   تدريب كاشف المخزون                    | تعرف على كيفية استخدام كشف الكائنات لتدريب كاشف المخزون لعد المخزون في المتجر                                                                                |                        [تدريب كاشف المخزون](./5-retail/lessons/1-train-stock-detector/README.md)                         |
+|  20   |          [Retail](./5-retail/README.md)          |               فحص المخزون من جهاز إنترنت الأشياء                | تعرف على كيفية فحص المخزون من جهاز إنترنت الأشياء باستخدام نموذج كشف الكائنات                                                                                         |                     [فحص المخزون من جهاز إنترنت الأشياء](./5-retail/lessons/2-check-stock-device/README.md)                      |
+|  21   |        [Consumer](./6-consumer/README.md)        |             التعرف على الكلام باستخدام جهاز إنترنت الأشياء             | تعرف على كيفية التعرف على الكلام من جهاز إنترنت الأشياء لبناء مؤقت ذكي                                                                                             |                  [التعرف على الكلام باستخدام جهاز إنترنت الأشياء](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     فهم اللغة                     | تعرف على كيفية فهم الجمل التي يتم التحدث بها إلى جهاز إنترنت الأشياء                                                                                                           |                        [فهم اللغة](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Consumer](./6-consumer/README.md)        |           ضبط مؤقت وتقديم ردود فعل صوتية           | تعرف على كيفية ضبط مؤقت على جهاز إنترنت الأشياء وتقديم ردود فعل صوتية عند ضبط المؤقت وعند انتهائه                                                    |                 [ضبط مؤقت وتقديم ردود فعل صوتية](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 دعم لغات متعددة                  | تعرف على كيفية دعم لغات متعددة، سواء في الكلام الموجه إلى المؤقت الذكي أو الردود الصادرة منه                                                               |                   [دعم لغات متعددة](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## الوصول دون اتصال
+
+يمكنك تشغيل هذا التوثيق دون اتصال باستخدام [Docsify](https://docsify.js.org/#/). قم باستنساخ هذا المستودع، [تثبيت Docsify](https://docsify.js.org/#/quickstart) على جهازك المحلي، ثم في المجلد الجذري لهذا المستودع، اكتب `docsify serve`. سيتم تشغيل الموقع على المنفذ 3000 على جهازك المحلي: `localhost:3000`.
+
+### PDF
+
+يمكنك إنشاء ملف PDF لهذا المحتوى للوصول إليه دون اتصال إذا لزم الأمر. للقيام بذلك، تأكد من تثبيت [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) وقم بتشغيل الأوامر التالية في المجلد الجذري لهذا المستودع:
+
+```sh
+npm i
+npm run convert
+```
+
+### الشرائح
+
+هناك مجموعات شرائح لبعض الدروس في مجلد [الشرائح](../../slides).
+
+## مطلوب مساعدة!
+
+هل ترغب في المساهمة بترجمة؟ يرجى قراءة [إرشادات الترجمة](TRANSLATIONS.md) وإضافة مدخلات [لأحد قضايا الترجمة](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation). إذا كنت ترغب في الترجمة إلى لغة جديدة، يرجى فتح قضية جديدة للتتبع.
+
+## مناهج أخرى
+
+فريقنا ينتج مناهج أخرى! تحقق من:
+
+- [الذكاء الاصطناعي التوليدي للمبتدئين](https://aka.ms/genai-beginners)
+- [الذكاء الاصطناعي التوليدي للمبتدئين .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [الذكاء الاصطناعي التوليدي باستخدام JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [الذكاء الاصطناعي التوليدي باستخدام Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [الذكاء الاصطناعي للمبتدئين](https://aka.ms/ai-beginners)
+- [علم البيانات للمبتدئين](https://aka.ms/datascience-beginners)
+- [تعلم الآلة للمبتدئين](https://aka.ms/ml-beginners)
+- [الأمن السيبراني للمبتدئين](https://github.com/microsoft/Security-101) 
+- [تطوير الويب للمبتدئين](https://aka.ms/webdev-beginners)
+- [إنترنت الأشياء للمبتدئين](https://aka.ms/iot-beginners)
+- [تطوير الواقع الممتد للمبتدئين](https://github.com/microsoft/xr-development-for-beginners)
+- [إتقان GitHub Copilot للاستخدام الذكي](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [إتقان GitHub Copilot لمطوري C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [اختر مغامرتك مع Copilot](https://github.com/microsoft/CopilotAdventures)
+
+## نسب الصور
+
+يمكنك العثور على جميع نسب الصور المستخدمة في هذا المنهج حيثما كان ذلك مطلوبًا في [نسب الصور](./attributions.md).
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/SECURITY.md b/translations/ar/SECURITY.md
new file mode 100644
index 00000000..4e2a3e34
--- /dev/null
+++ b/translations/ar/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T21:27:10+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "ar"
+}
+-->
+# الأمان
+
+تأخذ Microsoft أمان منتجاتها وخدماتها البرمجية على محمل الجد، بما في ذلك جميع مستودعات الشيفرة المصدرية التي تُدار من خلال منظماتنا على GitHub، والتي تشمل [Microsoft](https://github.com/Microsoft)، [Azure](https://github.com/Azure)، [DotNet](https://github.com/dotnet)، [AspNet](https://github.com/aspnet)، [Xamarin](https://github.com/xamarin)، و[منظماتنا على GitHub](https://opensource.microsoft.com/).
+
+إذا كنت تعتقد أنك قد وجدت ثغرة أمنية في أي مستودع مملوك لـ Microsoft وتندرج تحت [تعريف Microsoft للثغرات الأمنية](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10))، يرجى الإبلاغ عنها كما هو موضح أدناه.
+
+## الإبلاغ عن المشكلات الأمنية
+
+**يرجى عدم الإبلاغ عن الثغرات الأمنية من خلال قضايا GitHub العامة.**
+
+بدلاً من ذلك، يرجى الإبلاغ عنها إلى مركز استجابة أمان Microsoft (MSRC) عبر [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report).
+
+إذا كنت تفضل الإرسال دون تسجيل الدخول، أرسل بريدًا إلكترونيًا إلى [secure@microsoft.com](mailto:secure@microsoft.com). إذا أمكن، قم بتشفير رسالتك باستخدام مفتاح PGP الخاص بنا؛ يمكنك تنزيله من [صفحة مفتاح PGP لمركز استجابة أمان Microsoft](https://www.microsoft.com/en-us/msrc/pgp-key-msrc).
+
+يجب أن تتلقى ردًا خلال 24 ساعة. إذا لم يحدث ذلك لأي سبب، يرجى المتابعة عبر البريد الإلكتروني للتأكد من أننا تلقينا رسالتك الأصلية. يمكن العثور على معلومات إضافية على [microsoft.com/msrc](https://www.microsoft.com/msrc).
+
+يرجى تضمين المعلومات المطلوبة المدرجة أدناه (قدر الإمكان) لمساعدتنا في فهم طبيعة ونطاق المشكلة المحتملة بشكل أفضل:
+
+  * نوع المشكلة (مثل تجاوز سعة المخزن المؤقت، حقن SQL، البرمجة النصية عبر المواقع، إلخ.)
+  * المسارات الكاملة لملف/ملفات المصدر المتعلقة بظهور المشكلة
+  * موقع الشيفرة المصدرية المتأثرة (علامة/فرع/التزام أو رابط مباشر)
+  * أي إعدادات خاصة مطلوبة لإعادة إنتاج المشكلة
+  * تعليمات خطوة بخطوة لإعادة إنتاج المشكلة
+  * إثبات المفهوم أو شيفرة استغلال (إن أمكن)
+  * تأثير المشكلة، بما في ذلك كيفية استغلال المهاجم للمشكلة
+
+ستساعدنا هذه المعلومات في تصنيف تقريرك بشكل أسرع.
+
+إذا كنت تبلغ عن ثغرة للحصول على مكافأة، فإن التقارير الأكثر اكتمالاً يمكن أن تساهم في الحصول على مكافأة أعلى. يرجى زيارة صفحة [برنامج مكافآت الأخطاء من Microsoft](https://microsoft.com/msrc/bounty) للحصول على مزيد من التفاصيل حول برامجنا النشطة.
+
+## اللغات المفضلة
+
+نفضل أن تكون جميع الاتصالات باللغة الإنجليزية.
+
+## السياسة
+
+تتبع Microsoft مبدأ [الإفصاح المنسق عن الثغرات الأمنية](https://www.microsoft.com/en-us/msrc/cvd).
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/SUPPORT.md b/translations/ar/SUPPORT.md
new file mode 100644
index 00000000..4e70f0d1
--- /dev/null
+++ b/translations/ar/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T21:23:01+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "ar"
+}
+-->
+# الدعم
+
+## كيفية تقديم المشاكل والحصول على المساعدة  
+
+يستخدم هذا المشروع GitHub Issues لتتبع الأخطاء وطلبات الميزات. يرجى البحث في المشاكل الموجودة قبل تقديم مشاكل جديدة لتجنب التكرار. بالنسبة للمشاكل الجديدة، قم بتقديم خطأك أو طلب الميزة كمشكلة جديدة.
+
+للحصول على المساعدة والأسئلة حول استخدام هذا المشروع، يرجى التواصل معنا عن طريق رفع مشكلة في هذا المستودع.
+
+## سياسة دعم Microsoft  
+
+الدعم لهذا **المشروع أو المنتج** يقتصر على الموارد المذكورة أعلاه.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/attributions.md b/translations/ar/attributions.md
new file mode 100644
index 00000000..00e0918a
--- /dev/null
+++ b/translations/ar/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T21:16:57+00:00",
+  "source_file": "attributions.md",
+  "language_code": "ar"
+}
+-->
+# نسب الصور
+
+* الموز بواسطة abderraouf omara من [Noun Project](https://thenounproject.com)
+* الدماغ بواسطة Icon Market من [Noun Project](https://thenounproject.com)
+* البث بواسطة RomStu من [Noun Project](https://thenounproject.com)
+* الزر بواسطة Dan Hetteix من [Noun Project](https://thenounproject.com)
+* ميكروفون مكثف صغير C451B بواسطة AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) في [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* التقويم بواسطة Alice-vector من [Noun Project](https://thenounproject.com)
+* الشهادة بواسطة alimasykurm من [Noun Project](https://thenounproject.com)
+* الشريحة بواسطة Astatine Lab من [Noun Project](https://thenounproject.com)
+* السحابة بواسطة Debi Alpa Nugraha من [Noun Project](https://thenounproject.com)
+* الحاوية بواسطة ProSymbols من [Noun Project](https://thenounproject.com)
+* وحدة المعالجة المركزية بواسطة Icon Lauk من [Noun Project](https://thenounproject.com)
+* قاعدة البيانات بواسطة Icons Bazaar من [Noun Project](https://thenounproject.com)
+* القرص بواسطة Jamie Dickinson من [Noun Project](https://thenounproject.com)
+* نظام تحديد المواقع بواسطة mim studio من [Noun Project](https://thenounproject.com)
+* المدفأة بواسطة Pascal Heß من [Noun Project](https://thenounproject.com)
+* الفكرة بواسطة Pause08 من [Noun Project](https://thenounproject.com)
+* إنترنت الأشياء بواسطة Adrien Coquet من [Noun Project](https://thenounproject.com)
+* LED بواسطة abderraouf omara من [Noun Project](https://thenounproject.com)
+* LDR بواسطة Eucalyp من [Noun Project](https://thenounproject.com)
+* المصباح بواسطة Maxim Kulikov من [Noun Project](https://thenounproject.com)
+* المتحكم الدقيق بواسطة Template من [Noun Project](https://thenounproject.com)
+* الهاتف المحمول بواسطة Alice-vector من [Noun Project](https://thenounproject.com)
+* المحرك بواسطة Bakunetsu Kaito من [Noun Project](https://thenounproject.com)
+* باتي سميث تغني في ميكروفون Shure SM58 (نوع ديناميكي قلبي). Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* النبات بواسطة Alex Muravev من [Noun Project](https://thenounproject.com)
+* خلية النبات بواسطة Léa Lortal من [Noun Project](https://thenounproject.com)
+* المجس بواسطة Adnen Kadri من [Noun Project](https://thenounproject.com)
+* ذاكرة الوصول العشوائي بواسطة Atif Arshad من [Noun Project](https://thenounproject.com)
+* Raspberry Pi 4. Michael Henzler / [Wikimedia Commons](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
+* التسجيل بواسطة Aybige Speaker من [Noun Project](https://thenounproject.com)
+* القمر الصناعي بواسطة Noura Mbarki من [Noun Project](https://thenounproject.com)
+* المستشعر الذكي بواسطة Andrei Yushchenko من [Noun Project](https://thenounproject.com)
+* السماعة بواسطة Gregor Cresnar من [Noun Project](https://thenounproject.com)
+* المفتاح بواسطة Chattapat من [Noun Project](https://thenounproject.com)
+* درجة الحرارة بواسطة Vectors Market من [Noun Project](https://thenounproject.com)
+* الطماطم بواسطة parkjisun من [Noun Project](https://thenounproject.com)
+* رشاش الماء بواسطة Daria Moskvina من [Noun Project](https://thenounproject.com)
+* الطقس بواسطة Adrien Coquet من [Noun Project](https://thenounproject.com)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/clean-up.md b/translations/ar/clean-up.md
new file mode 100644
index 00000000..872e4832
--- /dev/null
+++ b/translations/ar/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T21:24:03+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "ar"
+}
+-->
+# تنظيف مشروعك
+
+بعد الانتهاء من كل مشروع، من الجيد حذف موارد السحابة الخاصة بك.
+
+في الدروس الخاصة بكل مشروع، قد تكون قد أنشأت بعضًا من العناصر التالية:
+
+* مجموعة موارد
+* IoT Hub
+* تسجيلات أجهزة IoT
+* حساب تخزين
+* تطبيق Functions
+* حساب Azure Maps
+* مشروع رؤية مخصص
+* سجل حاويات Azure
+* مورد خدمات معرفية
+
+معظم هذه الموارد لن تكلفك شيئًا - إما أنها مجانية تمامًا، أو أنك تستخدم مستوى مجاني. بالنسبة للخدمات التي تتطلب مستوى مدفوع، كنت تستخدمها على مستوى مشمول في الحصة المجانية، أو ستكلفك بضعة سنتات فقط.
+
+حتى مع التكاليف المنخفضة نسبيًا، من الأفضل حذف هذه الموارد عند الانتهاء. على سبيل المثال، يمكنك فقط إنشاء IoT Hub واحد باستخدام المستوى المجاني، لذا إذا كنت ترغب في إنشاء آخر، ستحتاج إلى استخدام مستوى مدفوع.
+
+تم إنشاء جميع خدماتك داخل مجموعات موارد، وهذا يجعل إدارتها أسهل. يمكنك حذف مجموعة الموارد، وسيتم حذف جميع الخدمات الموجودة داخل تلك المجموعة معها.
+
+لحذف مجموعة الموارد، قم بتشغيل الأمر التالي في الطرفية أو موجه الأوامر:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+استبدل `<resource-group-name>` باسم مجموعة الموارد التي تهتم بها.
+
+ستظهر رسالة تأكيد:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+أدخل `y` لتأكيد وحذف مجموعة الموارد.
+
+سيستغرق الأمر بعض الوقت لحذف جميع الخدمات.
+
+> 💁 يمكنك قراءة المزيد عن حذف مجموعات الموارد في [وثائق حذف مجموعات الموارد والموارد الخاصة بـ Azure Resource Manager على Microsoft Docs](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/docs/_sidebar.md b/translations/ar/docs/_sidebar.md
new file mode 100644
index 00000000..0106f3e9
--- /dev/null
+++ b/translations/ar/docs/_sidebar.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T23:08:22+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "ar"
+}
+-->
+- المقدمة
+  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)
+  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)
+  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)
+  - [4](../1-getting-started/lessons/4-connect-internet/README.md)
+  
+- المزرعة
+  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
+  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
+  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
+  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
+  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
+  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
+  
+
+- النقل
+  - [11](../3-transport/lessons/1-location-tracking/README.md)
+  - [12](../3-transport/lessons/2-store-location-data/README.md)
+  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
+  - [14](../3-transport/lessons/4-geofences/README.md)
+  
+- التصنيع
+  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)
+  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)
+  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)
+  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)
+
+  
+- البيع بالتجزئة
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- المستهلك
+  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
+  - [22](../6-consumer/lessons/2-language-understanding/README.md)
+  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
+  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/for-teachers.md b/translations/ar/for-teachers.md
new file mode 100644
index 00000000..3cfb28cb
--- /dev/null
+++ b/translations/ar/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T21:23:27+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "ar"
+}
+-->
+# للمعلمين
+
+هل ترغب في استخدام هذا المنهج الدراسي في صفك؟ لا تتردد!
+
+في الواقع، يمكنك استخدامه مباشرةً داخل GitHub باستخدام GitHub Classroom.
+
+للقيام بذلك، قم بعمل fork لهذا المستودع. ستحتاج إلى إنشاء مستودع لكل درس، لذا ستحتاج إلى استخراج كل مجلد إلى مستودع منفصل. بهذه الطريقة، يمكن لـ [GitHub Classroom](https://classroom.github.com/classrooms) التعامل مع كل درس بشكل منفصل.
+
+هذه [التعليمات الكاملة](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) ستعطيك فكرة عن كيفية إعداد صفك الدراسي.
+
+## نموذج التعلم الموصى به
+
+يمكنك قراءة المزيد عن نموذج التعلم الموصى به عند تدريس هذا المنهج في [دليل نموذج التعلم الموصى به](recommended-learning-model.md).
+
+## استخدام المستودع كما هو
+
+إذا كنت ترغب في استخدام هذا المستودع كما هو حاليًا، دون استخدام GitHub Classroom، يمكن القيام بذلك أيضًا. ستحتاج إلى التواصل مع طلابك لتحديد الدرس الذي ستعملون عليه معًا.
+
+في صيغة التعليم عبر الإنترنت (Zoom، Teams، أو غيرها)، يمكنك إنشاء غرف جانبية للطلاب لإجراء الاختبارات، وتوجيههم للاستعداد للتعلم. ثم قم بدعوة الطلاب لإجراء الاختبارات وتقديم إجاباتهم كـ 'issues' في وقت محدد. يمكنك القيام بنفس الشيء مع المهام، إذا كنت ترغب في أن يعمل الطلاب بشكل تعاوني في العلن.
+
+إذا كنت تفضل صيغة أكثر خصوصية، اطلب من طلابك عمل fork للمنهج، درسًا بدرس، إلى مستودعاتهم الخاصة على GitHub كمستودعات خاصة، ومنحك الوصول إليها. بعد ذلك يمكنهم إكمال الاختبارات والمهام بشكل خاص وتقديمها لك عبر issues على مستودع صفك الدراسي.
+
+هناك العديد من الطرق لجعل هذا يعمل في صيغة التعليم عبر الإنترنت. يرجى إخبارنا بما يناسبك أكثر!
+
+## يرجى إعطاؤنا رأيك!
+
+نريد أن نجعل هذا المنهج مناسبًا لك ولطلابك. يرجى تقديم [ملاحظاتك](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u).
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/hardware.md b/translations/ar/hardware.md
new file mode 100644
index 00000000..4ea9edfa
--- /dev/null
+++ b/translations/ar/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T21:25:24+00:00",
+  "source_file": "hardware.md",
+  "language_code": "ar"
+}
+-->
+# الأجهزة
+
+الحرف **T** في إنترنت الأشياء (IoT) يشير إلى **الأشياء**، وهي الأجهزة التي تتفاعل مع العالم من حولنا. كل مشروع يعتمد على أجهزة حقيقية متوفرة للطلاب والهواة. لدينا خياران من أجهزة إنترنت الأشياء يمكن استخدامها بناءً على التفضيلات الشخصية، معرفة لغة البرمجة أو التفضيلات، أهداف التعلم، وتوفر الأجهزة. كما قمنا بتوفير نسخة "أجهزة افتراضية" لأولئك الذين ليس لديهم وصول إلى الأجهزة، أو يرغبون في التعرف أكثر قبل الالتزام بالشراء.
+
+> 💁 لا تحتاج إلى شراء أي أجهزة إنترنت الأشياء لإكمال المهام. يمكنك القيام بكل شيء باستخدام أجهزة إنترنت الأشياء الافتراضية.
+
+خيارات الأجهزة المادية هي Arduino أو Raspberry Pi. لكل منصة مزايا وعيوب، ويتم تغطية هذه الأمور في أحد الدروس الأولية. إذا لم تكن قد قررت بعد أي منصة أجهزة ستستخدمها، يمكنك مراجعة [الدرس الثاني من المشروع الأول](./1-getting-started/lessons/2-deeper-dive/README.md) لتحديد أي منصة أجهزة تفضل تعلمها.
+
+تم اختيار الأجهزة المحددة لتقليل تعقيد الدروس والمهام. على الرغم من أن الأجهزة الأخرى قد تعمل، لا يمكننا ضمان أن جميع المهام ستكون مدعومة على جهازك دون أجهزة إضافية. على سبيل المثال، العديد من أجهزة Arduino لا تحتوي على WiFi، وهو مطلوب للاتصال بالسحابة - تم اختيار Wio Terminal لأنه يحتوي على WiFi مدمج.
+
+ستحتاج أيضًا إلى بعض العناصر غير التقنية، مثل التربة أو نبات في وعاء، والفواكه أو الخضروات.
+
+## شراء المجموعات
+
+![شعار Seeed Studios](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ar.png)
+
+قامت Seeed Studios بتوفير جميع الأجهزة كمجموعات سهلة الشراء:
+
+### Arduino - Wio Terminal
+
+**[إنترنت الأشياء للمبتدئين مع Seeed وMicrosoft - مجموعة البداية لـ Wio Terminal](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![مجموعة أجهزة Wio Terminal](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ar.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[إنترنت الأشياء للمبتدئين مع Seeed وMicrosoft - مجموعة البداية لـ Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![مجموعة أجهزة Raspberry Pi Terminal](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ar.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+كل كود الجهاز الخاص بـ Arduino مكتوب بلغة C++. لإكمال جميع المهام ستحتاج إلى ما يلي:
+
+### أجهزة Arduino
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *اختياري* - كابل USB-C أو محول USB-A إلى USB-C. يحتوي Wio Terminal على منفذ USB-C ويأتي مع كابل USB-C إلى USB-A. إذا كان جهاز الكمبيوتر أو Mac الخاص بك يحتوي فقط على منافذ USB-C، ستحتاج إلى كابل USB-C أو محول USB-A إلى USB-C.
+
+### حساسات ومشغلات خاصة بـ Arduino
+
+هذه خاصة باستخدام جهاز Arduino Wio Terminal، وليست ذات صلة باستخدام Raspberry Pi.
+
+* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+* [أسلاك توصيل Breadboard](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* سماعات رأس أو مكبر صوت آخر بمنفذ 3.5mm، أو مكبر صوت JST مثل:
+  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* بطاقة microSD بسعة 16GB أو أقل، مع موصل لاستخدام بطاقة SD مع جهاز الكمبيوتر إذا لم يكن لديك واحد مدمج. **ملاحظة** - يدعم Wio Terminal بطاقات SD حتى 16GB فقط، ولا يدعم السعات الأعلى.
+
+## Raspberry Pi
+
+كل كود الجهاز الخاص بـ Raspberry Pi مكتوب بلغة Python. لإكمال جميع المهام ستحتاج إلى ما يلي:
+
+### أجهزة Raspberry Pi
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 الإصدارات من Pi 2B وما فوق يجب أن تعمل مع المهام في هذه الدروس. إذا كنت تخطط لتشغيل VS Code مباشرة على Pi، فستحتاج إلى Pi 4 بسعة 2GB أو أكثر من ذاكرة الوصول العشوائي. إذا كنت ستصل إلى Pi عن بُعد، فإن أي Pi 2B وما فوق سيعمل.
+* بطاقة microSD (يمكنك الحصول على مجموعات Raspberry Pi التي تأتي مع بطاقة microSD)، مع موصل لاستخدام بطاقة SD مع جهاز الكمبيوتر إذا لم يكن لديك واحد مدمج.
+* مصدر طاقة USB (يمكنك الحصول على مجموعات Raspberry Pi 4 التي تأتي مع مصدر طاقة). إذا كنت تستخدم Raspberry Pi 4، ستحتاج إلى مصدر طاقة USB-C، أما الأجهزة السابقة فتحتاج إلى مصدر طاقة micro-USB.
+
+### حساسات ومشغلات خاصة بـ Raspberry Pi
+
+هذه خاصة باستخدام Raspberry Pi، وليست ذات صلة باستخدام جهاز Arduino.
+
+* [Grove Pi base hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [وحدة كاميرا Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/)
+* ميكروفون ومكبر صوت:
+
+  استخدم أحد الخيارات التالية (أو ما يعادلها):
+  * أي ميكروفون USB مع أي مكبر صوت USB، أو مكبر صوت بمنفذ كابل 3.5mm، أو استخدام إخراج الصوت عبر HDMI إذا كان Raspberry Pi متصلًا بشاشة أو تلفاز يحتوي على مكبرات صوت
+  * أي سماعة USB تحتوي على ميكروفون مدمج
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) مع
+    * سماعات رأس أو مكبر صوت آخر بمنفذ 3.5mm، أو مكبر صوت JST مثل:
+    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [USB Speakerphone](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [حساس الضوء Grove](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [زر Grove](https://www.seeedstudio.com/Grove-Button.html)
+
+## الحساسات والمشغلات
+
+معظم الحساسات والمشغلات المطلوبة تُستخدم في مسارات التعلم لكل من Arduino وRaspberry Pi:
+
+* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [حساس الرطوبة ودرجة الحرارة Grove](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [حساس رطوبة التربة السعوي Grove](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Grove Relay](https://www.seeedstudio.com/Grove-Relay.html)
+* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [حساس قياس المسافة Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## الأجهزة الاختيارية
+
+الدروس المتعلقة بالري الآلي تعمل باستخدام الريليه. كخيار، يمكنك توصيل هذا الريليه بمضخة مياه تعمل عبر USB باستخدام الأجهزة المدرجة أدناه.
+
+* [مضخة مياه 6V](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [منفذ USB](https://www.adafruit.com/product/3628)
+* أنابيب سيليكون
+* أسلاك حمراء وسوداء
+* مفك صغير مسطح الرأس
+
+## الأجهزة الافتراضية
+
+المسار الخاص بالأجهزة الافتراضية يوفر محاكيات للحساسات والمشغلات، يتم تنفيذها بلغة Python. بناءً على توفر الأجهزة لديك، يمكنك تشغيل هذا على جهاز التطوير العادي الخاص بك، مثل Mac أو PC، أو تشغيله على Raspberry Pi ومحاكاة فقط الأجهزة التي لا تمتلكها. على سبيل المثال، إذا كان لديك كاميرا Raspberry Pi ولكن ليس لديك حساسات Grove، ستتمكن من تشغيل كود الجهاز الافتراضي على Pi ومحاكاة حساسات Grove، ولكن استخدام كاميرا فعلية.
+
+الأجهزة الافتراضية ستستخدم مشروع [CounterFit](https://github.com/CounterFit-IoT/CounterFit).
+
+لإكمال هذه الدروس ستحتاج إلى كاميرا ويب، ميكروفون، ومخرج صوت مثل مكبرات الصوت أو سماعات الرأس. يمكن أن تكون هذه الأجهزة مدمجة أو خارجية، ويجب أن تكون مُعدة للعمل مع نظام التشغيل الخاص بك ومتاحة للاستخدام من جميع التطبيقات.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/images/README.md b/translations/ar/images/README.md
new file mode 100644
index 00000000..828fa26b
--- /dev/null
+++ b/translations/ar/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T21:28:21+00:00",
+  "source_file": "images/README.md",
+  "language_code": "ar"
+}
+-->
+# الصور
+
+الصور الموجودة في مجلد [icons](../../../images/icons) مأخوذة من [Noun Project](https://thenounproject.com) وتتطلب الإشارة إلى المصدر. كل صورة تحتوي على تفاصيل الإسناد المطلوب. يجب استخدام هذه الصور في أي مخطط يحتاج إليها للحفاظ على تناسق الصور.
+
+ملف [Diagrams.sketch](../../../images/Diagrams.sketch) هو مستند [Sketch](https://www.sketch.com) يحتوي على جميع المخططات المستخدمة في الدروس والمشاريع. إذا كنت مشاركًا في الترجمة، يرجى أيضًا ترجمة هذه المخططات إما عن طريق نسخ وتحديث المستند، أو من خلال تقديم قائمة بالكلمات التي تحتاج إلى ترجمة كقضية على GitHub.
+
+أما بقية الصور، فهي تُستخدم في جميع أنحاء الدروس والمشاريع.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/lesson-template/README.md b/translations/ar/lesson-template/README.md
new file mode 100644
index 00000000..79cefaaa
--- /dev/null
+++ b/translations/ar/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-27T01:03:44+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "ar"
+}
+-->
+# [موضوع الدرس]
+
+![تضمين فيديو هنا](../../../lesson-template/video-url)
+
+## [اختبار ما قبل المحاضرة](../../../lesson-template/quiz-url)
+
+[وصف ما سنتعلمه]
+
+### المقدمة
+
+وصف ما سيتم تغطيته
+
+> ملاحظات
+
+### المتطلبات الأساسية
+
+ما هي الخطوات التي يجب أن تكون قد تم تغطيتها قبل هذا الدرس؟
+
+### التحضير
+
+الخطوات التحضيرية لبدء هذا الدرس
+
+---
+
+[التقدم عبر المحتوى في كتل]
+
+## [الموضوع 1]
+
+### المهمة:
+
+اعملوا معًا لتحسين قاعدة الكود تدريجيًا لبناء المشروع باستخدام الكود المشترك:
+
+```html
+code blocks
+```
+
+✅ تحقق من المعرفة - استخدم هذه اللحظة لتوسيع معرفة الطلاب من خلال أسئلة مفتوحة
+
+## [الموضوع 2]
+
+## [الموضوع 3]
+
+🚀 التحدي: أضف تحديًا للطلاب للعمل عليه بشكل تعاوني في الصف لتحسين المشروع
+
+اختياري: أضف لقطة شاشة لواجهة المستخدم الخاصة بالدرس المكتمل إذا كان ذلك مناسبًا
+
+## [اختبار ما بعد المحاضرة](../../../lesson-template/quiz-url)
+
+## المراجعة والدراسة الذاتية
+
+**تاريخ تسليم الواجب [MM/YY]**: [اسم الواجب](assignment.md)
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/lesson-template/assignment.md b/translations/ar/lesson-template/assignment.md
new file mode 100644
index 00000000..2f367c9e
--- /dev/null
+++ b/translations/ar/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-27T01:04:12+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "ar"
+}
+-->
+# [اسم المهمة]
+
+## التعليمات
+
+## المعايير
+
+| المعايير | ممتاز | مقبول | يحتاج إلى تحسين |
+| -------- | ------- | ------- | ---------------- |
+|          |         |         |                 |
+
+---
+
+**إخلاء المسؤولية**:  
+تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية هو المصدر الموثوق. للحصول على معلومات حساسة أو هامة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/quiz-app/README.md b/translations/ar/quiz-app/README.md
new file mode 100644
index 00000000..15226b97
--- /dev/null
+++ b/translations/ar/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-27T01:04:42+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "ar"
+}
+-->
+# الاختبارات
+
+هذه الاختبارات هي اختبارات ما قبل وما بعد المحاضرات لمنهج "إنترنت الأشياء للمبتدئين" الموجود على الرابط https://aka.ms/iot-beginners
+
+## إعداد المشروع
+
+```
+npm install
+```
+
+### الترجمة الفورية وإعادة التحميل أثناء التطوير
+
+```
+npm run serve
+```
+
+### الترجمة والتصغير للإنتاج
+
+```
+npm run build
+```
+
+### فحص وإصلاح الملفات
+
+```
+npm run lint
+```
+
+### تخصيص الإعدادات
+
+راجع [مرجع الإعدادات](https://cli.vuejs.org/config/).
+
+الشكر: شكرًا للنسخة الأصلية من تطبيق الاختبار هذا: https://github.com/arpan45/simple-quiz-vue
+
+## النشر على Azure
+
+إليك دليل خطوة بخطوة لمساعدتك على البدء:
+
+1. قم بعمل Fork لمستودع GitHub  
+تأكد من أن كود تطبيق الويب الثابت الخاص بك موجود في مستودع GitHub الخاص بك. قم بعمل Fork لهذا المستودع.
+
+2. إنشاء تطبيق ويب ثابت على Azure  
+- قم بإنشاء [حساب Azure](http://azure.microsoft.com)  
+- انتقل إلى [بوابة Azure](https://portal.azure.com)  
+- انقر على "إنشاء مورد" وابحث عن "تطبيق ويب ثابت".  
+- انقر على "إنشاء".  
+
+3. إعداد تطبيق الويب الثابت  
+- الأساسيات:  
+  - الاشتراك: اختر اشتراك Azure الخاص بك.  
+  - مجموعة الموارد: قم بإنشاء مجموعة موارد جديدة أو استخدم واحدة موجودة.  
+  - الاسم: قدم اسمًا لتطبيق الويب الثابت الخاص بك.  
+  - المنطقة: اختر المنطقة الأقرب لمستخدميك.  
+
+- #### تفاصيل النشر:  
+  - المصدر: اختر "GitHub".  
+  - حساب GitHub: قم بتفويض Azure للوصول إلى حساب GitHub الخاص بك.  
+  - المنظمة: اختر المنظمة الخاصة بك على GitHub.  
+  - المستودع: اختر المستودع الذي يحتوي على تطبيق الويب الثابت الخاص بك.  
+  - الفرع: اختر الفرع الذي تريد النشر منه.  
+
+- #### تفاصيل البناء:  
+  - إعدادات البناء: اختر الإطار الذي تم بناء تطبيقك به (مثل React، Angular، Vue، إلخ).  
+  - موقع التطبيق: حدد المجلد الذي يحتوي على كود التطبيق الخاص بك (مثل / إذا كان في الجذر).  
+  - موقع API: إذا كان لديك API، حدد موقعه (اختياري).  
+  - موقع الإخراج: حدد المجلد الذي يتم فيه إنشاء مخرجات البناء (مثل build أو dist).  
+
+4. المراجعة والإنشاء  
+راجع إعداداتك وانقر على "إنشاء". سيقوم Azure بإعداد الموارد اللازمة وإنشاء ملف سير عمل GitHub Actions في مستودعك.
+
+5. سير عمل GitHub Actions  
+سيقوم Azure تلقائيًا بإنشاء ملف سير عمل GitHub Actions في مستودعك (.github/workflows/azure-static-web-apps-<name>.yml). هذا الملف سيتولى عملية البناء والنشر.
+
+6. مراقبة النشر  
+انتقل إلى علامة التبويب "Actions" في مستودع GitHub الخاص بك.  
+يجب أن ترى سير عمل قيد التشغيل. هذا السير سيقوم ببناء ونشر تطبيق الويب الثابت الخاص بك على Azure.  
+بمجرد اكتمال سير العمل، سيكون تطبيقك متاحًا على عنوان URL الذي يوفره Azure.
+
+### مثال على ملف سير العمل
+
+إليك مثال على ما قد يبدو عليه ملف سير عمل GitHub Actions:  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```
+
+### موارد إضافية  
+- [وثائق Azure Static Web Apps](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [وثائق GitHub Actions](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الرسمي. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/ar/recommended-learning-model.md b/translations/ar/recommended-learning-model.md
new file mode 100644
index 00000000..5e54e671
--- /dev/null
+++ b/translations/ar/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T21:17:55+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "ar"
+}
+-->
+# نموذج التعلم الموصى به
+
+لتحقيق أفضل نتائج تعليمية، **نوصي بنهج "النموذج المقلوب"** مثل مختبرات العلوم: يعمل الطلاب على المشاريع أثناء وقت الحصة، مع فرص للنقاش، الأسئلة والإجابات، ومساعدة المشاريع، ويقومون بعناصر المحاضرة كقراءة مسبقة في وقتهم الخاص.
+
+## لماذا التعلم المقلوب؟
+
+1. هذا النوع من التعليم يشرك مجموعة متنوعة من أساليب التعلم – البصرية، السمعية، العملية، حل المشكلات، وغيرها.[[1]](../..)
+2. أثبتت الفصول الدراسية المقلوبة أنها تزيد من التركيز، المشاركة، التحفيز، الاعتماد على الذات، الاحتفاظ بالمعلومات، والتواصل (سواء بين المعلم والطالب أو بين الطلاب أنفسهم).[[2,3]](../..)
+3. كمعلمين، يمكنكم قضاء المزيد من الوقت مع الطلاب الذين يواجهون صعوبة، بينما تمنحون الطلاب الأكثر تقدماً الحرية للعمل بشكل مستقل.[[4]](../..)
+
+نوصي أيضاً بأن يتبنى المعلمون دور **"الميسر المشارك"** الذي يتعلم جنباً إلى جنب مع الطلاب ويدعمهم أثناء استكشافهم للأسئلة والأفكار التي تنبع من اهتماماتهم ورؤاهم الخاصة.
+
+لا توجد طريقة "صحيحة" للقيام بالأشياء هنا. في بعض الأحيان، لن تكون لديكم جميع الإجابات. قد لا يتمكن بعض الطلاب من إنهاء جميع المشاريع. هدفكم هو مساعدة الطلاب على الوصول بشكل طبيعي إلى طرق لحل المشكلات قد تكون أكثر مرحاً، تعاوناً، أو ذاتية التوجيه مما توقعوه في البداية.
+
+## نصائح تسهيلية مفيدة:
+
+* تأملوا ما تلاحظونه، اطرحوا الأسئلة، وقوموا بالملاحظات.
+* استخدموا عبارات مثل "ألاحظ..." و"أتساءل..."
+* اربطوا الطلاب الذين يواجهون صعوبة مع أولئك الذين وجدوا الحلول بالفعل.
+* أشروا إلى المكونات والأجزاء أو قدموا اقتراحات حول أشياء مختلفة يمكن تجربتها إذا كان الطالب عالقاً. اطلبوا من الطالب تغيير شيء واحد في كل مرة وملاحظة ما يحدث.
+* اعترفوا بالإحباط واحتفلوا بالجهود المبذولة.
+* تجنبوا البناء أو البرمجة نيابة عن الطلاب، إلا إذا كانوا بحاجة إلى مساعدة جسدية.
+
+## أمثلة على لغة التيسير:
+
+* "اسأل اثنين آخرين قبل أن تسألني."
+* "اقضِ دقيقتين إضافيتين في المحاولة..."
+* "لنأخذ استراحة من هذا. ربما يمكنك مساعدة طلاب آخرين في توصيلاتهم الكهربائية بما أنك قد اكتشفت ذلك بالفعل؟"
+* "أتساءل إذا كان طالب آخر قد واجه نفس المشكلة. لنبحث!"
+* "لقد التزمت حقاً بهذا واكتشفته! هل يمكنني إرسال الآخرين إليك للحصول على المساعدة في هذا؟"
+* "هذا غريب، لا يبدو منطقياً بالنسبة لي أيضاً. ربما يمكننا أن نسأل طالباً آخر، أو إذا اكتشفت الحل هل يمكنك مشاركته مع الصف؟"
+
+## المراجع
+
+[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Accessed 4/21/21.
+
+[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Accessed 4/21/21.
+
+[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Accessed 4/21/21
+
+[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Accessed 4/21/21.
+
+---
+
+**إخلاء المسؤولية**:  
+تم ترجمة هذا المستند باستخدام خدمة الترجمة بالذكاء الاصطناعي [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو معلومات غير دقيقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر الموثوق. للحصول على معلومات حاسمة، يُوصى بالاستعانة بترجمة بشرية احترافية. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة تنشأ عن استخدام هذه الترجمة.
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/README.md b/translations/mo/1-getting-started/README.md
new file mode 100644
index 00000000..ccf46c4e
--- /dev/null
+++ b/translations/mo/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T23:09:12+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "mo"
+}
+-->
+# 開始學習物聯網
+
+在本課程的這一部分，你將會接觸到物聯網（IoT），並學習基本概念，包括建立你的第一個「Hello World」物聯網專案，將設備連接到雲端。這個專案是一個夜燈，當感測器測得的光線水平下降時，燈會亮起。
+
+![LED 連接到 WIO，隨著光線水平變化而開啟和關閉](../../../images/wio-running-assignment-1-1.gif)
+
+## 主題
+
+1. [物聯網簡介](lessons/1-introduction-to-iot/README.md)
+1. [深入了解物聯網](lessons/2-deeper-dive/README.md)
+1. [使用感測器和致動器與物理世界互動](lessons/3-sensors-and-actuators/README.md)
+1. [將你的設備連接到互聯網](lessons/4-connect-internet/README.md)
+
+## 致謝
+
+所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..2e350572
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T23:35:05+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "mo"
+}
+-->
+# 物聯網簡介
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個影片：一個是 1 小時的課程，另一個是 1 小時的答疑時間，深入探討課程內容並回答問題。
+
+[![課程 1：物聯網簡介](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![課程 1：物聯網簡介 - 答疑時間](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## 簡介
+
+本課程涵蓋了一些關於物聯網的入門主題，並幫助您開始設置硬體。
+
+在本課程中，我們將討論：
+
+* [什麼是「物聯網」？](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [物聯網設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [設置您的設備](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [物聯網的應用](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [您周圍可能擁有的物聯網設備範例](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## 什麼是「物聯網」？
+
+「物聯網」這個術語由 [Kevin Ashton](https://wikipedia.org/wiki/Kevin_Ashton) 在 1999 年提出，用來描述通過感測器將互聯網連接到物理世界。自那時以來，這個術語被用來描述任何與周圍物理世界交互的設備，無論是通過感測器收集數據，還是通過致動器（例如打開開關或點亮 LED 的設備）提供實際的交互，通常這些設備會連接到其他設備或互聯網。
+
+> **感測器** 從世界中收集信息，例如測量速度、溫度或位置。
+>
+> **致動器** 將電信號轉換為實際的交互，例如觸發開關、打開燈光、發出聲音，或向其他硬體發送控制信號，例如打開電源插座。
+
+物聯網作為一個技術領域，不僅僅是設備本身——它還包括基於雲的服務，這些服務可以處理感測器數據，或者向連接到物聯網設備的致動器發送請求。它還包括一些不具備或不需要互聯網連接的設備，通常被稱為邊緣設備。這些設備可以自行處理和響應感測器數據，通常使用在雲端訓練的 AI 模型。
+
+物聯網是一個快速增長的技術領域。據估計，到 2020 年底，已有 300 億個物聯網設備被部署並連接到互聯網。展望未來，預計到 2025 年，物聯網設備將收集近 80 ZB（zettabytes，十萬億 GB）的數據。這是一個巨大的數據量！
+
+![一個顯示活躍物聯網設備隨時間增長的圖表，從 2015 年的不到 50 億增長到 2025 年的超過 300 億](../../../../../images/connected-iot-devices.svg)
+
+✅ 做一些研究：物聯網設備生成的數據中有多少實際被使用了？有多少被浪費了？為什麼會有這麼多數據被忽略？
+
+這些數據是物聯網成功的關鍵。要成為一名成功的物聯網開發者，您需要了解需要收集哪些數據、如何收集、如何根據數據做出決策，以及在需要時如何利用這些決策與物理世界交互。
+
+## 物聯網設備
+
+物聯網中的 **T** 代表 **Things（物件）**——這些設備通過感測器收集數據或通過致動器提供實際交互，與周圍的物理世界進行交互。
+
+用於生產或商業用途的設備，例如消費者健身追蹤器或工業機器控制器，通常是定制製造的。它們使用定制的電路板，甚至可能是定制的處理器，旨在滿足特定任務的需求，無論是小到可以戴在手腕上，還是堅固到可以在高溫、高壓或高振動的工廠環境中工作。
+
+作為一名學習物聯網或創建設備原型的開發者，您需要從開發套件開始。這些是為開發者設計的通用物聯網設備，通常具有生產設備不會有的功能，例如一組外部引腳，用於連接感測器或致動器，支持調試的硬體，或者在大規模生產中會增加不必要成本的額外資源。
+
+這些開發套件通常分為兩類——微控制器和單板電腦。我們將在這裡介紹它們，並在下一課中進一步詳細說明。
+
+> 💁 您的手機也可以被認為是一種通用的物聯網設備，內置了感測器和致動器，不同的應用程式以不同的方式使用這些感測器和致動器，並與不同的雲服務交互。您甚至可以找到一些使用手機應用程式作為物聯網設備的教程。
+
+### 微控制器
+
+微控制器（也稱為 MCU，Microcontroller Unit 的縮寫）是一種小型計算機，由以下部分組成：
+
+🧠 一個或多個中央處理單元（CPU）——微控制器的「大腦」，負責運行您的程式
+
+💾 記憶體（RAM 和程式記憶體）——存儲您的程式、數據和變數的地方
+
+🔌 可編程的輸入/輸出（I/O）連接——用於與外部周邊設備（連接的設備，例如感測器和致動器）通信
+
+微控制器通常是低成本的計算設備，用於定制硬體的微控制器平均價格降至約 0.50 美元，有些設備甚至低至 0.03 美元。開發套件的起價約為 4 美元，隨著功能的增加，成本也會上升。[Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是 [Seeed studios](https://www.seeedstudio.com) 的一款微控制器開發套件，內置感測器、致動器、WiFi 和螢幕，價格約為 30 美元。
+
+![Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.mo.png)
+
+> 💁 在網上搜索微控制器時，請注意搜索術語 **MCU**，因為這可能會返回大量與漫威電影宇宙（Marvel Cinematic Universe）相關的結果，而不是微控制器。
+
+微控制器被設計為執行有限數量的非常特定的任務，而不是像 PC 或 Mac 那樣的通用計算機。除了非常特定的場景外，您無法連接顯示器、鍵盤和滑鼠，並將其用於通用任務。
+
+微控制器開發套件通常內置額外的感測器和致動器。大多數開發板會有一個或多個可編程的 LED，以及其他設備，例如標準插頭，用於通過各種製造商的生態系統添加更多感測器或致動器，或者內置感測器（通常是最受歡迎的，例如溫度感測器）。一些微控制器內置無線連接功能，例如藍牙或 WiFi，或者在開發板上添加額外的微控制器以提供這些連接功能。
+
+> 💁 微控制器通常使用 C/C++ 編程。
+
+### 單板電腦
+
+單板電腦是一種小型計算設備，將完整計算機的所有元素包含在一塊小型電路板上。這些設備的規格接近桌面或筆記本電腦，運行完整的操作系統，但體積更小，功耗更低，價格也便宜得多。
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg)
+
+Raspberry Pi 是最受歡迎的單板電腦之一。
+
+與微控制器類似，單板電腦具有 CPU、記憶體和輸入/輸出引腳，但它們還具有額外的功能，例如圖形芯片以連接顯示器、音頻輸出，以及 USB 埠以連接鍵盤、滑鼠和其他標準 USB 設備（如網路攝像頭或外部存儲設備）。程式和操作系統存儲在 SD 卡或硬碟上，而不是內置在電路板上的記憶體芯片中。
+
+> 🎓 您可以將單板電腦視為您正在使用的 PC 或 Mac 的更小、更便宜的版本，並額外配備 GPIO（通用輸入/輸出）引腳，用於與感測器和致動器交互。
+
+單板電腦是功能齊全的計算機，因此可以使用任何語言進行編程。物聯網設備通常使用 Python 編程。
+
+### 後續課程的硬體選擇
+
+後續所有課程都包括使用物聯網設備與物理世界交互並與雲通信的作業。每節課支持三種設備選擇——Arduino（使用 Seeed Studios 的 Wio Terminal），或單板電腦（實體設備 Raspberry Pi 4 或在 PC 或 Mac 上運行的虛擬單板電腦）。
+
+您可以在 [硬體指南](../../../hardware.md) 中閱讀完成所有作業所需的硬體。
+
+> 💁 您不需要購買任何物聯網硬體即可完成作業，您可以使用虛擬單板電腦完成所有內容。
+
+您選擇哪種硬體取決於您家中或學校中可用的設備，以及您已經掌握或計劃學習的編程語言。兩種硬體變體將使用相同的感測器生態系統，因此如果您選擇了一條路徑，之後可以切換到另一條路徑，而無需更換大部分設備。虛擬單板電腦相當於在 Raspberry Pi 上學習，大部分程式碼可以轉移到實體 Pi 上，如果您最終獲得了設備和感測器。
+
+### Arduino 開發套件
+
+如果您對學習微控制器開發感興趣，可以使用 Arduino 設備完成作業。您需要對 C/C++ 編程有基本的了解，因為課程只會教授與 Arduino 框架、感測器和致動器以及與雲交互的庫相關的程式碼。
+
+作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) 和 [PlatformIO 微控制器開發擴展](https://platformio.org)。如果您熟悉 Arduino IDE，也可以使用該工具，但課程中不會提供相關指導。
+
+### 單板電腦開發套件
+
+如果您對使用單板電腦進行物聯網開發感興趣，可以使用 Raspberry Pi 或在 PC 或 Mac 上運行的虛擬設備完成作業。
+
+您需要對 Python 編程有基本的了解，因為課程只會教授與感測器和致動器相關的程式碼，以及與雲交互的庫。
+
+> 💁 如果您想學習 Python 編程，可以查看以下兩個視頻系列：
+>
+> * [Python 初學者教程](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [進階 Python 教程](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+作業將使用 [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn)。
+
+如果您使用 Raspberry Pi，可以選擇運行完整桌面版 Raspberry Pi OS，直接在 Pi 上使用 [Raspberry Pi OS 版 VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) 進行編程；或者將 Pi 作為無頭設備運行，並使用 VS Code 的 [Remote SSH 擴展](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 從 PC 或 Mac 連接到 Pi，像直接在 Pi 上編程一樣進行編輯、調試和運行程式。
+
+如果您選擇虛擬設備選項，您將直接在計算機上進行編程。您將使用一個工具來模擬硬體，提供您定義的感測器值，並在螢幕上顯示致動器的結果。
+
+## 設置您的設備
+
+在開始編程物聯網設備之前，您需要進行一些基本設置。根據您使用的設備，請按照相關指導進行操作。
+💁 如果你還沒有設備，請參考[硬體指南](../../../hardware.md)，幫助你決定要使用哪種設備，以及需要購買哪些額外的硬體。你不需要購買硬體，因為所有專案都可以在虛擬硬體上運行。
+這些指引包含了硬體或工具創作者提供的第三方網站連結，目的是確保您使用的工具和硬體指引始終是最新的。
+
+請按照相關指南設置您的設備並完成一個 "Hello World" 項目。這將是您在這四節課的入門部分中，創建物聯網夜燈的第一步。
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [單板電腦 - Raspberry Pi](pi.md)
+* [單板電腦 - 虛擬設備](virtual-device.md)
+
+✅ 您將使用 VS Code 來操作 Arduino 和單板電腦。如果您之前未使用過，請在 [VS Code 網站](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 上了解更多資訊。
+
+## 物聯網的應用
+
+物聯網涵蓋了廣泛的使用案例，分為幾個主要類別：
+
+* 消費型物聯網
+* 商業型物聯網
+* 工業型物聯網
+* 基礎設施型物聯網
+
+✅ 做一些研究：針對以下描述的每個領域，找出一個文中未提到的具體例子。
+
+### 消費型物聯網
+
+消費型物聯網指的是消費者在家中購買和使用的物聯網設備。有些設備非常有用，例如智能音箱、智能供暖系統和機器人吸塵器。也有些設備的實用性值得商榷，例如語音控制的水龍頭，當水流聲太大時語音控制無法正常工作，導致無法關閉水龍頭。
+
+消費型物聯網設備幫助人們在日常生活中實現更多，尤其是全球約 10 億有殘疾的人群。機器人吸塵器可以幫助行動不便的人保持地板清潔，語音控制的烤箱讓視力或運動能力有限的人僅用語音即可操作烤箱，健康監測設備讓患者能夠更頻繁且詳細地追蹤慢性病情況。這些設備已經變得如此普及，甚至連小孩都在日常生活中使用它們，例如在 COVID 疫情期間進行虛擬學習的學生，使用智能家居設備設置計時器來追蹤學校作業或提醒即將開始的課程。
+
+✅ 您身上或家中有哪些消費型物聯網設備？
+
+### 商業型物聯網
+
+商業型物聯網涵蓋了物聯網在工作場所的使用。在辦公室環境中，可能會有佔用感測器和動作檢測器來管理照明和供暖，僅在需要時開啟燈光和供暖，從而降低成本和碳排放。在工廠中，物聯網設備可以監測安全隱患，例如工人未佩戴安全帽或噪音達到危險水平。在零售業，物聯網設備可以測量冷藏設備的溫度，當冰箱或冷凍櫃超出所需溫度範圍時提醒店主，或者監測貨架上的商品，指導員工補充已售出的商品。運輸行業越來越依賴物聯網來監測車輛位置、追蹤道路里程以進行道路使用費計算、追蹤駕駛員的工作時間和休息合規性，或者在車輛接近倉庫時通知員工準備裝卸貨物。
+
+✅ 您的學校或工作場所有哪些商業型物聯網設備？
+
+### 工業型物聯網 (IIoT)
+
+工業型物聯網，或 IIoT，是指在大規模上使用物聯網設備來控制和管理機械設備。這涵蓋了從工廠到數字農業的廣泛使用案例。
+
+工廠以多種方式使用物聯網設備。機械設備可以通過多個感測器監測溫度、振動和旋轉速度等數據。這些數據可以被監控，當機器超出某些容差範圍時停止運行，例如溫度過高導致停機。這些數據還可以被收集並進行長期分析，用於預測性維護，AI 模型會分析故障前的數據，並利用這些數據在故障發生前預測其他可能的故障。
+
+數字農業對於養活日益增長的人口至關重要，尤其是全球 20 億人中有 5 億家庭依靠[自給農業](https://wikipedia.org/wiki/Subsistence_agriculture)維生。數字農業可以從幾美元的感測器到大型商業設置不等。農民可以通過監測溫度並使用[生長度日](https://wikipedia.org/wiki/Growing_degree-day)來預測作物的收穫時間。他們可以將土壤濕度監測連接到自動灌溉系統，為作物提供所需的水分，但不會浪費水資源，確保作物不會乾枯。農民甚至可以進一步利用無人機、衛星數據和 AI 來監測大面積農田的作物生長、病害和土壤質量。
+
+✅ 還有哪些物聯網設備可以幫助農民？
+
+### 基礎設施型物聯網
+
+基礎設施型物聯網是用於監測和控制人們每天使用的地方和全球基礎設施。
+
+[智慧城市](https://wikipedia.org/wiki/Smart_city)是使用物聯網設備收集城市數據並利用這些數據改善城市運行的都市區域。這些城市通常由地方政府、學術界和當地企業合作運營，追蹤和管理從交通到停車和污染等各種事務。例如，在丹麥哥本哈根，空氣污染對當地居民非常重要，因此會進行測量，並利用數據提供最清潔的騎行和慢跑路線資訊。
+
+[智慧電網](https://wikipedia.org/wiki/Smart_grid)通過收集個別家庭的使用數據來提供更好的電力需求分析。這些數據可以指導國家層面的決策，例如建設新電站的位置，也可以在個人層面提供用戶如何使用電力的洞察，例如建議在夜間為電動車充電以降低成本。
+
+✅ 如果您可以在居住地添加物聯網設備來測量任何事物，您會選擇什麼？
+
+## 您周圍可能擁有的物聯網設備示例
+
+您可能會驚訝於周圍有多少物聯網設備。我正在家中撰寫這篇文章，我擁有以下連接到互聯網並具有智能功能的設備，例如應用程式控制、語音控制或能夠通過手機向我發送數據：
+
+* 多個智能音箱
+* 冰箱、洗碗機、烤箱和微波爐
+* 太陽能板的電力監測器
+* 智能插座
+* 視訊門鈴和安全攝像頭
+* 帶有多個智能房間感測器的智能恆溫器
+* 車庫門開啟器
+* 家庭娛樂系統和語音控制電視
+* 照明設備
+* 健身和健康追蹤器
+
+所有這些類型的設備都具有感測器和/或執行器，並與互聯網通信。我可以通過手機查看車庫門是否開著，並要求智能音箱幫我關上。我甚至可以設置定時器，如果車庫門在晚上仍然開著，它會自動關閉。當門鈴響起時，我可以通過手機查看誰在門口，無論我身在世界何處，並通過門鈴內置的揚聲器和麥克風與他們交談。我可以監測我的血糖、心率和睡眠模式，尋找數據中的模式以改善健康。我可以通過雲端控制我的燈光，當我的網絡連接中斷時，我只能坐在黑暗中。
+
+---
+
+## 🚀 挑戰
+
+列出您家中、學校或工作場所的所有物聯網設備——可能比您想像的還要多！
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## 回顧與自學
+
+閱讀消費型物聯網項目的優勢和失敗案例。查看新聞網站上的文章，了解物聯網出現問題的情況，例如隱私問題、硬體故障或因缺乏連接性而導致的問題。
+
+一些例子：
+
+* 查看 Twitter 帳號 **[Internet of Sh*t](https://twitter.com/internetofshit)** *(有粗俗語言警告)*，了解一些消費型物聯網失敗的好例子。
+* [c|net - 我的 Apple Watch 救了我的命：5 人分享他們的故事](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
+* [c|net - ADT 技術員承認多年來監視客戶攝像頭](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(觸發警告 - 非自願窺視)*
+
+## 作業
+
+[調查一個物聯網項目](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..6de84196
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T23:36:28+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 調查一個物聯網項目
+
+## 說明
+
+全球正在推行許多大大小小的物聯網項目，從智慧農場到智慧城市，涵蓋醫療監測、交通運輸以及公共空間的使用。
+
+在網路上搜尋一個你感興趣的項目，最好是離你住的地方較近的。解釋該項目的優點和缺點，例如它帶來了什麼好處、可能引發的問題，以及如何考量隱私問題。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 解釋優點和缺點 | 清楚地解釋了該項目的優點和缺點 | 簡要地解釋了該項目的優點和缺點 | 沒有解釋該項目的優點或缺點 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..637c07b3
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T23:41:17+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "mo"
+}
+-->
+# 樹莓派
+
+[樹莓派](https://raspberrypi.org) 是一款單板電腦。你可以使用各種設備和生態系統添加感測器和致動器，這些課程中將使用一種名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統。你將使用 Python 為樹莓派編寫程式並存取 Grove 感測器。
+
+![樹莓派 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg)
+
+## 設置
+
+如果你使用樹莓派作為物聯網硬體，有兩種選擇——你可以直接在樹莓派上完成所有課程並編寫程式碼，或者遠端連接到一個「無頭」的樹莓派，從你的電腦上進行編碼。
+
+在開始之前，你還需要將 Grove Base Hat 連接到樹莓派。
+
+### 任務 - 設置
+
+安裝 Grove Base Hat 並配置樹莓派。
+
+1. 將 Grove Base Hat 連接到樹莓派。帽子上的插槽與樹莓派的所有 GPIO 引腳對應，將其完全滑入引腳，穩固地安裝在基座上。它會覆蓋樹莓派。
+
+    ![安裝 Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. 決定你想如何編程樹莓派，然後前往以下相關部分：
+
+    * [直接在樹莓派上工作](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [遠端訪問樹莓派進行編碼](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### 直接在樹莓派上工作
+
+如果你想直接在樹莓派上工作，可以使用樹莓派 OS 的桌面版本並安裝所有需要的工具。
+
+#### 任務 - 直接在樹莓派上工作
+
+為開發設置樹莓派。
+
+1. 按照 [樹莓派設置指南](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) 的說明設置樹莓派，連接鍵盤/滑鼠/顯示器，連接到 WiFi 或乙太網路，並更新軟體。
+
+為了使用 Grove 感測器和致動器編寫程式碼，你需要安裝一個編輯器來撰寫設備程式碼，以及與 Grove 硬體互動的各種庫和工具。
+
+1. 當樹莓派重新啟動後，點擊頂部菜單欄的 **Terminal** 圖示啟動終端，或者選擇 *Menu -> Accessories -> Terminal*。
+
+1. 執行以下命令以確保操作系統和已安裝的軟體是最新的：
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. 執行以下命令以安裝 Grove 硬體所需的所有庫：
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    這些命令首先安裝 Git 和 Pip，用於安裝 Python 套件。
+
+    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼包。你可以用一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。
+
+    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令會克隆包含該套件原始碼的倉庫，然後在本地安裝。
+
+    > 💁 默認情況下，當你安裝一個套件時，它會在電腦的所有地方可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會破壞另一個應用程式。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，位於一個專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
+
+    最後，這些命令會啟用 I<sup>2</sup>C 介面。
+
+1. 使用菜單或在終端中執行以下命令重新啟動樹莓派：
+
+    ```sh
+    sudo reboot
+    ```
+
+1. 當樹莓派重新啟動後，重新打開終端並執行以下命令安裝 [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn)——這是你將用來用 Python 編寫設備程式碼的編輯器。
+
+    ```sh
+    sudo apt install code
+    ```
+
+    安裝完成後，VS Code 將可從頂部菜單中訪問。
+
+    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的指導將基於 VS Code。
+
+1. 安裝 Pylance。這是 VS Code 的一個擴展，提供 Python 語言支持。請參考 [Pylance 擴展文檔](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 了解如何在 VS Code 中安裝該擴展。
+
+### 遠端訪問樹莓派進行編碼
+
+與其直接在樹莓派上編碼，你可以讓它以「無頭」模式運行，也就是不連接鍵盤/滑鼠/顯示器，並從你的電腦上使用 Visual Studio Code 進行配置和編碼。
+
+#### 設置樹莓派 OS
+
+要遠端編碼，需要將樹莓派 OS 安裝到 SD 卡上。
+
+##### 任務 - 設置樹莓派 OS
+
+設置無頭模式的樹莓派 OS。
+
+1. 從 [樹莓派 OS 軟體頁面](https://www.raspberrypi.org/software/) 下載 **Raspberry Pi Imager** 並安裝。
+
+1. 將 SD 卡插入電腦，必要時使用轉接器。
+
+1. 啟動 Raspberry Pi Imager。
+
+1. 在 Raspberry Pi Imager 中，選擇 **CHOOSE OS** 按鈕，然後選擇 *Raspberry Pi OS (Other)*，接著選擇 *Raspberry Pi OS Lite (32-bit)*。
+
+    ![Raspberry Pi Imager 中選擇 Raspberry Pi OS Lite](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.mo.png)
+
+    > 💁 Raspberry Pi OS Lite 是樹莓派 OS 的一個版本，沒有桌面 UI 或基於 UI 的工具。這些對無頭模式的樹莓派來說並不需要，並且使安裝更小，啟動時間更快。
+
+1. 選擇 **CHOOSE STORAGE** 按鈕，然後選擇你的 SD 卡。
+
+1. 按下 `Ctrl+Shift+X` 啟動 **Advanced Options**。這些選項允許在將樹莓派 OS 寫入 SD 卡之前進行一些預配置。
+
+    1. 勾選 **Enable SSH**，並為 `pi` 使用者設置密碼。這是你稍後登錄樹莓派時使用的密碼。
+
+    1. 如果你計劃通過 WiFi 連接樹莓派，勾選 **Configure WiFi**，並輸入你的 WiFi SSID 和密碼，還有選擇你的 WiFi 國家。如果你將使用乙太網線，則不需要這樣做。確保你連接的網路與電腦在同一網路中。
+
+    1. 勾選 **Set locale settings**，並設置你的國家和時區。
+
+    1. 選擇 **SAVE** 按鈕。
+
+1. 選擇 **WRITE** 按鈕將 OS 寫入 SD 卡。如果你使用 macOS，系統會要求你輸入密碼，因為寫入磁碟映像的底層工具需要特權訪問。
+
+OS 會被寫入 SD 卡，完成後系統會彈出該卡，並通知你。從電腦中取出 SD 卡，插入樹莓派，啟動樹莓派並等待約 2 分鐘讓其正常啟動。
+
+#### 連接到樹莓派
+
+下一步是遠端訪問樹莓派。你可以使用 `ssh`，該工具在 macOS、Linux 和最近版本的 Windows 上可用。
+
+##### 任務 - 連接到樹莓派
+
+遠端訪問樹莓派。
+
+1. 啟動終端或命令提示符，輸入以下命令連接到樹莓派：
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    如果你使用的是舊版 Windows，且未安裝 `ssh`，可以使用 OpenSSH。安裝說明請參考 [OpenSSH 安裝文檔](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn)。
+
+1. 這應該會連接到樹莓派並要求輸入密碼。
+
+    能夠通過 `<hostname>.local` 在網路上找到電腦是 Linux 和 Windows 最近新增的一個功能。如果你使用的是 Linux 或 Windows，並且收到有關找不到主機名的錯誤，則需要安裝額外的軟體來啟用 ZeroConf 網路（Apple 稱之為 Bonjour）：
+
+    1. 如果你使用的是 Linux，使用以下命令安裝 Avahi：
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. 如果你使用的是 Windows，啟用 ZeroConf 最簡單的方法是安裝 [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999)。你也可以安裝 [iTunes for Windows](https://www.apple.com/itunes/download/) 以獲得該工具的更新版本（該版本無法單獨下載）。
+
+    > 💁 如果你無法使用 `raspberrypi.local` 連接，則可以使用樹莓派的 IP 地址。請參考 [樹莓派 IP 地址文檔](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) 獲取多種方法來獲取 IP 地址的說明。
+
+1. 輸入你在 Raspberry Pi Imager 高級選項中設置的密碼。
+
+#### 配置樹莓派上的軟體
+
+連接到樹莓派後，你需要確保操作系統是最新的，並安裝與 Grove 硬體互動的各種庫和工具。
+
+##### 任務 - 配置樹莓派上的軟體
+
+配置已安裝的樹莓派軟體並安裝 Grove 庫。
+
+1. 在你的 `ssh` 會話中，執行以下命令以更新並重新啟動樹莓派：
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    樹莓派將被更新並重新啟動。當樹莓派重新啟動時，`ssh` 會話將結束，因此等待約 30 秒後重新連接。
+
+1. 在重新連接的 `ssh` 會話中，執行以下命令以安裝 Grove 硬體所需的所有庫：
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    這些命令首先安裝 Git 和 Pip，用於安裝 Python 套件。
+
+    Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是其他人編寫並發布到網路上的程式碼包。你可以用一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。
+
+    Seeed Grove 的 Python 套件需要從原始碼安裝。這些命令會克隆包含該套件原始碼的倉庫，然後在本地安裝。
+
+    > 💁 默認情況下，當你安裝一個套件時，它會在電腦的所有地方可用，這可能會導致套件版本的問題——例如，一個應用程式依賴於某個版本的套件，而安裝新版本可能會破壞另一個應用程式。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，位於一個專用資料夾中，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。在使用樹莓派時，你不會使用虛擬環境。Grove 安裝腳本會全域安裝 Grove 的 Python 套件，因此如果你想使用虛擬環境，需要先設置虛擬環境，然後手動重新安裝 Grove 套件到該環境中。使用全域套件更簡單，特別是許多樹莓派開發者會為每個專案重新刷新乾淨的 SD 卡。
+
+    最後，這些命令會啟用 I<sup>2</sup>C 介面。
+
+1. 執行以下命令重新啟動樹莓派：
+
+    ```sh
+    sudo reboot
+    ```
+
+    當樹莓派重新啟動時，`ssh` 會話將結束。無需重新連接。
+
+#### 配置 VS Code 進行遠端訪問
+
+樹莓派配置完成後，你可以使用 Visual Studio Code (VS Code) 從電腦連接到它——這是一款免費的開發者文本編輯器，你將用它來用 Python 編寫設備程式碼。
+
+##### 任務 - 配置 VS Code 進行遠端訪問
+
+安裝所需軟體並遠端連接到樹莓派。
+
+1. 按照 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 的說明在電腦上安裝 VS Code。
+
+1. 按照 [VS Code 遠端開發使用 SSH 文檔](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) 的說明安裝所需組件。
+
+1. 按照相同的說明，將 VS Code 連接到樹莓派。
+
+1. 連接後，按照 [管理擴展](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn) 的說明，將 [Pylance 擴展](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 遠端安裝到樹莓派上。
+
+## Hello world
+通常在學習一種新的程式語言或技術時，會先建立一個「Hello World」應用程式——一個小型應用程式，輸出類似於 `"Hello World"` 的文字，以確認所有工具已正確配置。
+
+針對樹莓派的 Hello World 應用程式將確保您已正確安裝 Python 和 Visual Studio Code。
+
+此應用程式將存放在名為 `nightlight` 的資料夾中，稍後在此作業的其他部分中，將使用不同的程式碼來建立夜燈應用程式。
+
+### 任務 - Hello World
+
+建立 Hello World 應用程式。
+
+1. 啟動 VS Code，可以直接在樹莓派上啟動，或者在您的電腦上啟動並使用 Remote SSH 擴展連接到樹莓派。
+
+1. 透過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 開啟 VS Code 終端機。終端機將開啟至 `pi` 使用者的主目錄。
+
+1. 執行以下指令以建立程式碼的資料夾，並在該資料夾中建立一個名為 `app.py` 的 Python 檔案：
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. 在 VS Code 中開啟此資料夾，選擇 *File -> Open...*，然後選擇 *nightlight* 資料夾，接著選擇 **OK**。
+
+    ![VS Code 開啟對話框顯示 nightlight 資料夾](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.mo.png)
+
+1. 從 VS Code 的檔案瀏覽器中開啟 `app.py` 檔案，並加入以下程式碼：
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` 函數會將傳遞給它的內容輸出到終端機。
+
+1. 從 VS Code 終端機執行以下指令以運行您的 Python 應用程式：
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 如果您的系統同時安裝了 Python 2 和 Python 3（最新版本），可能需要明確使用 `python3` 來執行此程式碼。若系統安裝了 Python 2，則執行 `python` 時會使用 Python 2 而非 Python 3。預設情況下，最新版本的 Raspberry Pi OS 只安裝了 Python 3。
+
+    終端機中將出現以下輸出：
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 您可以在 [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) 資料夾中找到此程式碼。
+
+😀 您的「Hello World」程式成功了！
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..b1310360
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T23:38:13+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "mo"
+}
+-->
+# 虛擬單板電腦
+
+與其購買物聯網設備以及感測器和致動器，你可以使用自己的電腦來模擬物聯網硬體。[CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit) 允許你在本地運行一個應用程式，模擬感測器和致動器等物聯網硬體，並通過本地 Python 程式碼訪問這些感測器和致動器。這些程式碼的編寫方式與在 Raspberry Pi 上使用實體硬體時相同。
+
+## 設置
+
+要使用 CounterFit，你需要在電腦上安裝一些免費的軟體。
+
+### 任務
+
+安裝所需的軟體。
+
+1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的說明。
+
+1. 安裝 Visual Studio Code (VS Code)。這是你將用來編寫虛擬設備 Python 程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的說明。
+
+    > 💁 如果你有偏好的工具，可以自由選擇任何 Python IDE 或編輯器來完成這些課程，但課程中的說明將基於使用 VS Code。
+
+1. 安裝 VS Code 的 Pylance 擴展。這是為 VS Code 提供 Python 語言支持的擴展。請參考 [Pylance 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以獲取在 VS Code 中安裝此擴展的說明。
+
+安裝和配置 CounterFit 應用的說明將在作業指導的相關部分給出，因為它是按每個專案安裝的。
+
+## Hello World
+
+在學習一種新的程式語言或技術時，通常會從創建一個 "Hello World" 應用開始——這是一個小型應用，輸出類似於 `"Hello World"` 的文字，以確認所有工具已正確配置。
+
+虛擬物聯網硬體的 Hello World 應用將確保你已正確安裝 Python 和 Visual Studio Code。它還會連接到 CounterFit，用於虛擬物聯網感測器和致動器。這個應用不會使用任何硬體，它只是連接以證明一切正常運行。
+
+這個應用將位於一個名為 `nightlight` 的資料夾中，並在作業的後續部分中使用不同的程式碼來構建夜燈應用。
+
+### 配置 Python 虛擬環境
+
+Python 的一個強大功能是能夠安裝 [Pip 套件](https://pypi.org)——這些是由其他人編寫並發布到網路上的程式碼套件。你可以通過一條命令將 Pip 套件安裝到電腦上，然後在程式碼中使用該套件。你將使用 Pip 安裝一個與 CounterFit 通信的套件。
+
+默認情況下，當你安裝一個套件時，它在電腦上的任何地方都可用，這可能會導致套件版本的問題——例如，一個應用依賴於某個版本的套件，而當你為另一個應用安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是在一個專用資料夾中的 Python 副本，當你安裝 Pip 套件時，它們只會安裝到該資料夾中。
+
+> 💁 如果你使用的是 Raspberry Pi，那麼你並未在該設備上設置虛擬環境來管理 Pip 套件，而是使用全域套件，因為 Grove 套件是通過安裝腳本全域安裝的。
+
+#### 任務 - 配置 Python 虛擬環境
+
+配置 Python 虛擬環境並安裝 CounterFit 的 Pip 套件。
+
+1. 在終端或命令行中，運行以下命令，在你選擇的位置創建並導航到一個新目錄：
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. 現在運行以下命令，在 `.venv` 資料夾中創建一個虛擬環境：
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 你需要顯式調用 `python3` 來創建虛擬環境，以防你同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，則調用 `python` 將使用 Python 2 而不是 Python 3。
+
+1. 啟動虛擬環境：
+
+    * 在 Windows 上：
+        * 如果使用命令提示符或 Windows Terminal 中的命令提示符，運行：
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * 如果使用 PowerShell，運行：
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > 如果出現關於系統禁用腳本運行的錯誤，你需要通過設置適當的執行策略來啟用腳本運行。你可以以管理員身份啟動 PowerShell，然後運行以下命令：
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            當被要求確認時輸入 `Y`。然後重新啟動 PowerShell 並重試。
+
+            如果需要，你可以稍後重置此執行策略。你可以在 [Microsoft Docs 的執行策略頁面](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) 上閱讀更多相關內容。
+
+    * 在 macOS 或 Linux 上，運行：
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 這些命令應在你運行創建虛擬環境命令的相同位置運行。你永遠不需要導航到 `.venv` 資料夾中，應始終從創建虛擬環境時所在的資料夾運行啟動命令以及任何安裝套件或運行程式的命令。
+
+1. 啟動虛擬環境後，默認的 `python` 命令將運行用於創建虛擬環境的 Python 版本。運行以下命令以獲取版本：
+
+    ```sh
+    python --version
+    ```
+
+    輸出應包含以下內容：
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，刪除此資料夾，安裝更新版本的 Python 並重試。
+
+1. 運行以下命令以安裝 CounterFit 的 Pip 套件。這些套件包括主要的 CounterFit 應用以及 Grove 硬體的 shims。這些 shims 允許你像使用 Grove 生態系統中的實體感測器和致動器一樣編寫程式碼，但它們連接到虛擬物聯網設備。
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    這些 Pip 套件將僅安裝在虛擬環境中，無法在其外部使用。
+
+### 編寫程式碼
+
+當 Python 虛擬環境準備就緒後，你可以編寫 "Hello World" 應用的程式碼。
+
+#### 任務 - 編寫程式碼
+
+創建一個 Python 應用，將 `"Hello World"` 輸出到控制台。
+
+1. 在虛擬環境中，從終端或命令行運行以下命令以創建一個名為 `app.py` 的 Python 文件：
+
+    * 在 Windows 上運行：
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * 在 macOS 或 Linux 上運行：
+
+        ```cmd
+        touch app.py
+        ```
+
+1. 在 VS Code 中打開當前資料夾：
+
+    ```sh
+    code .
+    ```
+
+    > 💁 如果你的終端在 macOS 上返回 `command not found`，這意味著 VS Code 尚未添加到你的 PATH。你可以按照 [VS Code 文件中從命令行啟動部分](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) 的說明將 VS Code 添加到 PATH，然後再次運行該命令。在 Windows 和 Linux 上，VS Code 默認會添加到 PATH。
+
+1. 當 VS Code 啟動時，它將啟動 Python 虛擬環境。選定的虛擬環境將顯示在底部狀態欄中：
+
+    ![VS Code 顯示選定的虛擬環境](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.mo.png)
+
+1. 如果 VS Code Terminal 在啟動時已運行，則它不會啟動虛擬環境。最簡單的方法是使用 **Kill the active terminal instance** 按鈕關閉終端：
+
+    ![VS Code Kill the active terminal instance 按鈕](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.mo.png)
+
+    你可以通過終端提示符上的虛擬環境名稱來判斷終端是否啟動了虛擬環境。例如，它可能是：
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    如果提示符中沒有 `.venv` 作為前綴，則終端未啟動虛擬環境。
+
+1. 通過選擇 *Terminal -> New Terminal* 或按下 `` CTRL+` `` 啟動新的 VS Code Terminal。新終端將加載虛擬環境，並在終端中顯示啟動此環境的命令。提示符也將包含虛擬環境的名稱（`.venv`）：
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. 從 VS Code 資源管理器中打開 `app.py` 文件，並添加以下程式碼：
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` 函數會將傳遞給它的內容輸出到控制台。
+
+1. 從 VS Code 終端運行以下命令以運行你的 Python 應用：
+
+    ```sh
+    python app.py
+    ```
+
+    輸出將顯示以下內容：
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 你的 "Hello World" 程式成功了！
+
+### 連接 "硬體"
+
+作為第二個 "Hello World" 步驟，你將運行 CounterFit 應用並將程式碼連接到它。這相當於虛擬地將一些物聯網硬體插入開發套件。
+
+#### 任務 - 連接 "硬體"
+
+1. 從 VS Code 終端運行以下命令啟動 CounterFit 應用：
+
+    ```sh
+    counterfit
+    ```
+
+    該應用將開始運行並在瀏覽器中打開：
+
+    ![在瀏覽器中運行的 Counter Fit 應用](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.mo.png)
+
+    它將顯示為 *Disconnected*，右上角的 LED 為關閉狀態。
+
+1. 在 `app.py` 文件的頂部添加以下程式碼：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    此程式碼從你之前安裝的 `counterfit-connection` pip 套件中導入 `CounterFitConnection` 類，然後初始化與運行在 `127.0.0.1`（一個始終可用於訪問本地電腦的 IP 地址，通常稱為 *localhost*）上的 CounterFit 應用的連接，端口為 5000。
+
+    > 💁 如果你有其他應用運行在 5000 端口，你可以通過更新程式碼中的端口來更改此設置，並使用 `CounterFit --port <port_number>` 運行 CounterFit，將 `<port_number>` 替換為你想使用的端口。
+
+1. 你需要通過選擇 **Create a new integrated terminal** 按鈕啟動新的 VS Code 終端。這是因為 CounterFit 應用正在當前終端中運行。
+
+    ![VS Code Create a new integrated terminal 按鈕](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.mo.png)
+
+1. 在這個新終端中，像之前一樣運行 `app.py` 文件。CounterFit 的狀態將變為 **Connected**，LED 會亮起。
+
+    ![Counter Fit 顯示為已連接](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.mo.png)
+
+> 💁 你可以在 [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) 資料夾中找到這段程式碼。
+
+😀 你成功連接到硬體了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..d39edeb1
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T23:43:53+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "mo"
+}
+-->
+# Wio Terminal
+
+[Seeed Studios 的 Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 是一款兼容 Arduino 的微控制器，內建 WiFi 以及一些感測器和執行器，並且可以透過名為 [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) 的硬體生態系統擴展更多感測器和執行器。
+
+![Seeed Studios 的 Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.mo.png)
+
+## 設置
+
+要使用 Wio Terminal，您需要在電腦上安裝一些免費軟體。此外，在連接 WiFi 之前，您需要更新 Wio Terminal 的韌體。
+
+### 任務 - 設置
+
+安裝所需的軟體並更新韌體。
+
+1. 安裝 Visual Studio Code (VS Code)。這是您將用來編寫 C/C++ 設備程式碼的編輯器。請參考 [VS Code 文件](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 了解如何安裝 VS Code。
+
+    > 💁 另一個常用的 Arduino 開發 IDE 是 [Arduino IDE](https://www.arduino.cc/en/software)。如果您已熟悉此工具，可以使用它代替 VS Code 和 PlatformIO，但課程將基於使用 VS Code 的指導。
+
+1. 安裝 VS Code 的 PlatformIO 擴展。這是 VS Code 的一個擴展，支持用 C/C++ 編程微控制器。請參考 [PlatformIO 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) 了解如何在 VS Code 中安裝此擴展。此擴展依賴於 Microsoft C/C++ 擴展，安裝 PlatformIO 時會自動安裝 C/C++ 擴展。
+
+1. 將 Wio Terminal 連接到電腦。Wio Terminal 底部有一個 USB-C 接口，需要將其連接到電腦的 USB 接口。Wio Terminal 附帶 USB-C 到 USB-A 的線纜，但如果您的電腦只有 USB-C 接口，則需要 USB-C 線纜或 USB-A 到 USB-C 轉接器。
+
+1. 按照 [Wio Terminal Wiki WiFi 概述文件](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) 中的指導設置 Wio Terminal 並更新韌體。
+
+## Hello World
+
+在學習一種新的程式語言或技術時，通常會先建立一個 "Hello World" 應用程式——一個小型應用程式，輸出類似 `"Hello World"` 的文字，以確認所有工具已正確配置。
+
+Wio Terminal 的 Hello World 應用程式將確保您已正確安裝 Visual Studio Code 和 PlatformIO，並設置好微控制器開發環境。
+
+### 建立 PlatformIO 專案
+
+第一步是使用 PlatformIO 為 Wio Terminal 配置一個新專案。
+
+#### 任務 - 建立 PlatformIO 專案
+
+建立 PlatformIO 專案。
+
+1. 將 Wio Terminal 連接到電腦
+
+1. 啟動 VS Code
+
+1. 在側邊選單中找到 PlatformIO 圖標：
+
+    ![Platform IO 選單選項](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.mo.png)
+
+    選擇此選單項，然後選擇 *PIO Home -> Open*
+
+    ![Platform IO 開啟選項](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.mo.png)
+
+1. 在歡迎畫面中，選擇 **+ New Project** 按鈕
+
+    ![新專案按鈕](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.mo.png)
+
+1. 在 *Project Wizard* 中配置專案：
+
+    1. 將專案命名為 `nightlight`
+
+    1. 在 *Board* 下拉選單中輸入 `WIO` 過濾板卡，並選擇 *Seeeduino Wio Terminal*
+
+    1. 將 *Framework* 保持為 *Arduino*
+
+    1. 可以選擇保留 *Use default location* 勾選，或者取消勾選並選擇專案位置
+
+    1. 選擇 **Finish** 按鈕
+
+    ![完成的專案向導](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.mo.png)
+
+    PlatformIO 將下載編譯 Wio Terminal 程式碼所需的組件並建立您的專案。這可能需要幾分鐘。
+
+### 探索 PlatformIO 專案
+
+VS Code 的檔案總管將顯示由 PlatformIO 向導建立的多個檔案和資料夾。
+
+#### 資料夾
+
+* `.pio` - 此資料夾包含 PlatformIO 所需的臨時數據，例如庫或編譯的程式碼。如果刪除，會自動重新建立，且不需要將其添加到源代碼控制中（例如 GitHub）。
+* `.vscode` - 此資料夾包含 PlatformIO 和 VS Code 的配置。如果刪除，會自動重新建立，且不需要將其添加到源代碼控制中。
+* `include` - 此資料夾用於添加額外庫時需要的外部標頭檔案。在這些課程中不會使用此資料夾。
+* `lib` - 此資料夾用於您希望從程式碼中調用的外部庫。在這些課程中不會使用此資料夾。
+* `src` - 此資料夾包含應用程式的主要源代碼。最初，它只包含一個檔案 - `main.cpp`。
+* `test` - 此資料夾用於放置程式碼的單元測試。
+
+#### 檔案
+
+* `main.cpp` - 此檔案位於 `src` 資料夾中，包含應用程式的入口點。打開此檔案，內容如下：
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    當設備啟動時，Arduino 框架將執行一次 `setup` 函數，然後反覆執行 `loop` 函數，直到設備關閉。
+
+* `.gitignore` - 此檔案列出了在將程式碼添加到 git 源代碼控制（例如上傳到 GitHub 儲存庫）時要忽略的檔案和目錄。
+
+* `platformio.ini` - 此檔案包含設備和應用程式的配置。打開此檔案，內容如下：
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    `[env:seeed_wio_terminal]` 部分包含 Wio Terminal 的配置。您可以有多個 `env` 部分，以便程式碼可以為多個板卡編譯。
+
+    其他值與專案向導的配置相匹配：
+
+  * `platform = atmelsam` 定義 Wio Terminal 使用的硬體（基於 ATSAMD51 的微控制器）
+  * `board = seeed_wio_terminal` 定義微控制器板卡的類型（Wio Terminal）
+  * `framework = arduino` 定義此專案使用 Arduino 框架。
+
+### 編寫 Hello World 應用程式
+
+現在可以開始編寫 Hello World 應用程式。
+
+#### 任務 - 編寫 Hello World 應用程式
+
+編寫 Hello World 應用程式。
+
+1. 在 VS Code 中打開 `main.cpp` 檔案
+
+1. 將程式碼更改為以下內容：
+
+    ```cpp
+    #include <Arduino.h>
+
+    void setup()
+    {
+        Serial.begin(9600);
+
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    
+    void loop()
+    {
+        Serial.println("Hello World");
+        delay(5000);
+    }
+    ```
+
+    `setup` 函數初始化與串口的連接——在此情況下是用於連接 Wio Terminal 和電腦的 USB 接口。參數 `9600` 是 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即每秒通過串口傳輸的數據速度（以位為單位）。此設置表示每秒傳輸 9,600 位（0 和 1）。然後它等待串口準備就緒。
+
+    `loop` 函數將行 `Hello World!` 發送到串口，因此會顯示 `Hello World!` 字符以及一個換行符。然後它會休眠 5,000 毫秒（5 秒）。`loop` 結束後，會再次執行，並不斷重複，直到微控制器關閉。
+
+1. 將 Wio Terminal 設置為上傳模式。每次上傳新程式碼到設備時都需要這樣做：
+
+    1. 快速向下拉動電源開關兩次——每次都會彈回到開啟位置。
+
+    1. 檢查 USB 接口右側的藍色狀態 LED。它應該在閃爍。
+
+    [![如何將 Wio Terminal 設置為上傳模式的影片](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    點擊上方圖片觀看操作影片。
+
+1. 編譯並上傳程式碼到 Wio Terminal
+
+    1. 打開 VS Code 命令面板
+
+    1. 輸入 `PlatformIO Upload` 搜索上傳選項，並選擇 *PlatformIO: Upload*
+
+        ![命令面板中的 PlatformIO 上傳選項](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.mo.png)
+
+        如果需要，PlatformIO 將自動編譯程式碼，然後上傳。
+
+    1. 程式碼將被編譯並上傳到 Wio Terminal
+
+        > 💁 如果您使用的是 macOS，可能會出現 *DISK NOT EJECTED PROPERLY* 的通知。這是因為 Wio Terminal 在閃存過程中會被掛載為磁碟，並在寫入編譯程式碼時斷開連接。您可以忽略此通知。
+
+    ⚠️ 如果出現有關上傳端口不可用的錯誤，首先確保 Wio Terminal 已連接到電腦，並通過屏幕左側的開關打開，並設置為上傳模式。底部的綠燈應該亮著，藍燈應該在閃爍。如果仍然出現錯誤，快速再次向下拉動開關兩次，強制 Wio Terminal 進入上傳模式，然後重試上傳。
+
+PlatformIO 提供了一個串口監視器，可以監控通過 USB 線纜從 Wio Terminal 發送的數據。這允許您監控 `Serial.println("Hello World");` 命令發送的數據。
+
+1. 打開 VS Code 命令面板
+
+1. 輸入 `PlatformIO Serial` 搜索串口監視器選項，並選擇 *PlatformIO: Serial Monitor*
+
+    ![命令面板中的 PlatformIO 串口監視器選項](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.mo.png)
+
+    一個新終端將打開，串口發送的數據將流入此終端：
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Hello World
+    Hello World
+    ```
+
+    每 5 秒，`Hello World` 都會打印到串口監視器。
+
+> 💁 您可以在 [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) 資料夾中找到此程式碼。
+
+😀 恭喜！您的 'Hello World' 程式成功運行！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md b/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..65a0f772
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T23:49:07+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "mo"
+}
+-->
+# 深入探討物聯網 (IoT)
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。課程分為兩段影片進行教學：一段為 1 小時的課程，另一段為 1 小時的辦公時間，深入探討課程中的部分內容並回答問題。
+
+[![課程 2：深入探討物聯網](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![課程 2：深入探討物聯網 - 辦公時間](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## 簡介
+
+本課程將深入探討上一課中提到的一些概念。
+
+在本課程中，我們將涵蓋：
+
+* [物聯網應用的組成部分](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [深入探討微控制器](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [深入探討單板電腦](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## 物聯網應用的組成部分
+
+物聯網應用的兩個主要組成部分是 *網際網路* 和 *物件*。讓我們更詳細地了解這兩個部分。
+
+### 物件
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg)
+
+物聯網中的 **物件** 指的是能與物理世界互動的設備。這些設備通常是小型、低成本的電腦，運行速度較低且功耗低。例如，簡單的微控制器僅有幾千字節的 RAM（而非 PC 的幾 GB），運行速度僅有幾百 MHz（而非 PC 的 GHz），但功耗極低，有時甚至可以用電池運行數週、數月甚至數年。
+
+這些設備通過使用感測器來收集周圍環境的數據，或者通過控制輸出或執行器來進行物理改變。典型的例子是智能恆溫器——一種具有溫度感測器、可設置所需溫度的方式（如旋鈕或觸控屏），以及連接到加熱或冷卻系統的設備，當檢測到的溫度超出所需範圍時，系統會啟動。溫度感測器檢測到房間太冷，執行器則啟動加熱系統。
+
+![顯示溫度和旋鈕作為物聯網設備輸入，以及加熱器控制作為輸出的圖示](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.mo.png)
+
+物聯網設備的種類繁多，從專用硬體到一般用途設備，甚至包括您的智能手機！智能手機可以使用感測器檢測周圍環境，並使用執行器與世界互動——例如使用 GPS 感測器檢測您的位置，並使用揚聲器提供導航指示。
+
+✅ 想想您周圍的其他系統，它們如何通過感測器讀取數據並據此做出決策。一個例子是烤箱上的恆溫器。您能找到更多例子嗎？
+
+### 網際網路
+
+物聯網應用中的 **網際網路** 部分包括物聯網設備可以連接以發送和接收數據的應用，以及其他可以處理物聯網設備數據並幫助做出決策的應用。
+
+一種典型的設置是使用某種雲端服務，物聯網設備連接到該服務，該服務負責處理安全性、接收來自物聯網設備的消息以及向設備發送消息。該雲端服務還可以連接到其他應用，這些應用可以處理或存儲感測器數據，或者將感測器數據與其他系統的數據結合以做出決策。
+
+設備並不總是直接通過 WiFi 或有線連接到網際網路。有些設備使用網狀網路技術，例如藍牙，通過一個具有網際網路連接的集線器設備進行通信。
+
+以智能恆溫器為例，恆溫器通過家庭 WiFi 連接到雲端服務，並將溫度數據發送到該服務。雲端服務將數據寫入某種數據庫，讓房主可以通過手機應用查看當前和過去的溫度。雲端中的另一個服務知道房主想要的溫度，並通過雲端服務向物聯網設備發送消息，告訴加熱系統開啟或關閉。
+
+![顯示溫度和旋鈕作為物聯網設備輸入，物聯網設備與雲端的雙向通信，雲端與手機的雙向通信，以及加熱器控制作為物聯網設備輸出的圖示](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.mo.png)
+
+更智能的版本可以使用雲端中的 AI，結合其他物聯網設備（如佔用感測器）連接的其他感測器數據，以及天氣和您的日曆等數據，智能地設置溫度。例如，如果日曆顯示您正在度假，它可以關閉加熱；或者根據您使用的房間逐一關閉加熱，並從數據中學習以越來越準確。
+
+![顯示多個溫度感測器和旋鈕作為物聯網設備輸入，物聯網設備與雲端的雙向通信，雲端與手機、日曆和天氣服務的雙向通信，以及加熱器控制作為物聯網設備輸出的圖示](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.mo.png)
+
+✅ 還有哪些數據可以幫助使網際網路連接的恆溫器更智能？
+
+### 邊緣上的物聯網
+
+雖然物聯網中的 "I" 代表網際網路，但這些設備並不一定需要連接到網際網路。在某些情況下，設備可以連接到 "邊緣" 設備——在本地網路上運行的網關設備，這意味著您可以在不通過網際網路的情況下處理數據。當您有大量數據或網際網路連接速度較慢時，這可能更快；它允許您在無法連接網際網路的情況下運行，例如在船上或在人道危機的災區；並且可以保護數據隱私。一些設備包含使用雲端工具創建的處理代碼，並在本地運行以收集和響應數據，而不需要使用網際網路連接來做出決策。
+
+一個例子是智能家居設備，例如 Apple HomePod、Amazon Alexa 或 Google Home，它們使用在雲端訓練的 AI 模型來聆聽您的聲音，但在設備本地運行。這些設備會在聽到某個詞或短語時 "喚醒"，然後才將您的語音通過網際網路發送進行處理。設備會在檢測到您語音中的停頓時停止發送語音。您在喚醒設備之前說的所有內容，以及設備停止聆聽後說的所有內容，都不會被發送到設備提供商的網際網路，因此是私密的。
+
+✅ 想想其他需要保護隱私的場景，因此數據處理最好在邊緣完成而不是在雲端。提示：想想帶有攝像頭或其他影像設備的物聯網設備。
+
+### 物聯網安全性
+
+任何網際網路連接都需要考慮安全性。有一個老笑話說 "物聯網中的 S 代表安全性"——物聯網中沒有 "S"，暗示它並不安全。
+
+物聯網設備連接到雲端服務，因此其安全性取決於雲端服務的安全性——如果您的雲端服務允許任何設備連接，那麼可能會發送惡意數據或遭受病毒攻擊。由於物聯網設備與其他設備互動並進行控制，這可能會帶來非常現實的後果。例如，[Stuxnet 蠕蟲](https://wikipedia.org/wiki/Stuxnet) 操控離心機中的閥門以損壞它們。黑客也曾利用[安全性漏洞訪問嬰兒監視器](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable)和其他家庭監控設備。
+
+> 💁 有時物聯網設備和邊緣設備運行在完全與網際網路隔離的網路上，以保持數據的私密性和安全性。這被稱為 [空氣隔離](https://wikipedia.org/wiki/Air_gap_(networking))。
+
+## 深入探討微控制器
+
+在上一課中，我們介紹了微控制器。現在讓我們更深入地了解它們。
+
+### CPU
+
+CPU 是微控制器的 "大腦"。它是運行您的代碼並能夠向任何連接的設備發送和接收數據的處理器。CPU 可以包含一個或多個核心——本質上是一個或多個可以協同工作以運行您的代碼的 CPU。
+
+CPU 依賴於時鐘，每秒鐘滴答數百萬或數十億次。每次滴答或週期都同步 CPU 可以執行的操作。每次滴答，CPU 可以執行程序中的一條指令，例如從外部設備檢索數據或執行數學計算。這種規律的週期允許所有操作在下一條指令處理之前完成。
+
+時鐘週期越快，每秒可以處理的指令越多，因此 CPU 的速度越快。CPU 速度以 [赫茲 (Hz)](https://wikipedia.org/wiki/Hertz) 為單位測量，1 Hz 表示每秒一個週期或時鐘滴答。
+
+> 🎓 CPU 速度通常以 MHz 或 GHz 表示。1MHz 是 1 百萬 Hz，1GHz 是 1 十億 Hz。
+
+> 💁 CPU 使用 [取指-解碼-執行週期](https://wikipedia.org/wiki/Instruction_cycle) 執行程序。每次時鐘滴答，CPU 從記憶體中取指令，解碼，然後執行，例如使用算術邏輯單元 (ALU) 加法兩個數字。一些執行可能需要多個滴答才能完成，因此下一個週期將在指令完成後的下一次滴答運行。
+
+![取指-解碼-執行週期顯示取指令從存儲在 RAM 中的程序中取指令，然後在 CPU 上解碼並執行](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.mo.png)
+
+微控制器的時鐘速度遠低於桌上型或筆記型電腦，甚至大多數智能手機。比如 Wio Terminal 的 CPU 運行速度為 120MHz，即每秒 120,000,000 次週期。
+
+✅ 一台普通的 PC 或 Mac 的 CPU 具有多個核心，運行速度為多個 GHz，意味著時鐘每秒滴答數十億次。研究一下您電腦的時鐘速度，並比較它比 Wio Terminal 快多少倍。
+
+每次時鐘週期都會消耗電力並產生熱量。滴答越快，消耗的電力越多，產生的熱量越多。PC 有散熱片和風扇來散熱，否則它們會在幾秒鐘內過熱並關閉。微控制器通常沒有這些，因為它們運行得更冷，因此速度更慢。PC 通過主電源或大型電池運行幾小時，而微控制器可以通過小型電池運行數天、數月甚至數年。微控制器還可以有以不同速度運行的核心，當 CPU 的需求較低時切換到較慢的低功耗核心以減少功耗。
+
+> 💁 一些 PC 和 Mac 也採用了相同的快速高功耗核心和較慢低功耗核心的組合，根據運行的任務在節省電池和速度之間切換。例如，最新 Apple 筆記型電腦中的 M1 芯片可以在 4 個性能核心和 4 個效率核心之間切換，以根據運行的任務優化電池壽命或速度。
+
+✅ 做一些研究：閱讀 [Wikipedia CPU 文章](https://wikipedia.org/wiki/Central_processing_unit) 了解更多關於 CPU 的資訊。
+
+#### 任務
+
+調查 Wio Terminal。
+
+如果您正在使用 Wio Terminal 進行這些課程，嘗試找到 CPU。在 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *硬體概述* 部分找到內部結構的圖片，並嘗試通過背面的透明塑料窗口找到 CPU。
+
+### 記憶體
+
+微控制器通常有兩種類型的記憶體——程序記憶體和隨機存取記憶體 (RAM)。
+
+程序記憶體是非揮發性的，這意味著寫入其中的內容在設備斷電時仍然保留。這是存儲您的程序代碼的記憶體。
+
+RAM 是程序運行時使用的記憶體，包含程序分配的變數以及從外圍設備收集的數據。RAM 是揮發性的，當電源斷開時內容會丟失，實際上重置了您的程序。
+🎓 程式記憶體儲存你的程式碼，即使斷電也能保持不變。
+🎓 RAM 用於執行程式，當電源中斷時會被重置
+
+與 CPU 類似，微控制器上的記憶體比 PC 或 Mac 小得多。一台典型的 PC 可能有 8GB 的 RAM，也就是 8,000,000,000 字節，每個字節足以存儲一個字母或 0-255 範圍內的一個數字。而微控制器通常只有幾千字節 (KB) 的 RAM，其中 1KB 等於 1,000 字節。上述提到的 Wio Terminal 擁有 192KB 的 RAM，也就是 192,000 字節，比一般 PC 少了超過 40,000 倍！
+
+下圖顯示了 192KB 和 8GB 的相對大小差異——中心的小點代表 192KB。
+
+![192KB 和 8GB 的比較 - 超過 40,000 倍的差距](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.mo.png)
+
+程式存儲空間也比 PC 小。一台典型的 PC 可能有 500GB 的硬碟用於程式存儲，而微控制器可能只有幾千字節或幾百萬字節 (MB) 的存儲空間 (1MB 等於 1,000KB 或 1,000,000 字節)。Wio Terminal 擁有 4MB 的程式存儲空間。
+
+✅ 做些研究：你正在使用的電腦有多少 RAM 和存儲空間？與微控制器相比如何？
+
+### 輸入/輸出
+
+微控制器需要輸入和輸出 (I/O) 連接來從感測器讀取數據並向致動器發送控制信號。它們通常包含一些通用輸入/輸出 (GPIO) 接腳。這些接腳可以在軟體中配置為輸入 (接收信號) 或輸出 (發送信號)。
+
+🧠⬅️ 輸入接腳用於從感測器讀取數值
+
+🧠➡️ 輸出接腳向致動器發送指令
+
+✅ 你將在後續課程中學到更多相關內容。
+
+#### 任務
+
+研究 Wio Terminal。
+
+如果你正在使用 Wio Terminal 進行這些課程，找到 GPIO 接腳。前往 [Wio Terminal 產品頁面](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) 的 *Pinout 圖表* 部分，了解每個接腳的功能。Wio Terminal 附帶一張可以貼在背面的貼紙，上面標有接腳編號，如果尚未貼上，現在就貼上。
+
+### 實體大小
+
+微控制器通常尺寸很小，其中最小的一款 [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) 小到可以放進高爾夫球的凹槽中。PC 的 CPU 僅僅是處理器本身就可能有 40mm x 40mm 的大小，還不包括確保 CPU 運行時不過熱所需的散熱片和風扇，這些加起來比完整的微控制器大得多。Wio Terminal 開發套件包含微控制器、外殼、螢幕以及一系列連接和元件，其大小甚至比裸露的 Intel i9 CPU 還要小，更不用說加上散熱片和風扇後的尺寸了！
+
+| 裝置                          | 尺寸                  |
+| ----------------------------- | --------------------- |
+| Freescale Kinetis KL03        | 1.6mm x 2mm x 1mm     |
+| Wio Terminal                  | 72mm x 57mm x 12mm    |
+| Intel i9 CPU、散熱片和風扇     | 136mm x 145mm x 103mm |
+
+### 框架與作業系統
+
+由於速度和記憶體容量有限，微控制器不會運行像桌面電腦那樣的作業系統 (OS)。使你的電腦運行的作業系統 (Windows、Linux 或 macOS) 需要大量的記憶體和處理能力來執行微控制器完全不需要的任務。記住，微控制器通常被程式化來執行一個或多個非常特定的任務，而不像 PC 或 Mac 這樣的通用電腦需要支援使用者介面、播放音樂或影片、提供撰寫文件或程式碼的工具、玩遊戲或瀏覽網路。
+
+要在沒有 OS 的情況下程式化微控制器，你需要一些工具來構建程式碼，使其能夠在微控制器上運行，並使用 API 與任何周邊設備進行通信。每個微控制器都不同，因此製造商通常支援標準框架，讓你可以遵循標準的「配方」來構建程式碼，並使其能夠在支援該框架的任何微控制器上運行。
+
+你可以使用 OS 來程式化微控制器——通常被稱為即時作業系統 (RTOS)，這些系統旨在即時處理周邊設備的數據傳輸。這些作業系統非常輕量化，並提供以下功能：
+
+* 多執行緒，允許程式碼同時運行多個程式區塊，無論是在多核心上還是通過單核心輪流執行
+* 網路功能，允許安全地通過網路進行通信
+* 圖形使用者介面 (GUI) 元件，用於在有螢幕的裝置上構建使用者介面 (UI)
+
+✅ 閱讀一些不同的 RTOS：[Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)、[FreeRTOS](https://www.freertos.org)、[Zephyr](https://www.zephyrproject.org)
+
+#### Arduino
+
+![Arduino 標誌](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) 可能是最受歡迎的微控制器框架，尤其是在學生、愛好者和製作者之間。Arduino 是一個開源電子平台，結合了軟體和硬體。你可以從 Arduino 本身或其他製造商購買 Arduino 兼容的開發板，然後使用 Arduino 框架進行程式設計。
+
+Arduino 開發板使用 C 或 C++ 進行程式設計。使用 C/C++ 可以使程式碼編譯得非常小並運行得非常快，這在像微控制器這樣受限的裝置上是必需的。Arduino 應用程式的核心被稱為 sketch，它是包含兩個函式的 C/C++ 程式碼——`setup` 和 `loop`。當開發板啟動時，Arduino 框架程式碼會先運行一次 `setup` 函式，然後不斷重複運行 `loop` 函式，直到電源關閉。
+
+你可以在 `setup` 函式中撰寫初始化程式碼，例如連接 WiFi 和雲端服務或初始化輸入和輸出接腳。在 `loop` 函式中撰寫處理程式碼，例如從感測器讀取數據並將其發送到雲端。通常你會在每次迴圈中加入延遲，例如，如果你只希望每 10 秒發送一次感測器數據，你可以在迴圈結尾加入 10 秒的延遲，讓微控制器進入睡眠模式以節省電力，然後在需要時 10 秒後再次運行迴圈。
+
+![Arduino sketch 首先運行 setup，然後不斷重複運行 loop](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.mo.png)
+
+✅ 這種程式架構被稱為 *事件迴圈* 或 *訊息迴圈*。許多應用程式在底層使用這種架構，並且是大多數運行在 Windows、macOS 或 Linux 等作業系統上的桌面應用程式的標準。`loop` 會監聽來自使用者介面元件（例如按鈕）或裝置（例如鍵盤）的訊息，並對其作出回應。你可以在這篇 [事件迴圈文章](https://wikipedia.org/wiki/Event_loop) 中閱讀更多內容。
+
+Arduino 提供了與微控制器和 I/O 接腳交互的標準函式庫，並在底層有不同的實現以支援不同的微控制器。例如，[`delay` 函式](https://www.arduino.cc/reference/en/language/functions/time/delay/) 會使程式暫停指定的時間，[`digitalRead` 函式](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) 會從指定的接腳讀取 `HIGH` 或 `LOW` 的值，無論程式在哪個開發板上運行。這些標準函式庫意味著為一塊開發板撰寫的 Arduino 程式碼可以重新編譯到任何其他 Arduino 開發板上並運行，只要接腳相同且開發板支援相同的功能。
+
+Arduino 還有一個龐大的第三方函式庫生態系統，允許你為 Arduino 專案添加額外功能，例如使用感測器和致動器或連接到雲端 IoT 服務。
+
+##### 任務
+
+研究 Wio Terminal。
+
+如果你正在使用 Wio Terminal 進行這些課程，重新閱讀你在上一課中撰寫的程式碼。找到 `setup` 和 `loop` 函式。監控序列埠輸出，觀察 `loop` 函式被反覆呼叫。嘗試在 `setup` 函式中添加程式碼以寫入序列埠，並觀察此程式碼在每次重新啟動時僅被呼叫一次。嘗試使用側面的電源開關重新啟動裝置，顯示此程式碼在每次裝置重新啟動時都會被呼叫。
+
+## 更深入了解單板電腦
+
+在上一課中，我們介紹了單板電腦。現在讓我們更深入地了解它們。
+
+### Raspberry Pi
+
+![Raspberry Pi 標誌](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.mo.png)
+
+[Raspberry Pi 基金會](https://www.raspberrypi.org) 是一家來自英國的慈善機構，成立於 2009 年，旨在促進計算機科學的學習，特別是在學校層面。作為這一使命的一部分，他們開發了一款單板電腦，名為 Raspberry Pi。目前 Raspberry Pi 有三種版本——全尺寸版本、較小的 Pi Zero，以及可以嵌入最終 IoT 裝置中的計算模組。
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.mo.jpg)
+
+最新的全尺寸 Raspberry Pi 是 Raspberry Pi 4B。它擁有一個四核心 (4 核心) CPU，運行速度為 1.5GHz，2GB、4GB 或 8GB 的 RAM，千兆乙太網、WiFi、2 個支援 4k 螢幕的 HDMI 接口、一個音頻和複合視頻輸出接口、USB 接口 (2 個 USB 2.0 和 2 個 USB 3.0)、40 個 GPIO 接腳、一個 Raspberry Pi 相機模組的相機接口，以及一個 SD 卡插槽。所有這些都集成在一塊 88mm x 58mm x 19.5mm 的電路板上，並由 3A USB-C 電源供電。這些起價為 35 美元，比 PC 或 Mac 便宜得多。
+
+> 💁 還有一款 Pi400 一體式電腦，將 Pi4 集成到鍵盤中。
+
+![Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.mo.jpg)
+
+Pi Zero 更小，功耗更低。它擁有一個單核心 1GHz CPU，512MB 的 RAM，WiFi (在 Zero W 型號中)，一個 HDMI 接口、一個 micro-USB 接口、40 個 GPIO 接腳、一個 Raspberry Pi 相機模組的相機接口，以及一個 SD 卡插槽。它的尺寸為 65mm x 30mm x 5mm，功耗非常低。Zero 售價 5 美元，帶 WiFi 的 W 型號售價 10 美元。
+
+> 🎓 這兩款裝置的 CPU 都是 ARM 處理器，而不是大多數 PC 和 Mac 中的 Intel/AMD x86 或 x64 處理器。這些處理器類似於一些微控制器中的 CPU，以及幾乎所有的手機、Microsoft Surface X 和新的 Apple Silicon 基於 ARM 的 Apple Mac。
+
+所有 Raspberry Pi 版本都運行一個基於 Debian Linux 的作業系統，名為 Raspberry Pi OS。這個作業系統有一個精簡版，沒有桌面，非常適合不需要螢幕的「無頭」專案，還有一個完整版本，帶有完整的桌面環境，包括網頁瀏覽器、辦公應用程式、程式設計工具和遊戲。由於作業系統是 Debian Linux 的一個版本，你可以安裝任何在 Debian 上運行並為 Pi 的 ARM 處理器構建的應用程式或工具。
+
+#### 任務
+
+研究 Raspberry Pi。
+
+如果你正在使用 Raspberry Pi 進行這些課程，閱讀有關電路板上不同硬體元件的資料。
+
+* 你可以在 [Raspberry Pi 硬體文件頁面](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) 上找到有關使用的處理器的詳細資訊。閱讀有關你正在使用的 Pi 的處理器的資料。
+* 找到 GPIO 接腳。在 [Raspberry Pi GPIO 文件](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) 上閱讀更多相關內容。使用 [GPIO 接腳使用指南](https://www.raspberrypi.org/documentation/usage/gpio/README.md) 來識別 Pi 上的不同接腳。
+
+### 單板電腦程式設計
+
+單板電腦是完整的電腦，運行完整的作業系統。這意味著你可以使用多種程式語言、框架和工具來進行程式設計，而不像微控制器需要框架 (例如 Arduino) 的支援。大多數程式語言都有函式庫可以訪問 GPIO 接腳，從而向感測器和致動器發送和接收數據。
+
+✅ 你熟悉哪些程式語言？它們是否支援 Linux？
+
+在 Raspberry Pi 上構建 IoT 應用程式最常用的程式語言是 Python。Pi 有一個龐大的硬體生態系統，幾乎所有這些硬體都包含用於使用它們的 Python 函式庫。一些生態系統基於「帽子」——之所以叫這個名字，是因為它們像帽子一樣坐在 Pi 上，通過一個大插座連接到 40 個 GPIO 接腳。這些帽子提供額外的功能，例如螢幕、感測器、遙控車或適配器，允許你插入具有標準化電纜的感測器。
+### 專業物聯網部署中單板電腦的使用
+
+單板電腦不僅僅是開發套件，也被用於專業的物聯網部署。它們能夠提供強大的功能來控制硬體，並執行如運行機器學習模型等複雜任務。例如，有一款 [Raspberry Pi 4 計算模組](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/)，它具備 Raspberry Pi 4 的所有性能，但採用更緊湊且更便宜的形式，去掉了大多數的埠，專為安裝到定制硬體中而設計。
+
+---
+
+## 🚀 挑戰
+
+上一課的挑戰是列出你家中、學校或工作場所中所有你能想到的物聯網設備。對於這些設備中的每一個，你認為它們是基於微控制器、單板電腦，還是兩者的結合？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## 回顧與自學
+
+* 閱讀 [Arduino 入門指南](https://www.arduino.cc/en/Guide/Introduction)，以更深入了解 Arduino 平台。
+* 閱讀 [Raspberry Pi 4 簡介](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)，學習更多關於 Raspberry Pi 的知識。
+* 在 [Electrical Engineering Journal 的文章「What the FAQ are CPUs, MPUs, MCUs, and GPUs」](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) 中了解更多相關概念和縮寫。
+
+✅ 使用這些指南，結合 [硬體指南](../../../hardware.md) 中的連結所顯示的成本，決定你想使用哪種硬體平台，或者是否更願意使用虛擬設備。
+
+## 作業
+
+[比較與對比微控制器與單板電腦](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..a8126500
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T23:50:53+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 比較與對比微控制器與單板電腦
+
+## 課程指導
+
+本課程介紹了微控制器與單板電腦。請建立一個表格來比較與對比它們，並列出至少兩個使用微控制器而非單板電腦的原因，以及至少兩個使用單板電腦而非微控制器的原因。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 建立一個表格比較微控制器與單板電腦 | 正確地列出多項比較與對比項目 | 僅列出少量項目 | 僅能列出一項或無法列出任何比較與對比項目 |
+| 使用其中一者的原因 | 能夠提供微控制器的兩個或以上原因，以及單板電腦的兩個或以上原因 | 僅能提供微控制器的1-2個原因，以及單板電腦的1-2個原因 | 無法提供微控制器或單板電腦的1個或以上原因 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..b791570c
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T23:24:59+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "mo"
+}
+-->
+# 使用感測器和致動器與物理世界互動
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩段影片進行教學——一段 1 小時的課程，以及一段 1 小時的辦公時間，深入探討課程內容並回答問題。
+
+[![課程 3：使用感測器和致動器與物理世界互動](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![課程 3：使用感測器和致動器與物理世界互動 - 辦公時間](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## 簡介
+
+本課程介紹了 IoT 裝置的兩個重要概念——感測器和致動器。您將親自操作這些元件，為您的 IoT 專案添加光感測器，並根據光線強度控制 LED，實際上構建了一個夜燈。
+
+在本課程中，我們將涵蓋：
+
+* [什麼是感測器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [使用感測器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [感測器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [什麼是致動器？](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [使用致動器](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [致動器類型](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## 什麼是感測器？
+
+感測器是感知物理世界的硬體裝置——它們測量周圍的一個或多個屬性，並將信息傳送到 IoT 裝置。感測器涵蓋了廣泛的設備，因為可以測量的事物種類繁多，從自然屬性（如空氣溫度）到物理交互（如運動）。
+
+一些常見的感測器包括：
+
+* 溫度感測器——這些感測器感知空氣溫度或它們所浸入物體的溫度。對於愛好者和開發者來說，這些感測器通常與氣壓和濕度感測器結合在一起。
+* 按鈕——這些感測器感知何時被按下。
+* 光感測器——這些感測器檢測光線強度，可以是特定顏色、紫外線、紅外線或一般可見光。
+* 攝像頭——這些感測器通過拍攝照片或流式視頻來感知世界的視覺表示。
+* 加速度計——這些感測器感知多方向的運動。
+* 麥克風——這些感測器感知聲音，可以是一般的聲音強度或方向性聲音。
+
+✅ 做一些研究。您的手機有哪些感測器？
+
+所有感測器都有一個共同點——它們將所感知的事物轉換為 IoT 裝置可以解讀的電信號。如何解讀這些電信號取決於感測器以及用於與 IoT 裝置通信的協議。
+
+## 使用感測器
+
+按照以下相關指南，將感測器添加到您的 IoT 裝置：
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [單板電腦 - Raspberry Pi](pi-sensor.md)
+* [單板電腦 - 虛擬裝置](virtual-device-sensor.md)
+
+## 感測器類型
+
+感測器分為類比和數位兩種。
+
+### 類比感測器
+
+一些最基本的感測器是類比感測器。這些感測器接收來自 IoT 裝置的電壓，感測器元件調整該電壓，然後測量感測器返回的電壓以獲得感測器值。
+
+> 🎓 電壓是衡量電流從一個地方移動到另一個地方的推動力。例如，標準 AA 電池的電壓為 1.5V（V 是伏特的符號），可以以 1.5V 的推動力將電流從正極移動到負極。不同的電子硬體需要不同的電壓才能工作，例如 LED 可以在 2-3V 下發光，但 100W 的燈絲燈泡需要 240V。您可以在 [維基百科的電壓頁面](https://wikipedia.org/wiki/Voltage) 上了解更多。
+
+一個例子是電位器。這是一個可以在兩個位置之間旋轉的旋鈕，感測器測量旋轉角度。
+
+![一個電位器設置在中間位置，接收 5 伏特並返回 3.8 伏特](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.mo.png)
+
+IoT 裝置會向電位器發送一個電信號，電壓例如 5 伏特（5V）。當調整電位器時，它會改變從另一端輸出的電壓。假設您有一個標有 0 到 [11](https://wikipedia.org/wiki/Up_to_eleven) 的電位器，例如放大器上的音量旋鈕。當電位器處於完全關閉位置（0）時，輸出為 0V（0 伏特）。當它處於完全開啟位置（11）時，輸出為 5V（5 伏特）。
+
+> 🎓 這是一個簡化的說明，您可以在 [維基百科的電位器頁面](https://wikipedia.org/wiki/Potentiometer) 上了解更多有關電位器和可變電阻的信息。
+
+感測器輸出的電壓由 IoT 裝置讀取，裝置可以根據該電壓做出反應。根據感測器的不同，該電壓可以是任意值，也可以映射到標準單位。例如，基於 [熱敏電阻](https://wikipedia.org/wiki/Thermistor) 的類比溫度感測器會根據溫度改變其電阻。輸出電壓可以通過代碼中的計算轉換為開氏溫標（Kelvin），並相應地轉換為攝氏（°C）或華氏（°F）。
+
+✅ 您認為如果感測器返回的電壓高於發送的電壓（例如來自外部電源）會發生什麼？⛔️ 請勿測試此情況。
+
+#### 類比到數位轉換
+
+IoT 裝置是數位的——它們無法處理類比值，只能處理 0 和 1。這意味著類比感測器的值需要轉換為數位信號才能被處理。許多 IoT 裝置具有類比到數位轉換器（ADCs），用於將類比輸入轉換為其值的數位表示。感測器也可以通過連接板與 ADC 一起工作。例如，在使用 Raspberry Pi 的 Seeed Grove 生態系統中，類比感測器連接到 Pi 上的特定端口，這些端口位於連接到 Pi 的 GPIO 引腳的 '帽子' 上，該帽子具有 ADC，可以將電壓轉換為數位信號，然後通過 Pi 的 GPIO 引腳發送。
+
+假設您有一個連接到 IoT 裝置的類比光感測器，該裝置使用 3.3V 並返回 1V 的值。這 1V 在數位世界中沒有意義，因此需要進行轉換。電壓將根據裝置和感測器的比例轉換為類比值。一個例子是 Seeed Grove 光感測器，它輸出 0 到 1,023 的值。對於該感測器在 3.3V 下運行，1V 的輸出將是一個值 300。IoT 裝置無法處理 300 作為類比值，因此該值將由 Grove '帽子' 轉換為 `0000000100101100`，即 300 的二進制表示。然後由 IoT 裝置處理。
+
+✅ 如果您不懂二進制，請進行一些研究以了解數字如何由 0 和 1 表示。[BBC Bitesize 的二進制入門課程](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) 是一個很好的起點。
+
+從編程的角度來看，所有這些通常由感測器附帶的庫處理，因此您不需要自己擔心這些轉換。對於 Grove 光感測器，您可以使用 Python 庫並調用 `light` 屬性，或者使用 Arduino 庫並調用 `analogRead` 來獲得值 300。
+
+### 數位感測器
+
+數位感測器與類比感測器一樣，使用電壓變化來檢測周圍的世界。不同之處在於它們輸出數位信號，通過僅測量兩種狀態或使用內置 ADC 來完成。數位感測器越來越普遍，以避免需要在連接板或 IoT 裝置上使用 ADC。
+
+最簡單的數位感測器是按鈕或開關。這是一個具有兩種狀態的感測器，開或關。
+
+![一個按鈕接收 5 伏特。未按下時返回 0 伏特，按下時返回 5 伏特](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.mo.png)
+
+IoT 裝置上的引腳（例如 GPIO 引腳）可以直接測量此信號作為 0 或 1。如果發送的電壓與返回的電壓相同，則讀取值為 1，否則讀取值為 0。無需轉換信號，它只能是 1 或 0。
+
+> 💁 電壓永遠不會完全精確，尤其是感測器中的元件會有一些電阻，因此通常會有容差。例如，Raspberry Pi 的 GPIO 引腳工作在 3.3V，並將返回信號高於 1.8V 的讀取為 1，低於 1.8V 的讀取為 0。
+
+* 3.3V 進入按鈕。按鈕未按下，因此輸出 0V，值為 0
+* 3.3V 進入按鈕。按鈕按下，因此輸出 3.3V，值為 1
+
+更高級的數位感測器讀取類比值，然後使用內置 ADC 將其轉換為數位信號。例如，數位溫度感測器仍然會以類比感測器相同的方式使用熱電偶，並仍然測量由熱電偶在當前溫度下的電阻引起的電壓變化。它不會返回類比值，而是依賴於裝置或連接板進行轉換，而是由內置的 ADC 將值轉換為一系列 0 和 1，並將其發送到 IoT 裝置。這些 0 和 1 的發送方式與按鈕的數位信號相同，其中 1 表示全電壓，0 表示 0V。
+
+![一個數位溫度感測器將類比讀數轉換為二進制數據，0 表示 0 伏特，1 表示 5 伏特，然後將其發送到 IoT 裝置](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.mo.png)
+
+發送數位數據使感測器能夠變得更加複雜，並發送更詳細的數據，甚至是加密數據以用於安全感測器。一個例子是攝像頭。這是一個捕捉圖像並以包含該圖像的數位數據形式發送的感測器，通常以壓縮格式（如 JPEG）發送到 IoT 裝置。它甚至可以通過捕捉圖像並逐幀發送完整圖像或壓縮視頻流來進行視頻流。
+
+## 什麼是致動器？
+
+致動器與感測器相反——它們將 IoT 裝置的電信號轉換為與物理世界的交互，例如發出光或聲音，或移動馬達。
+
+一些常見的致動器包括：
+
+* LED——當開啟時發出光
+* 喇叭——根據發送的信號發出聲音，從基本的蜂鳴器到可以播放音樂的音頻喇叭
+* 步進馬達——將信號轉換為一定量的旋轉，例如旋轉旋鈕 90°
+* 繼電器——這些是可以通過電信號開啟或關閉的開關。它們允許 IoT 裝置的小電壓開啟更大的電壓。
+* 屏幕——這些是更複雜的致動器，顯示多段顯示器上的信息。屏幕的範圍從簡單的 LED 顯示器到高解析度視頻顯示器。
+
+✅ 做一些研究。您的手機有哪些致動器？
+
+## 使用致動器
+
+按照以下相關指南，將致動器添加到您的 IoT 裝置，並由感測器控制，以構建 IoT 夜燈。它將從光感測器收集光線強度，並使用 LED 作為致動器，在檢測到光線強度過低時發出光。
+
+![作業的流程圖，顯示光線強度被讀取和檢查，並控制 LED](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.mo.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [單板電腦 - Raspberry Pi](pi-actuator.md)
+* [單板電腦 - 虛擬裝置](virtual-device-actuator.md)
+
+## 致動器類型
+
+與感測器類似，致動器分為類比和數位兩種。
+
+### 類比致動器
+
+類比致動器接收類比信號並將其轉換為某種交互，交互根據提供的電壓而改變。
+
+一個例子是可調光燈，例如您家中的燈。提供給燈的電壓量決定了燈的亮度。
+![低電壓下的燈光暗淡，高電壓下的燈光明亮](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.mo.png)
+
+就像感測器一樣，實際的物聯網設備使用的是數位信號，而非類比信號。這意味著要傳送類比信號，物聯網設備需要一個數位到類比轉換器（DAC），可以直接內建在物聯網設備中，也可以在連接板上。這個轉換器會將物聯網設備的0和1轉換成致動器可以使用的類比電壓。
+
+✅ 如果物聯網設備傳送的電壓超過致動器能承受的範圍，你認為會發生什麼事？
+⛔️ 請勿嘗試測試。
+
+#### 脈衝寬度調變
+
+另一種將物聯網設備的數位信號轉換為類比信號的方法是脈衝寬度調變（PWM）。這種方法涉及傳送許多短暫的數位脈衝，模擬出類比信號的效果。
+
+例如，你可以使用PWM來控制馬達的速度。
+
+假設你正在用5V電源控制一個馬達。你向馬達傳送一個短脈衝，將電壓切換到高電壓（5V）持續0.02秒。在這段時間內，馬達可以旋轉十分之一圈，或36°。信號接著暫停0.02秒，傳送低電壓信號（0V）。每次開啟和關閉的循環持續0.04秒，然後重複。
+
+![馬達以150 RPM進行脈衝寬度調變旋轉](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.mo.png)
+
+這意味著在一秒內，你有25次0.02秒的5V脈衝使馬達旋轉，每次脈衝後有0.02秒的0V暫停，馬達不旋轉。每次脈衝使馬達旋轉十分之一圈，這意味著馬達每秒完成2.5圈旋轉。你使用數位信號使馬達以每秒2.5圈或150 [每分鐘轉速](https://wikipedia.org/wiki/Revolutions_per_minute)（一種非標準的旋轉速度測量方式）旋轉。
+
+```output
+25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
+2.5 rotations per second x 60 seconds in a minute = 150rpm
+```
+
+> 🎓 當PWM信號開啟一半時間，關閉另一半時間時，稱為[50%占空比](https://wikipedia.org/wiki/Duty_cycle)。占空比是信號處於開啟狀態相對於關閉狀態的百分比。
+
+![馬達以75 RPM進行脈衝寬度調變旋轉](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.mo.png)
+
+你可以透過改變脈衝的大小來改變馬達的速度。例如，使用相同的馬達，你可以保持相同的循環時間0.04秒，將開啟脈衝縮短一半至0.01秒，關閉脈衝延長至0.03秒。每秒的脈衝數量（25次）保持不變，但每次開啟脈衝的時間縮短了一半。縮短一半的脈衝只使馬達旋轉二十分之一圈，而每秒25次脈衝將完成1.25圈旋轉或75rpm。透過改變數位信號的脈衝速度，你將類比馬達的速度減半。
+
+```output
+25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
+1.25 rotations per second x 60 seconds in a minute = 75rpm
+```
+
+✅ 如何保持馬達在低速時的旋轉平穩？你會選擇少量長脈衝和長暫停，還是大量非常短的脈衝和非常短的暫停？
+
+> 💁 一些感測器也使用PWM來將類比信號轉換為數位信號。
+
+> 🎓 你可以在[Wikipedia的脈衝寬度調變頁面](https://wikipedia.org/wiki/Pulse-width_modulation)上閱讀更多關於脈衝寬度調變的內容。
+
+### 數位致動器
+
+數位致動器，就像數位感測器一樣，要麼有兩個狀態由高或低電壓控制，要麼內建DAC，可以將數位信號轉換為類比信號。
+
+一個簡單的數位致動器是LED。當設備傳送數位信號1時，會傳送高電壓使LED亮起。當傳送數位信號0時，電壓降至0V，LED熄滅。
+
+![LED在0伏特時熄滅，在5伏特時亮起](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.mo.png)
+
+✅ 你能想到其他簡單的兩狀態致動器嗎？一個例子是電磁閥，它是一種電磁鐵，可以被激活來執行例如移動門栓鎖定/解鎖門的操作。
+
+更高級的數位致動器，例如螢幕，需要以特定格式傳送數位數據。它們通常附帶庫，讓傳送正確數據來控制它們變得更容易。
+
+---
+
+## 🚀 挑戰
+
+上一課的挑戰是列出你家中、學校或工作場所中的所有物聯網設備，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合。
+
+對於你列出的每個設備，它們連接了哪些感測器和致動器？這些設備連接的每個感測器和致動器的用途是什麼？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## 回顧與自學
+
+* 在 [ThingLearn](http://thinglearn.jenlooper.com/curriculum/) 上閱讀有關電力和電路的內容。
+* 在 [Seeed Studios溫度感測器指南](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/) 上閱讀不同類型的溫度感測器。
+* 在 [Wikipedia LED頁面](https://wikipedia.org/wiki/Light-emitting_diode) 上閱讀有關LED的內容。
+
+## 作業
+
+[研究感測器和致動器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..ec3c044c
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T23:26:14+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 研究感測器與致動器
+
+## 說明
+
+本課程介紹了感測器與致動器。請研究並描述一個可以與物聯網開發套件搭配使用的感測器和致動器，包括以下內容：
+
+* 它的功能
+* 內部使用的電子元件/硬體
+* 它是類比還是數位
+* 它的輸入或測量單位及範圍
+
+## 評分標準
+
+| 評分標準 | 優異 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 描述感測器 | 詳細描述了一個感測器，涵蓋了上述所有4個部分。 | 描述了一個感測器，但僅涵蓋了上述2-3個部分。 | 描述了一個感測器，但僅涵蓋了上述1個部分。 |
+| 描述致動器 | 詳細描述了一個致動器，涵蓋了上述所有4個部分。 | 描述了一個致動器，但僅涵蓋了上述2-3個部分。 | 描述了一個致動器，但僅涵蓋了上述1個部分。 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..bd1459ab
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T23:27:22+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "mo"
+}
+-->
+# 建造夜燈 - Raspberry Pi
+
+在本課程中，您將在 Raspberry Pi 上添加 LED，並使用它來製作夜燈。
+
+## 硬體
+
+夜燈現在需要一個致動器。
+
+致動器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位致動器，具有兩種狀態：開啟和關閉。傳送值 1 會使 LED 開啟，傳送值 0 則會使其關閉。LED 是一個外部 Grove 致動器，需要連接到 Raspberry Pi 上的 Grove Base hat。
+
+夜燈邏輯的偽代碼如下：
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### 連接 LED
+
+Grove LED 是一個模組，包含多種 LED，您可以選擇喜歡的顏色。
+
+#### 任務 - 連接 LED
+
+連接 LED。
+
+![Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.mo.png)
+
+1. 選擇您喜歡的 LED，並將其腳插入 LED 模組上的兩個孔中。
+
+    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
+
+    LED 的其中一隻腳是正極引腳，另一隻是負極引腳。LED 並非完全圓形，其中一側稍微平坦一些。稍微平坦的一側是負極引腳。當您將 LED 連接到模組時，請確保圓形一側的引腳連接到模組外側標記為 **+** 的插座，而平坦一側的引腳連接到模組中間較近的插座。
+
+1. LED 模組有一個旋鈕，可以用來調節亮度。首先使用小型十字螺絲刀將其逆時針旋轉到最亮。
+
+1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
+
+1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **D5** 的數位插座。此插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
+
+![Grove LED 連接到 D5 插座](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.mo.png)
+
+## 程式設計夜燈
+
+現在可以使用 Grove 光線感測器和 Grove LED 來程式設計夜燈。
+
+### 任務 - 程式設計夜燈
+
+程式設計夜燈。
+
+1. 啟動 Raspberry Pi，並等待其完成啟動。
+
+1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案，可以直接在 Pi 上運行，也可以使用 Remote SSH 擴展連接。
+
+1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫。這段程式碼應添加到頂部，其他 `import` 行的下方。
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    `from grove.grove_led import GroveLed` 語句從 Grove Python 庫中匯入 `GroveLed`。此庫包含與 Grove LED 互動的程式碼。
+
+1. 在 `light_sensor` 宣告之後添加以下程式碼，以建立管理 LED 的類別實例：
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    `led = GroveLed(5)` 行建立了一個 `GroveLed` 類的實例，並連接到 **D5** 引腳——即 LED 所連接的 Grove 數位引腳。
+
+    > 💁 每個插座都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
+
+1. 在 `while` 迴圈內，並在 `time.sleep` 之前添加檢查光線水平的程式碼，以控制 LED 的開啟或關閉：
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    此程式碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 傳送數位值 1，將其開啟。如果光線值大於或等於 300，則調用 `off` 方法，傳送數位值 0，將其關閉。
+
+    > 💁 此程式碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它位於 while 迴圈內！
+
+    > 💁 當向致動器傳送數位值時，值 0 表示 0V，值 1 表示設備的最大電壓。對於 Raspberry Pi 使用的 Grove 感測器和致動器，值 1 的電壓為 3.3V。
+
+1. 在 VS Code 的終端中運行以下命令以執行您的 Python 應用程式：
+
+    ```sh
+    python3 app.py
+    ```
+
+    光線值將輸出到控制台。
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+1. 遮住並移開光線感測器。注意當光線水平小於或等於 300 時，LED 會亮起；當光線水平大於 300 時，LED 會熄滅。
+
+    > 💁 如果 LED 沒有亮起，請確保其連接方向正確，並且旋鈕已調至最亮。
+
+![LED 連接到 Pi，隨光線水平變化而開啟和關閉](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 您可以在 [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) 資料夾中找到此程式碼。
+
+😀 您的夜燈程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..c912a3dc
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T23:22:10+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 建造夜燈 - Raspberry Pi
+
+在本課程中，您將為 Raspberry Pi 添加一個光線感測器。
+
+## 硬體
+
+本課程使用的感測器是**光線感測器**，它利用[光電二極管](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一種類比感測器，會傳送一個介於 0 到 1,000 的整數值，表示相對的光量，但不對應於任何標準測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
+
+光線感測器是一個外部的 Grove 感測器，需要連接到 Raspberry Pi 上的 Grove Base hat。
+
+### 連接光線感測器
+
+用於檢測光線水平的 Grove 光線感測器需要連接到 Raspberry Pi。
+
+#### 任務 - 連接光線感測器
+
+連接光線感測器
+
+![Grove 光線感測器](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.mo.png)
+
+1. 將 Grove 電纜的一端插入光線感測器模組上的插座。電纜只能以一種方向插入。
+
+1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標記為 **A0** 的類比插座。此插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
+
+![Grove 光線感測器連接到 A0 插座](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.mo.png)
+
+## 程式設計光線感測器
+
+現在可以使用 Grove 光線感測器進行程式設計。
+
+### 任務 - 程式設計光線感測器
+
+程式設計裝置。
+
+1. 啟動 Raspberry Pi，等待其完成啟動。
+
+1. 在 VS Code 中打開您在本課程前一部分中建立的夜燈專案，可以直接在 Pi 上運行或使用 Remote SSH 擴展連接。
+
+1. 打開 `app.py` 文件，並移除其中的所有程式碼。
+
+1. 在 `app.py` 文件中添加以下程式碼以匯入所需的庫：
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` 語句匯入了 `time` 模組，稍後在本課程中會使用。
+
+    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句匯入了 Grove Python 庫中的 `GroveLightSensor`。此庫包含與 Grove 光線感測器互動的程式碼，並已在 Pi 設置期間全域安裝。
+
+1. 在上述程式碼之後添加以下程式碼，以建立管理光線感測器的類別實例：
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    `light_sensor = GroveLightSensor(0)` 這一行建立了一個 `GroveLightSensor` 類別的實例，並連接到 **A0** 引腳——光線感測器所連接的 Grove 類比引腳。
+
+1. 在上述程式碼之後添加一個無限迴圈，用於輪詢光線感測器的值並將其輸出到控制台：
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    這將使用 `GroveLightSensor` 類別的 `light` 屬性以 0-1,023 的範圍讀取當前光線水平。此屬性從引腳讀取類比值，然後將該值輸出到控制台。
+
+1. 在迴圈的末尾添加一秒的短暫休眠，因為不需要持續檢查光線水平。休眠可以降低裝置的功耗。
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. 從 VS Code 的終端執行以下命令以運行您的 Python 應用程式：
+
+    ```sh
+    python3 app.py
+    ```
+
+    光線值將輸出到控制台。遮住或移開光線感測器，值將發生變化：
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+> 💁 您可以在 [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) 資料夾中找到此程式碼。
+
+😀 為您的夜燈程式添加感測器成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..dd66b644
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T23:29:30+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "mo"
+}
+-->
+# 建造夜燈 - 虛擬物聯網硬體
+
+在本課程的這部分，你將為虛擬物聯網設備添加一個 LED，並用它來創建夜燈。
+
+## 虛擬硬體
+
+夜燈需要一個執行器，通過 CounterFit 應用程式創建。
+
+這個執行器是一個 **LED**。在實體物聯網設備中，它是一個[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位執行器，具有兩種狀態：開和關。傳送值 1 會打開 LED，傳送值 0 則會關閉 LED。
+
+夜燈邏輯的偽代碼如下：
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### 在 CounterFit 中添加執行器
+
+要使用虛擬 LED，你需要將其添加到 CounterFit 應用程式中。
+
+#### 任務 - 在 CounterFit 中添加執行器
+
+將 LED 添加到 CounterFit 應用程式中。
+
+1. 確保 CounterFit 網頁應用程式正在運行（從本作業的上一部分開始）。如果未運行，請啟動它並重新添加光感測器。
+
+1. 創建一個 LED：
+
+    1. 在 *Actuator* 面板的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *LED*。
+
+    1. 將 *Pin* 設置為 *5*。
+
+    1. 選擇 **Add** 按鈕，在 Pin 5 上創建 LED。
+
+    ![LED 設置](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.mo.png)
+
+    LED 將被創建並顯示在執行器列表中。
+
+    ![已創建的 LED](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.mo.png)
+
+    LED 創建後，你可以使用 *Color* 選擇器更改顏色。選擇顏色後，點擊 **Set** 按鈕即可更改顏色。
+
+### 編程夜燈
+
+現在可以使用 CounterFit 的光感測器和 LED 來編程夜燈。
+
+#### 任務 - 編程夜燈
+
+編程夜燈。
+
+1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，終止並重新創建終端以確保它使用虛擬環境運行。
+
+1. 打開 `app.py` 文件。
+
+1. 在 `app.py` 文件的頂部，其他 `import` 行之下，添加以下代碼以導入所需的庫：
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    `from counterfit_shims_grove.grove_led import GroveLed` 語句從 CounterFit Grove shim Python 庫中導入 `GroveLed`。此庫包含與 CounterFit 應用程式中創建的 LED 交互的代碼。
+
+1. 在 `light_sensor` 聲明之後添加以下代碼，以創建管理 LED 的類的實例：
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    `led = GroveLed(5)` 行創建了 `GroveLed` 類的實例，並連接到 Pin **5**——CounterFit Grove 的 LED 所連接的 Pin。
+
+1. 在 `while` 循環內，`time.sleep` 之前添加檢查光線水平並打開或關閉 LED 的代碼：
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    此代碼檢查 `light` 值。如果該值小於 300，則調用 `GroveLed` 類的 `on` 方法，向 LED 傳送數位值 1，打開 LED。如果光線值大於或等於 300，則調用 `off` 方法，向 LED 傳送數位值 0，關閉 LED。
+
+    > 💁 此代碼應與 `print('Light level:', light)` 行保持相同的縮排級別，以確保它在 while 循環內！
+
+1. 從 VS Code 的終端運行以下命令以運行你的 Python 應用程式：
+
+    ```sh
+    python3 app.py
+    ```
+
+    光線值將輸出到控制台。
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. 更改 *Value* 或 *Random* 設置，使光線水平在 300 以上和以下變化。LED 將會開啟和關閉。
+
+![CounterFit 應用程式中的 LED 隨光線水平變化而開啟和關閉](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 你可以在 [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) 文件夾中找到此代碼。
+
+😀 你的夜燈程式成功了！
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..b523cad4
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T23:30:34+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 建立夜燈 - 虛擬物聯網硬體
+
+在本課程的這部分，你將為虛擬物聯網設備添加一個光線感測器。
+
+## 虛擬硬體
+
+夜燈需要一個感測器，這個感測器是在 CounterFit 應用程式中創建的。
+
+這個感測器是一個**光線感測器**。在實體的物聯網設備中，它會是一個[光電二極體](https://wikipedia.org/wiki/Photodiode)，將光轉換為電信號。光線感測器是一種類比感測器，會傳送一個整數值，表示相對的光量，但這個值不會對應到任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
+
+### 將感測器添加到 CounterFit
+
+要使用虛擬光線感測器，你需要將它添加到 CounterFit 應用程式中。
+
+#### 任務 - 將感測器添加到 CounterFit
+
+將光線感測器添加到 CounterFit 應用程式中。
+
+1. 確保 CounterFit 網頁應用程式正在運行（從本作業的上一部分開始）。如果沒有，請啟動它。
+
+1. 創建一個光線感測器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框，選擇 *Light*。
+
+    1. 將 *Units* 保持為 *NoUnits*。
+
+    1. 確保 *Pin* 設置為 *0*。
+
+    1. 點擊 **Add** 按鈕，在 Pin 0 上創建光線感測器。
+
+    ![光線感測器設置](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.mo.png)
+
+    光線感測器將被創建並顯示在感測器列表中。
+
+    ![已創建的光線感測器](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.mo.png)
+
+## 編寫光線感測器程式
+
+現在可以編寫程式來使用內建的光線感測器。
+
+### 任務 - 編寫光線感測器程式
+
+編寫設備程式。
+
+1. 在 VS Code 中打開你在本作業上一部分中創建的夜燈專案。如果需要，關閉並重新創建終端機以確保它正在使用虛擬環境運行。
+
+1. 打開 `app.py` 文件。
+
+1. 在 `app.py` 文件的頂部，與其他 `import` 語句一起添加以下程式碼，以匯入一些必要的庫：
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` 語句匯入了 Python 的 `time` 模組，稍後會在本作業中使用。
+
+    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` 語句匯入了 CounterFit Grove shim Python 庫中的 `GroveLightSensor`。這個庫包含與 CounterFit 應用程式中創建的光線感測器互動的程式碼。
+
+1. 在文件底部添加以下程式碼，創建管理光線感測器的類別實例：
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    `light_sensor = GroveLightSensor(0)` 這一行創建了一個 `GroveLightSensor` 類別的實例，連接到 **0** 號 Pin——這是 CounterFit Grove 中光線感測器連接的 Pin。
+
+1. 在上述程式碼後添加一個無限迴圈，輪詢光線感測器的值並將其輸出到控制台：
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    這段程式碼使用 `GroveLightSensor` 類別的 `light` 屬性讀取當前的光線水平。該屬性從 Pin 讀取類比值，然後將該值輸出到控制台。
+
+1. 在 `while` 迴圈的末尾添加一個一秒的延遲，因為光線水平不需要被連續檢查。延遲可以減少設備的功耗。
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. 在 VS Code 的終端機中運行以下命令來執行你的 Python 應用程式：
+
+    ```sh
+    python3 app.py
+    ```
+
+    光線值將輸出到控制台。最初這個值會是 0。
+
+1. 在 CounterFit 應用程式中更改光線感測器的值，該值將被應用程式讀取。你可以通過以下兩種方式進行更改：
+
+    * 在光線感測器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。你輸入的數字將是感測器返回的值。
+
+    * 勾選 *Random* 選項，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感測器讀取值時，它將讀取一個介於 *Min* 和 *Max* 之間的隨機數。
+
+    你設置的值將輸出到控制台。更改 *Value* 或 *Random* 設置以使值發生變化。
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 你可以在 [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) 資料夾中找到這段程式碼。
+
+😀 你的夜燈程式成功運行了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..2144a926
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T23:28:28+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "mo"
+}
+-->
+# 建造夜燈 - Wio Terminal
+
+在本課程中，你將為 Wio Terminal 添加一個 LED，並使用它來製作夜燈。
+
+## 硬體
+
+夜燈現在需要一個致動器。
+
+致動器是一個 **LED**，即[發光二極管](https://wikipedia.org/wiki/Light-emitting_diode)，當電流通過時會發光。這是一個數位致動器，具有兩種狀態：開啟和關閉。傳送值 1 會開啟 LED，傳送值 0 則會關閉 LED。這是一個外部 Grove 致動器，需要連接到 Wio Terminal。
+
+夜燈邏輯的偽代碼如下：
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### 連接 LED
+
+Grove LED 是一個模組，包含多種 LED，允許你選擇顏色。
+
+#### 任務 - 連接 LED
+
+連接 LED。
+
+![一個 Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.mo.png)
+
+1. 選擇你喜歡的 LED，並將 LED 的腳插入 LED 模組上的兩個孔中。
+
+    LED 是發光二極管，而二極管是一種只能單向導電的電子元件。這意味著 LED 必須以正確的方向連接，否則無法工作。
+
+    LED 的一隻腳是正極引腳，另一隻是負極引腳。LED 並非完全圓形，其中一側稍微平坦一些。稍微平坦的一側是負極引腳。當你將 LED 連接到模組時，確保圓形一側的引腳連接到模組外側標記為 **+** 的插座，而平坦一側的引腳連接到模組中間較近的插座。
+
+1. LED 模組有一個旋鈕，可以用來調節亮度。使用小型十字螺絲刀將旋鈕逆時針旋轉到最亮的位置。
+
+1. 將 Grove 電纜的一端插入 LED 模組上的插座。電纜只能以一種方向插入。
+
+1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
+
+    > 💁 右側的 Grove 插座可用於類比或數位感測器和致動器。左側插座僅用於 I2C 和數位感測器及致動器。
+
+![Grove LED 連接到右側插座](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.mo.png)
+
+## 程式設計夜燈
+
+現在可以使用內建的光感測器和 Grove LED 來程式設計夜燈。
+
+### 任務 - 程式設計夜燈
+
+程式設計夜燈。
+
+1. 在 VS Code 中打開你在本作業前一部分中建立的夜燈專案。
+
+1. 在 `setup` 函數的底部添加以下一行：
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    這一行配置了用於通過 Grove 端口與 LED 通訊的引腳。
+
+    `D0` 引腳是右側 Grove 插座的數位引腳。此引腳被設置為 `OUTPUT`，表示它連接到致動器，並且數據將被寫入該引腳。
+
+1. 在 `loop` 函數中的 `delay` 之前立即添加以下程式碼：
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    此程式碼檢查 `light` 值。如果該值小於 300，則向 `D0` 數位引腳傳送 `HIGH` 值。此 `HIGH` 值為 1，開啟 LED。如果光線值大於或等於 300，則向引腳傳送 `LOW` 值 0，關閉 LED。
+
+    > 💁 當向致動器傳送數位值時，LOW 值為 0v，HIGH 值為設備的最大電壓。對於 Wio Terminal，HIGH 電壓為 3.3V。
+
+1. 重新連接 Wio Terminal 到你的電腦，並像之前一樣上傳新程式碼。
+
+1. 連接 Serial Monitor。光線值將輸出到終端。
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+1. 遮住並移開光感測器。注意當光線值小於或等於 300 時，LED 會亮起；當光線值大於 300 時，LED 會熄滅。
+
+![LED 連接到 Wio，隨著光線值變化開啟和關閉](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 你可以在 [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) 資料夾中找到此程式碼。
+
+😀 你的夜燈程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..21133c99
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T23:31:27+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 添加感測器 - Wio Terminal
+
+在本課程中，您將使用 Wio Terminal 上的光感測器。
+
+## 硬體
+
+本課程使用的感測器是**光感測器**，它利用[光電二極體](https://wikipedia.org/wiki/Photodiode)將光轉換為電信號。這是一種類比感測器，會傳送一個從 0 到 1,023 的整數值，表示相對的光量，但不對應於任何標準的測量單位，例如 [lux](https://wikipedia.org/wiki/Lux)。
+
+光感測器內建於 Wio Terminal 中，可以透過背面的透明塑膠窗看到。
+
+![Wio Terminal 背面的光感測器](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.mo.png)
+
+## 程式設計光感測器
+
+現在可以為裝置編寫程式以使用內建的光感測器。
+
+### 任務
+
+為裝置編寫程式。
+
+1. 在 VS Code 中打開您在本作業前一部分中建立的夜燈專案。
+
+1. 在 `setup` 函式的底部新增以下這一行：
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    這一行配置了用於與感測器硬體通信的引腳。
+
+    `WIO_LIGHT` 引腳是連接到內建光感測器的 GPIO 引腳編號。此引腳被設置為 `INPUT`，表示它連接到感測器，並將從該引腳讀取數據。
+
+1. 刪除 `loop` 函式的內容。
+
+1. 在現在空的 `loop` 函式中新增以下程式碼。
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    此程式碼從 `WIO_LIGHT` 引腳讀取一個類比值。這會從內建光感測器讀取一個 0 到 1,023 的值。然後，這個值會被傳送到序列埠，當此程式碼運行時，您可以在序列監視器中讀取它。`Serial.print` 會輸出文字但不換行，因此每一行都會以 `Light value:` 開頭，並以實際的光值結尾。
+
+1. 在 `loop` 的結尾新增一個一秒（1,000 毫秒）的短暫延遲，因為光線水平不需要被連續檢查。延遲可以減少裝置的功耗。
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. 將 Wio Terminal 重新連接到您的電腦，並像之前一樣上傳新程式碼。
+
+1. 連接序列監視器。光值將輸出到終端機。遮住或移開 Wio Terminal 背面的光感測器，數值將會改變。
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+> 💁 您可以在 [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 將感測器添加到您的夜燈程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/README.md b/translations/mo/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..0b19cda3
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T23:15:56+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "mo"
+}
+-->
+# 將您的設備連接到互聯網
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 的 [Hello IoT 系列](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) 的一部分。課程分為兩個視頻進行教學——一個1小時的課程和一個1小時的辦公時間，深入探討課程的部分內容並回答問題。
+
+[![課程4：將您的設備連接到互聯網](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![課程4：將您的設備連接到互聯網 - 辦公時間](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 點擊上方圖片觀看視頻
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## 簡介
+
+IoT 中的 **I** 代表 **Internet**（互聯網）——雲端連接和服務使 IoT 設備的許多功能得以實現，例如從連接到設備的傳感器收集測量數據，或發送消息以控制執行器。IoT 設備通常使用標準通信協議連接到單一的雲端 IoT 服務，而該服務則與您的 IoT 應用的其他部分相連，例如 AI 服務用於根據數據做出智能決策，或網頁應用用於控制或報告。
+
+> 🎓 從傳感器收集並發送到雲端的數據稱為遙測。
+
+IoT 設備可以接收來自雲端的消息。這些消息通常包含命令——即指示執行某些操作的指令，無論是內部操作（例如重啟或更新固件），還是使用執行器（例如打開燈光）。
+
+本課程介紹了 IoT 設備用於連接雲端的一些通信協議，以及它們可能發送或接收的數據類型。您還將親自操作，為您的夜燈添加互聯網控制，將 LED 控制邏輯移至本地運行的“服務器”代碼。
+
+在本課程中，我們將涵蓋：
+
+* [通信協議](../../../../../1-getting-started/lessons/4-connect-internet)
+* [消息隊列遙測傳輸（MQTT）](../../../../../1-getting-started/lessons/4-connect-internet)
+* [遙測](../../../../../1-getting-started/lessons/4-connect-internet)
+* [命令](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## 通信協議
+
+IoT 設備用於與互聯網通信的流行通信協議有很多。其中最流行的是基於某種代理的發布/訂閱消息。IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務也連接到代理，訂閱所有遙測消息並發布命令，這些命令可以針對特定設備或設備組。
+
+![IoT 設備連接到代理並發布遙測數據，同時訂閱命令。雲端服務連接到代理，訂閱所有遙測數據並向特定設備發送命令。](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.mo.png)
+
+MQTT 是 IoT 設備最流行的通信協議，本課程將介紹它。其他協議包括 AMQP 和 HTTP/HTTPS。
+
+## 消息隊列遙測傳輸（MQTT）
+
+[MQTT](http://mqtt.org) 是一種輕量級的開放標準消息協議，可在設備之間傳遞消息。它於1999年設計用於監控石油管道，15年後由 IBM 作為開放標準發布。
+
+MQTT 有一個單一的代理和多個客戶端。所有客戶端都連接到代理，代理根據需要將消息路由到相關客戶端。消息通過命名主題進行路由，而不是直接發送到個別客戶端。客戶端可以發布到某個主題，任何訂閱該主題的客戶端都會收到消息。
+
+![IoT 設備在 /telemetry 主題上發布遙測數據，雲端服務訂閱該主題](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.mo.png)
+
+✅ 做些研究。如果您有大量 IoT 設備，如何確保您的 MQTT 代理能夠處理所有消息？
+
+### 將您的 IoT 設備連接到 MQTT
+
+為夜燈添加互聯網控制的第一步是將其連接到 MQTT 代理。
+
+#### 任務
+
+將您的設備連接到 MQTT 代理。
+
+在本課程的這部分，您將把 IoT 夜燈連接到互聯網，以便遠程控制。稍後在本課程中，您的 IoT 設備將通過 MQTT 向公共 MQTT 代理發送光線水平的遙測消息，該消息將由您編寫的服務器代碼接收。此代碼將檢查光線水平並向設備發送命令消息，指示其打開或關閉 LED。
+
+這種設置的實際應用場景可能是從多個光線傳感器收集數據後再決定是否打開燈光，例如在有大量燈光的地方，如體育場。這樣可以避免僅因一個傳感器被雲層或鳥遮擋而打開燈光，而其他傳感器檢測到足夠的光線。
+
+✅ 還有哪些情況需要在發送命令之前評估多個傳感器的數據？
+
+為了簡化本次作業中 MQTT 代理的設置，您可以使用一個運行 [Eclipse Mosquitto](https://www.mosquitto.org) 的公共測試服務器，這是一個開源的 MQTT 代理。此測試代理可在 [test.mosquitto.org](https://test.mosquitto.org) 公開使用，且不需要設置帳戶，是測試 MQTT 客戶端和服務器的絕佳工具。
+
+> 💁 此測試代理是公開且不安全的。任何人都可以監聽您發布的內容，因此不應用於需要保密的數據。
+
+![作業的流程圖，顯示光線水平的讀取和檢查，以及 LED 的控制](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.mo.png)
+
+按照以下相關步驟將您的設備連接到 MQTT 代理：
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-mqtt.md)
+
+### 深入了解 MQTT
+
+主題可以有層次結構，客戶端可以使用通配符訂閱不同層次的主題。例如，您可以將溫度遙測消息發送到 `/telemetry/temperature` 主題，將濕度消息發送到 `/telemetry/humidity` 主題，然後在您的雲端應用中訂閱 `/telemetry/*` 主題以接收溫度和濕度的遙測消息。
+
+消息可以設置服務質量（QoS），以確定消息接收的保證程度。
+
+* 最多一次 - 消息僅發送一次，客戶端和代理不採取額外步驟確認交付（即發送後不再關注）。
+* 至少一次 - 發送方多次重試消息，直到收到確認（即確認交付）。
+* 恰好一次 - 發送方和接收方進行兩級握手，以確保僅接收一份消息（即保證交付）。
+
+✅ 哪些情況可能需要保證交付的消息，而不是發送後不再關注的消息？
+
+雖然 MQTT 的名稱中有消息隊列（Message Queueing），但它實際上並不支持消息隊列。這意味著如果客戶端斷開連接，然後重新連接，它不會接收到斷開期間發送的消息，除非這些消息已通過 QoS 過程開始處理。消息可以設置保留標誌。如果設置了此標誌，MQTT 代理將存儲該主題上最後發送的消息，並將其發送給後來訂閱該主題的客戶端。這樣，客戶端將始終獲得最新消息。
+
+MQTT 還支持保持連接功能，在消息之間的長時間間隔期間檢查連接是否仍然有效。
+
+> 🦟 [Eclipse Foundation 的 Mosquitto](https://mosquitto.org) 提供了一個免費的 MQTT 代理，您可以自行運行以實驗 MQTT，還有一個公共 MQTT 代理可用於測試您的代碼，托管於 [test.mosquitto.org](https://test.mosquitto.org)。
+
+MQTT 連接可以是公開和開放的，也可以通過用戶名和密碼或證書進行加密和安全保護。
+
+> 💁 MQTT 通過 TCP/IP 進行通信，這與 HTTP 使用的底層網絡協議相同，但使用不同的端口。您還可以通過 Websockets 使用 MQTT 與在瀏覽器中運行的網頁應用通信，或者在防火牆或其他網絡規則阻止標準 MQTT 連接的情況下使用。
+
+## 遙測
+
+遙測一詞源於希臘語，意為遠程測量。遙測是從傳感器收集數據並將其發送到雲端的行為。
+
+> 💁 最早的遙測設備之一於1874年在法國發明，通過物理電線將蒙特布朗的即時天氣和積雪深度數據傳送到巴黎。當時尚未有無線技術。
+
+讓我們回顧一下課程1中的智能溫控器示例。
+
+![一個使用多個房間傳感器的互聯網連接溫控器](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.mo.png)
+
+溫控器具有溫度傳感器以收集遙測數據。它很可能內置一個溫度傳感器，並可能通過無線協議（例如 [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy)）連接到多個外部溫度傳感器。
+
+它可能發送的遙測數據示例如下：
+
+| 名稱 | 值 | 描述 |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | 由溫控器內置溫度傳感器測量的溫度 |
+| `livingroom_temperature` | 19°C | 由遠程溫度傳感器測量的溫度，該傳感器已命名為 `livingroom` 以識別其所在房間 |
+| `bedroom_temperature` | 21°C | 由遠程溫度傳感器測量的溫度，該傳感器已命名為 `bedroom` 以識別其所在房間 |
+
+雲端服務可以使用這些遙測數據來決定發送哪些命令以控制加熱。
+
+### 從您的 IoT 設備發送遙測數據
+
+為夜燈添加互聯網控制的下一步是將光線水平的遙測數據發送到 MQTT 代理的遙測主題。
+
+#### 任務 - 從您的 IoT 設備發送遙測數據
+
+將光線水平的遙測數據發送到 MQTT 代理。
+
+數據以 JSON 格式編碼——JSON 是 JavaScript Object Notation 的縮寫，是一種使用鍵/值對以文本形式編碼數據的標準。
+
+✅ 如果您之前未接觸過 JSON，可以在 [JSON.org 文檔](https://www.json.org/) 中了解更多。
+
+按照以下相關步驟從您的設備向 MQTT 代理發送遙測數據：
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-telemetry.md)
+
+### 從 MQTT 代理接收遙測數據
+
+如果沒有接收端，發送遙測數據就沒有意義。光線水平的遙測數據需要有接收端來處理這些數據。該“服務器”代碼是您將作為更大 IoT 應用的一部分部署到雲端服務的代碼，但在這裡，您將在本地計算機上運行此代碼（或者如果您直接在 Raspberry Pi 上編碼，也可以在 Pi 上運行）。服務器代碼由一個 Python 應用組成，該應用通過 MQTT 接收光線水平的遙測消息。稍後在本課程中，您將使其回覆命令消息，指示打開或關閉 LED。
+
+✅ 做些研究：如果沒有接收端，MQTT 消息會發生什麼？
+
+#### 安裝 Python 和 VS Code
+
+如果您本地尚未安裝 Python 和 VS Code，您需要安裝它們以編寫服務器代碼。如果您使用虛擬 IoT 設備或在 Raspberry Pi 上工作，則可以跳過此步驟，因為您應該已經安裝並配置好。
+
+##### 任務 - 安裝 Python 和 VS Code
+
+安裝 Python 和 VS Code。
+
+1. 安裝 Python。請參考 [Python 下載頁面](https://www.python.org/downloads/) 以獲取安裝最新版本 Python 的說明。
+
+2. 安裝 Visual Studio Code (VS Code)。這是您將用來用 Python 編寫虛擬設備代碼的編輯器。請參考 [VS Code 文檔](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) 以獲取安裝 VS Code 的說明。
+💁 您可以自由選擇任何 Python IDE 或編輯器來完成這些課程，如果您有偏好的工具，但課程中的指導將基於使用 VS Code。
+1. 安裝 VS Code 的 Pylance 擴充套件。這是一個為 VS Code 提供 Python 語言支援的擴充套件。請參考 [Pylance 擴充套件文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) 以了解如何在 VS Code 中安裝此擴充套件。
+
+#### 配置 Python 虛擬環境
+
+Python 的一個強大功能是能夠安裝 [pip 套件](https://pypi.org)——這些是由其他人撰寫並發布到網路上的程式碼套件。你可以使用一個指令將 pip 套件安裝到你的電腦上，然後在程式碼中使用該套件。接下來你將使用 pip 安裝一個用於 MQTT 通訊的套件。
+
+預設情況下，當你安裝一個套件時，它會在你的電腦上全域可用，這可能會導致套件版本的問題，例如某個應用程式依賴於某個版本的套件，但當你為另一個應用程式安裝新版本時，可能會導致問題。為了解決這個問題，你可以使用 [Python 虛擬環境](https://docs.python.org/3/library/venv.html)，它本質上是 Python 的一個副本，存放在專用的資料夾中，當你安裝 pip 套件時，它們只會安裝到該資料夾中。
+
+##### 任務 - 配置 Python 虛擬環境
+
+配置 Python 虛擬環境並安裝 MQTT 的 pip 套件。
+
+1. 在終端或命令列中，執行以下指令以在你選擇的位置建立並進入一個新目錄：
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. 現在執行以下指令，在 `.venv` 資料夾中建立虛擬環境：
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 你需要明確呼叫 `python3` 來建立虛擬環境，以防你的系統同時安裝了 Python 2 和 Python 3（最新版本）。如果安裝了 Python 2，呼叫 `python` 可能會使用 Python 2 而不是 Python 3。
+
+1. 啟動虛擬環境：
+
+    * 在 Windows 上：
+        * 如果你使用命令提示字元，或透過 Windows Terminal 使用命令提示字元，執行以下指令：
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * 如果你使用 PowerShell，執行以下指令：
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * 在 macOS 或 Linux 上，執行以下指令：
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 這些指令應該在你執行建立虛擬環境的指令的同一位置執行。你永遠不需要進入 `.venv` 資料夾，應該始終在建立虛擬環境的資料夾中執行啟動指令以及任何安裝套件或執行程式碼的指令。
+
+1. 啟動虛擬環境後，預設的 `python` 指令將執行用於建立虛擬環境的 Python 版本。執行以下指令以檢查版本：
+
+    ```sh
+    python --version
+    ```
+
+    輸出類似以下內容：
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 你的 Python 版本可能不同——只要是 3.6 或更高版本即可。如果不是，請刪除此資料夾，安裝更新版本的 Python，然後重試。
+
+1. 執行以下指令以安裝 [Paho-MQTT](https://pypi.org/project/paho-mqtt/) 的 pip 套件，這是一個流行的 MQTT 庫。
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    此 pip 套件僅會安裝在虛擬環境中，且在虛擬環境外不可用。
+
+#### 撰寫伺服器程式碼
+
+現在可以使用 Python 撰寫伺服器程式碼。
+
+##### 任務 - 撰寫伺服器程式碼
+
+撰寫伺服器程式碼。
+
+1. 在虛擬環境中，透過終端或命令列執行以下指令以建立名為 `app.py` 的 Python 檔案：
+
+    * 在 Windows 上執行：
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * 在 macOS 或 Linux 上執行：
+
+        ```cmd
+        touch app.py
+        ```
+
+1. 在 VS Code 中開啟目前資料夾：
+
+    ```sh
+    code .
+    ```
+
+1. 當 VS Code 啟動時，它會啟動 Python 虛擬環境。這會顯示在底部狀態列中：
+
+    ![VS Code 顯示選擇的虛擬環境](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.mo.png)
+
+1. 如果 VS Code 的終端在啟動時已經在執行，它可能不會啟動虛擬環境。最簡單的解決方法是使用 **終止活動終端實例** 按鈕終止終端：
+
+    ![VS Code 終止活動終端實例按鈕](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.mo.png)
+
+1. 透過選擇 *終端 -> 新終端* 或按下 `` CTRL+` `` 啟動新的 VS Code 終端。新的終端會載入虛擬環境，並在終端中顯示啟動指令。虛擬環境的名稱（`.venv`）也會顯示在提示符中：
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. 從 VS Code 的檔案瀏覽器中開啟 `app.py` 檔案，並加入以下程式碼：
+
+    ```python
+    import json
+    import time
+    
+    import paho.mqtt.client as mqtt
+    
+    id = '<ID>'
+    
+    client_telemetry_topic = id + '/telemetry'
+    client_name = id + 'nightlight_server'
+    
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+    
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+    mqtt_client.subscribe(client_telemetry_topic)
+    mqtt_client.on_message = handle_telemetry
+    
+    while True:
+        time.sleep(2)
+    ```
+
+    將第 6 行的 `<ID>` 替換為你在建立裝置程式碼時使用的唯一 ID。
+
+    ⚠️ 此 ID **必須**與你在裝置上使用的 ID 相同，否則伺服器程式碼將無法訂閱或發布到正確的主題。
+
+    此程式碼建立了一個具有唯一名稱的 MQTT 客戶端，並連接到 *test.mosquitto.org* broker。接著它啟動了一個處理迴圈，該迴圈在背景執行緒中運行，監聽任何已訂閱主題的訊息。
+
+    客戶端接著訂閱了 telemetry 主題的訊息，並定義了一個函數，當接收到訊息時會被呼叫。當接收到 telemetry 訊息時，`handle_telemetry` 函數會被呼叫，並將接收到的訊息打印到控制台。
+
+    最後，一個無限迴圈保持應用程式運行。MQTT 客戶端在背景執行緒中監聽訊息，並在主應用程式運行期間始終保持運行。
+
+1. 從 VS Code 的終端執行以下指令以運行你的 Python 應用程式：
+
+    ```sh
+    python app.py
+    ```
+
+    應用程式將開始監聽來自 IoT 裝置的訊息。
+
+1. 確保你的裝置正在運行並發送 telemetry 訊息。調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息將打印到終端。
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    nightlight 虛擬環境中的 app.py 檔案必須正在運行，nightlight-server 虛擬環境中的 app.py 檔案才能接收到發送的訊息。
+
+> 💁 你可以在 [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) 資料夾中找到此程式碼。
+
+### 應該多久發送一次 telemetry？
+
+關於 telemetry 的一個重要考量是應該多久測量並發送一次數據？答案是——視情況而定。如果頻繁測量，你可以更快地對測量變化做出反應，但這會消耗更多電力、更多頻寬，生成更多數據，並需要更多的雲端資源來處理。你需要測量得足夠頻繁，但不能過於頻繁。
+
+對於溫控器，每隔幾分鐘測量一次可能已經足夠，因為溫度不會頻繁變化。如果你一天只測量一次，那麼可能會在晴天的中午因夜間溫度而加熱房屋；而如果你每秒測量一次，則會生成數千個不必要的重複溫度測量，這會影響使用者的網速和頻寬（對於有限頻寬計劃的使用者來說是個問題），消耗更多電力，這對於像遠端感測器這樣的電池供電裝置可能是個問題，並增加雲端計算資源的處理和存儲成本。
+
+如果你在監控工廠中某台機器的數據，而該機器如果故障可能會造成災難性損失和數百萬美元的收入損失，那麼可能需要每秒多次測量。浪費頻寬總比錯過顯示機器需要停止並修復的 telemetry 更好。
+
+> 💁 在這種情況下，你可能會考慮使用邊緣裝置來先處理 telemetry，以減少對網路的依賴。
+
+### 連線中斷
+
+網路連線可能不穩定，斷線是常見的情況。在這種情況下，IoT 裝置應該怎麼做——丟失數據，還是存儲數據直到連線恢復？答案同樣是視情況而定。
+
+對於溫控器，數據可能可以在新的溫度測量完成後丟失。加熱系統不會在意 20 分鐘前的溫度是 20.5°C，如果現在的溫度是 19°C，那麼現在的溫度才是決定加熱是否開啟的關鍵。
+
+對於機器，你可能希望保留數據，特別是如果這些數據用於趨勢分析。有些機器學習模型可以通過查看一段時間內的數據（例如過去一小時）來檢測數據流中的異常，並識別異常數據。這通常用於預測性維護，尋找可能即將發生故障的跡象，以便在故障發生前進行修理或更換。你可能希望每一個機器的 telemetry 都被發送，以便進行異常檢測，因此一旦 IoT 裝置重新連線，它將發送所有在網路中斷期間生成的 telemetry。
+
+IoT 裝置設計者還應考慮 IoT 裝置在網路中斷或因位置導致信號丟失時是否仍能使用。一個智能溫控器應該能在無法將 telemetry 發送到雲端的情況下做出有限的決策來控制加熱。
+
+[![這輛法拉利因為有人在地下室嘗試升級而變磚，因為沒有手機信號](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.mo.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+為了讓 MQTT 處理連線中斷，裝置和伺服器程式碼需要負責確保訊息的傳遞，例如要求所有發送的訊息都需要在回覆主題上收到回覆訊息，如果沒有收到回覆，則手動排隊以便稍後重播。
+
+## 指令
+
+指令是由雲端發送到裝置的訊息，用於指示裝置執行某些操作。大多數情況下，這涉及通過致動器輸出某些內容，但也可能是對裝置本身的指令，例如重新啟動或收集額外的 telemetry 並將其作為指令的回應返回。
+
+![一個連接到網路的溫控器接收到開啟加熱的指令](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.mo.png)
+
+例如，溫控器可能會接收到來自雲端的指令以開啟加熱。根據所有感測器的 telemetry 數據，如果雲端服務決定應該開啟加熱，它就會發送相關指令。
+
+### 向 MQTT broker 發送指令
+
+接下來，我們的網路控制夜燈需要伺服器程式碼向 IoT 裝置發送指令，以根據感測到的光線水平控制燈光。
+
+1. 在 VS Code 中開啟伺服器程式碼
+
+1. 在 `client_telemetry_topic` 宣告之後新增以下一行，以定義要發送指令的主題：
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. 在 `handle_telemetry` 函數的結尾新增以下程式碼：
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    此程式碼向指令主題發送一個 JSON 訊息，其中 `led_on` 的值根據光線是否小於 300 設定為 true 或 false。如果光線小於 300，則發送 true 以指示裝置開啟 LED。
+
+1. 如前所述運行程式碼
+
+1. 調整你的實體或虛擬裝置檢測的光線水平。接收到的訊息和發送的指令將顯示在終端：
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Sending message: {'led_on': True}
+    Message received: {'light': 400}
+    Sending message: {'led_on': False}
+    ```
+
+> 💁 telemetry 和指令分別在單一主題上發送。這意味著來自多個裝置的 telemetry 會出現在同一 telemetry 主題上，而發送給多個裝置的指令會出現在同一指令主題上。如果你希望向特定裝置發送指令，可以使用多個主題，並以唯一的裝置 ID 命名，例如 `/commands/device1`、`/commands/device2`。這樣裝置就可以只監聽針對該裝置的訊息。
+
+> 💁 你可以在 [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) 資料夾中找到此程式碼。
+
+### 在 IoT 裝置上處理指令
+
+現在伺服器已經開始發送指令，你可以在 IoT 裝置上新增程式碼來處理指令並控制 LED。
+
+按照以下相關步驟來監聽來自 MQTT broker 的指令：
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [單板電腦 - Raspberry Pi/虛擬 IoT 裝置](single-board-computer-commands.md)
+
+一旦程式碼撰寫完成並運行，嘗試改變光線水平。觀察伺服器和裝置的輸出，並在改變光線水平時觀察 LED 的反應。
+
+### 連線中斷
+
+如果雲端服務需要向離線的 IoT 裝置發送指令，應該怎麼做？答案同樣是視情況而定。
+
+如果最新的指令覆蓋了早期的指令，那麼早期的指令可能可以忽略。如果雲端服務發送了一個開啟加熱的指令，然後又發送了一個關閉加熱的指令，那麼可以忽略開啟指令並不重新發送。
+
+如果指令需要按順序處理，例如移動機器手臂向上，然後關閉抓取器，那麼需要在連線恢復後按順序發送。
+
+✅ 如何讓裝置或伺服器程式碼確保指令在 MQTT 上始終按順序發送並處理？
+
+---
+
+## 🚀 挑戰
+
+在過去三節課的挑戰是列出你家中、學校或工作場所中的所有 IoT 裝置，並判斷它們是基於微控制器還是單板電腦，或者是兩者的混合，並思考它們使用了哪些感測器和致動器。
+對於這些設備，思考它們可能正在發送或接收什麼消息。它們發送了哪些遙測數據？可能接收到哪些消息或指令？你認為它們的安全性如何？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## 回顧與自學
+
+在 [MQTT 維基百科頁面](https://wikipedia.org/wiki/MQTT)上閱讀更多有關 MQTT 的內容。
+
+嘗試自己運行一個 MQTT broker，使用 [Mosquitto](https://www.mosquitto.org)，並從你的 IoT 設備和伺服器代碼連接到它。
+
+> 💁 提示 - Mosquitto 預設不允許匿名連接（即無需使用者名稱和密碼的連接），也不允許來自運行它的電腦外部的連接。
+> 你可以通過使用 [`mosquitto.conf` 配置文件](https://www.mosquitto.org/man/mosquitto-conf-5.html)進行修正，內容如下：
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## 作業
+
+[比較並對比 MQTT 與其他通信協議](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..24a8ee43
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T23:18:27+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 比較與對比 MQTT 與其他通訊協議
+
+## 說明
+
+本課程介紹了 MQTT 作為一種通訊協議。除此之外，還有其他協議，例如 AMQP 和 HTTP/HTTPS。
+
+請研究這兩種協議，並將它們與 MQTT 進行比較與對比。考慮以下幾個方面：功耗、安全性，以及在連線中斷時的訊息持久性。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需改進 |
+| -------- | ---- | ---- | ------ |
+| 比較 AMQP 與 MQTT | 能夠比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性。 | 能部分比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的兩項。 | 能部分比較與對比 AMQP 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的一項。 |
+| 比較 HTTP/HTTPS 與 MQTT | 能夠比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性。 | 能部分比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的兩項。 | 能部分比較與對比 HTTP/HTTPS 與 MQTT，並涵蓋功耗、安全性以及訊息持久性中的一項。 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..fd4a388f
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T23:09:53+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "mo"
+}
+-->
+# 通過網絡控制夜燈 - 虛擬物聯網硬件與樹莓派
+
+在本課程的這部分，你將訂閱從 MQTT broker 發送到樹莓派或虛擬物聯網設備的指令。
+
+## 訂閱指令
+
+下一步是訂閱從 MQTT broker 發送的指令並對其作出回應。
+
+### 任務
+
+訂閱指令。
+
+1. 在 VS Code 中打開夜燈項目。
+
+1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
+
+1. 在 `client_telemetry_topic` 定義之後添加以下代碼：
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    `server_command_topic` 是設備將訂閱以接收 LED 指令的 MQTT 主題。
+
+1. 在主循環的上方，`mqtt_client.loop_start()` 行之後添加以下代碼：
+
+    ```python
+    def handle_command(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['led_on']:
+            led.on()
+        else:
+            led.off()
+    
+    mqtt_client.subscribe(server_command_topic)
+    mqtt_client.on_message = handle_command
+    ```
+
+    此代碼定義了一個函數 `handle_command`，該函數將消息作為 JSON 文檔讀取，並查找 `led_on` 屬性的值。如果該屬性設置為 `True`，則 LED 會被打開，否則會被關閉。
+
+    MQTT 客戶端會訂閱服務器發送消息的主題，並設置在接收到消息時調用 `handle_command` 函數。
+
+    > 💁 `on_message` 處理器會對所有訂閱的主題進行回調。如果你之後編寫的代碼需要監聽多個主題，可以從傳遞給處理函數的 `message` 對象中獲取消息所屬的主題。
+
+1. 以與上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已經在正確的引腳上創建。
+
+1. 調整你的物理或虛擬設備檢測到的光線水平。接收到的消息和發送的指令將顯示在終端上。LED 也會根據光線水平開啟或關閉。
+
+> 💁 你可以在 [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) 文件夾或 [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) 文件夾中找到這段代碼。
+
+😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..8d910d2a
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T23:19:12+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "mo"
+}
+-->
+# 通過網絡控制你的夜燈 - 虛擬物聯網硬件與樹莓派
+
+物聯網設備需要編寫代碼，通過 MQTT 與 *test.mosquitto.org* 通信，發送光傳感器讀取的遙測值，並接收控制 LED 的指令。
+
+在本課程的這部分，你將把樹莓派或虛擬物聯網設備連接到 MQTT broker。
+
+## 安裝 MQTT 客戶端套件
+
+為了與 MQTT broker 通信，你需要在樹莓派或虛擬設備的虛擬環境中安裝 MQTT 的 pip 套件。
+
+### 任務
+
+安裝 pip 套件
+
+1. 在 VS Code 中打開夜燈項目。
+
+1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是樹莓派，則不需要使用虛擬環境。
+
+1. 運行以下命令來安裝 MQTT 的 pip 套件：
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## 編寫設備代碼
+
+設備已準備好編寫代碼。
+
+### 任務
+
+編寫設備代碼。
+
+1. 在 `app.py` 文件的頂部添加以下導入：
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    `paho.mqtt.client` 庫允許你的應用通過 MQTT 進行通信。
+
+1. 在光傳感器和 LED 的定義之後添加以下代碼：
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    將 `<ID>` 替換為一個唯一的 ID，該 ID 將用作此設備客戶端的名稱，並在稍後用於此設備發布和訂閱的主題名稱。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他正在完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的代碼不會與其他人的代碼發生衝突。稍後在創建服務器代碼時，你也需要使用此 ID。
+
+    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站來生成唯一的 ID。
+
+    `client_name` 是此 MQTT 客戶端在 broker 上的唯一名稱。
+
+1. 在這段新代碼的下方添加以下代碼，以創建 MQTT 客戶端對象並連接到 MQTT broker：
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    此代碼創建客戶端對象，連接到公共 MQTT broker，並啟動一個處理循環，該循環在後台線程中運行，監聽任何已訂閱主題的消息。
+
+1. 以與作業前一部分相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 你可以在 [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) 文件夾或 [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) 文件夾中找到此代碼。
+
+😀 你已成功將設備連接到 MQTT broker。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..96f9aefd
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T23:10:30+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "mo"
+}
+-->
+# 通過網絡控制你的夜燈 - 虛擬物聯網硬件與 Raspberry Pi
+
+在本課程的這部分，你將從 Raspberry Pi 或虛擬物聯網設備向 MQTT broker 發送光照水平的遙測數據。
+
+## 發佈遙測數據
+
+下一步是創建一個包含遙測數據的 JSON 文檔並將其發送到 MQTT broker。
+
+### 任務
+
+向 MQTT broker 發佈遙測數據。
+
+1. 在 VS Code 中打開夜燈項目。
+
+1. 如果你使用的是虛擬物聯網設備，請確保終端正在運行虛擬環境。如果你使用的是 Raspberry Pi，則不需要使用虛擬環境。
+
+1. 在 `app.py` 文件的頂部添加以下導入：
+
+    ```python
+    import json
+    ```
+
+    `json` 庫用於將遙測數據編碼為 JSON 文檔。
+
+1. 在 `client_name` 聲明之後添加以下內容：
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    `client_telemetry_topic` 是設備將光照水平發佈到的 MQTT 主題。
+
+1. 用以下內容替換文件末尾的 `while True:` 循環：
+
+    ```python
+    while True:
+        light = light_sensor.light
+        telemetry = json.dumps({'light' : light})
+
+        print("Sending telemetry ", telemetry)
+    
+        mqtt_client.publish(client_telemetry_topic, telemetry)
+    
+        time.sleep(5)
+    ```
+
+    此代碼將光照水平打包成 JSON 文檔並發佈到 MQTT broker。然後它會休眠以減少消息發送的頻率。
+
+1. 以與完成上一部分作業相同的方式運行代碼。如果你使用的是虛擬物聯網設備，請確保 CounterFit 應用正在運行，並且光傳感器和 LED 已在正確的引腳上創建。
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 你可以在 [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) 文件夾或 [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) 文件夾中找到此代碼。
+
+😀 你已成功從設備發送遙測數據。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..fb85399d
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T23:21:21+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "mo"
+}
+-->
+# 通過網絡控制你的夜燈 - Wio Terminal
+
+在本課程的這部分，你將訂閱從 MQTT broker 發送到 Wio Terminal 的指令。
+
+## 訂閱指令
+
+下一步是訂閱從 MQTT broker 發送的指令，並對其作出響應。
+
+### 任務
+
+訂閱指令。
+
+1. 在 VS Code 中打開夜燈項目。
+
+1. 在 `config.h` 文件的底部添加以下代碼，以定義指令的主題名稱：
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC` 是設備訂閱以接收 LED 指令的主題。
+
+1. 在 `reconnectMQTTClient` 函數的末尾添加以下行，以便在 MQTT 客戶端重新連接時訂閱指令主題：
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. 在 `reconnectMQTTClient` 函數下方添加以下代碼。
+
+    ```cpp
+    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
+    {
+        char buff[length + 1];
+        for (int i = 0; i < length; i++)
+        {
+            buff[i] = (char)payload[i];
+        }
+        buff[length] = '\0';
+    
+        Serial.print("Message received:");
+        Serial.println(buff);
+    
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, buff);
+        JsonObject obj = doc.as<JsonObject>();
+    
+        bool led_on = obj["led_on"];
+    
+        if (led_on)
+            digitalWrite(D0, HIGH);
+        else
+            digitalWrite(D0, LOW);
+    }
+    ```
+
+    此函數將作為 MQTT 客戶端在接收到來自服務器的消息時調用的回調函數。
+
+    消息以無符號 8 位整數數組的形式接收，因此需要轉換為字符數組才能作為文本處理。
+
+    消息包含一個 JSON 文檔，並使用 ArduinoJson 庫進行解碼。JSON 文檔的 `led_on` 屬性被讀取，根據其值來控制 LED 的開啟或關閉。
+
+1. 在 `createMQTTClient` 函數中添加以下代碼：
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    此代碼將 `clientCallback` 設置為在從 MQTT broker 接收到消息時調用的回調函數。
+
+    > 💁 `clientCallback` 處理器會針對所有訂閱的主題被調用。如果你之後編寫代碼來監聽多個主題，可以從回調函數傳遞的 `topic` 參數中獲取消息所屬的主題。
+
+1. 將代碼上傳到你的 Wio Terminal，並使用串行監視器查看發送到 MQTT broker 的光線水平。
+
+1. 調整你的物理或虛擬設備檢測到的光線水平。你將看到消息被接收以及指令在終端中被發送。你還會看到 LED 根據光線水平的變化而開啟或關閉。
+
+> 💁 你可以在 [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) 文件夾中找到這段代碼。
+
+😀 恭喜！你已成功編寫代碼，使你的設備能夠響應來自 MQTT broker 的指令。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..764b78f3
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T23:20:27+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "mo"
+}
+-->
+# 通過互聯網控制你的夜燈 - Wio Terminal
+
+物聯網設備需要編寫程式碼，使用 MQTT 與 *test.mosquitto.org* 通訊，發送光感測器讀取的遙測值，並接收控制 LED 的指令。
+
+在本課程的這部分，你將把 Wio Terminal 連接到 MQTT broker。
+
+## 安裝 WiFi 和 MQTT Arduino 函式庫
+
+為了與 MQTT broker 通訊，你需要安裝一些 Arduino 函式庫，使用 Wio Terminal 的 WiFi 晶片並與 MQTT 通訊。在開發 Arduino 設備時，你可以使用大量的函式庫，這些函式庫包含開源程式碼並實現了多種功能。Seeed 提供了 Wio Terminal 的函式庫，允許其通過 WiFi 通訊。其他開發者也發布了與 MQTT broker 通訊的函式庫，你將使用這些函式庫與你的設備進行互動。
+
+這些函式庫以原始碼形式提供，可以自動導入到 PlatformIO 並編譯到你的設備中。這樣，Arduino 函式庫可以在任何支援 Arduino 框架的設備上運行，前提是該設備具有函式庫所需的特定硬體。一些函式庫，例如 Seeed WiFi 函式庫，是針對特定硬體的。
+
+函式庫可以全域安裝並在需要時編譯，也可以安裝到特定專案中。在這次作業中，函式庫將安裝到專案中。
+
+✅ 你可以在 [PlatformIO 函式庫文檔](https://docs.platformio.org/en/latest/librarymanager/index.html) 中了解更多有關函式庫管理以及如何查找和安裝函式庫的資訊。
+
+### 任務 - 安裝 WiFi 和 MQTT Arduino 函式庫
+
+安裝 Arduino 函式庫。
+
+1. 在 VS Code 中打開夜燈專案。
+
+1. 在 `platformio.ini` 文件的末尾添加以下內容：
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    ```
+
+    這將導入 Seeed WiFi 函式庫。`@ <number>` 語法指的是函式庫的特定版本號。
+
+    > 💁 你可以移除 `@ <number>` 以始終使用最新版本的函式庫，但不能保證後續版本能與下面的程式碼正常運行。此處的程式碼已使用該版本的函式庫進行測試。
+
+    這就是添加函式庫所需的全部操作。下次 PlatformIO 編譯專案時，它將下載這些函式庫的原始碼並編譯到你的專案中。
+
+1. 在 `lib_deps` 中添加以下內容：
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    這將導入 [PubSubClient](https://github.com/knolleary/pubsubclient)，一個 Arduino MQTT 客戶端。
+
+## 連接到 WiFi
+
+現在可以將 Wio Terminal 連接到 WiFi。
+
+### 任務 - 連接到 WiFi
+
+將 Wio Terminal 連接到 WiFi。
+
+1. 在 `src` 資料夾中建立一個名為 `config.h` 的新文件。你可以通過選擇 `src` 資料夾或其中的 `main.cpp` 文件，然後在資源管理器中選擇 **新文件** 按鈕來完成。當你的游標位於資源管理器上時，該按鈕才會出現。
+
+    ![新文件按鈕](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.mo.png)
+
+1. 在此文件中添加以下程式碼以定義 WiFi 憑據的常數：
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    將 `<SSID>` 替換為你的 WiFi SSID。將 `<PASSWORD>` 替換為你的 WiFi 密碼。
+
+1. 打開 `main.cpp` 文件。
+
+1. 在文件頂部添加以下 `#include` 指令：
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    這將包含你之前添加的函式庫的標頭文件以及配置標頭文件。這些標頭文件是必需的，用於告訴 PlatformIO 導入函式庫中的程式碼。如果未顯式包含這些標頭文件，某些程式碼將不會被編譯，並且你會遇到編譯器錯誤。
+
+1. 在 `setup` 函數上方添加以下程式碼：
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    此程式碼在設備未連接到 WiFi 時進行迴圈，並嘗試使用配置標頭文件中的 SSID 和密碼進行連接。
+
+1. 在 `setup` 函數底部，配置引腳後，調用此函數。
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. 將此程式碼上傳到你的設備以檢查 WiFi 連接是否正常。你應該能在序列監視器中看到以下內容。
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    ```
+
+## 連接到 MQTT
+
+Wio Terminal 連接到 WiFi 後，可以連接到 MQTT broker。
+
+### 任務 - 連接到 MQTT
+
+連接到 MQTT broker。
+
+1. 在 `config.h` 文件底部添加以下程式碼，以定義 MQTT broker 的連接詳細資訊：
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    將 `<ID>` 替換為用作此設備客戶端名稱的唯一 ID，稍後用於此設備發布和訂閱的主題。*test.mosquitto.org* broker 是公共的，許多人都在使用，包括其他完成此作業的學生。擁有唯一的 MQTT 客戶端名稱和主題名稱可以確保你的程式碼不會與其他人的程式碼衝突。稍後在此作業中建立伺服器程式碼時，你也需要此 ID。
+
+    > 💁 你可以使用像 [GUIDGen](https://www.guidgen.com) 這樣的網站生成唯一 ID。
+
+    `BROKER` 是 MQTT broker 的 URL。
+
+    `CLIENT_NAME` 是此 MQTT 客戶端在 broker 上的唯一名稱。
+
+1. 打開 `main.cpp` 文件，並在 `connectWiFi` 函數下方、`setup` 函數上方添加以下程式碼：
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    此程式碼使用 Wio Terminal WiFi 函式庫建立 WiFi 客戶端，並使用它建立 MQTT 客戶端。
+
+1. 在此程式碼下方添加以下內容：
+
+    ```cpp
+    void reconnectMQTTClient()
+    {
+        while (!client.connected())
+        {
+            Serial.print("Attempting MQTT connection...");
+    
+            if (client.connect(CLIENT_NAME.c_str()))
+            {
+                Serial.println("connected");
+            }
+            else
+            {
+                Serial.print("Retying in 5 seconds - failed, rc=");
+                Serial.println(client.state());
+                
+                delay(5000);
+            }
+        }
+    }
+    ```
+
+    此函數測試與 MQTT broker 的連接，並在未連接時重新連接。它會在未連接時進行迴圈，並嘗試使用配置標頭文件中定義的唯一客戶端名稱進行連接。
+
+    如果連接失敗，5 秒後重試。
+
+1. 在 `reconnectMQTTClient` 函數下方添加以下程式碼：
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    此程式碼為客戶端設置 MQTT broker，並設置接收到訊息時的回調函數。然後嘗試連接到 broker。
+
+1. 在 WiFi 連接後，在 `setup` 函數中調用 `createMQTTClient` 函數。
+
+1. 用以下程式碼替換整個 `loop` 函數：
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    此程式碼首先重新連接到 MQTT broker。這些連接很容易中斷，因此定期檢查並在必要時重新連接是值得的。然後調用 MQTT 客戶端的 `loop` 方法，處理任何在訂閱主題上接收到的訊息。此應用程式是單執行緒的，因此訊息無法在背景執行緒上接收，因此需要在主執行緒上分配時間來處理任何等待的網路連接訊息。
+
+    最後，2 秒的延遲確保光線水平不會發送得太頻繁，並減少設備的功耗。
+
+1. 將程式碼上傳到你的 Wio Terminal，並使用序列監視器查看設備連接到 WiFi 和 MQTT。
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    ```
+
+> 💁 你可以在 [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) 資料夾中找到此程式碼。
+
+😀 你已成功將設備連接到 MQTT broker。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..20df617d
--- /dev/null
+++ b/translations/mo/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T23:17:54+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "mo"
+}
+-->
+# 通過互聯網控制夜燈 - Wio Terminal
+
+在本課程的這部分，你將把來自 Wio Terminal 的光線強度數據作為遙測數據發送到 MQTT broker。
+
+## 安裝 JSON Arduino 函式庫
+
+使用 JSON 是通過 MQTT 發送消息的一種常見方式。有一個 Arduino 的 JSON 函式庫，可以讓讀取和寫入 JSON 文件變得更加簡單。
+
+### 任務
+
+安裝 Arduino JSON 函式庫。
+
+1. 在 VS Code 中打開夜燈專案。
+
+1. 在 `platformio.ini` 文件的 `lib_deps` 列表中新增以下一行：
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    這將匯入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 函式庫。
+
+## 發佈遙測數據
+
+下一步是創建一個包含遙測數據的 JSON 文件，並將其發送到 MQTT broker。
+
+### 任務 - 發佈遙測數據
+
+將遙測數據發佈到 MQTT broker。
+
+1. 在 `config.h` 文件的底部新增以下程式碼，定義 MQTT broker 的遙測主題名稱：
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC` 是設備將用來發佈光線強度數據的主題。
+
+1. 打開 `main.cpp` 文件。
+
+1. 在文件頂部新增以下 `#include` 指令：
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. 在 `loop` 函數內，`delay` 之前新增以下程式碼：
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+
+    DynamicJsonDocument doc(1024);
+    doc["light"] = light;
+
+    string telemetry;
+    serializeJson(doc, telemetry);
+
+    Serial.print("Sending telemetry ");
+    Serial.println(telemetry.c_str());
+
+    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
+    ```
+
+    這段程式碼會讀取光線強度，並使用 ArduinoJson 創建一個包含該數據的 JSON 文件。接著，將其序列化為字串，並通過 MQTT 客戶端發佈到遙測 MQTT 主題。
+
+1. 將程式碼上傳到你的 Wio Terminal，並使用序列監視器查看發送到 MQTT broker 的光線強度數據。
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 你可以在 [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 恭喜！你已成功從設備發送遙測數據。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/README.md b/translations/mo/2-farm/README.md
new file mode 100644
index 00000000..08ac4af1
--- /dev/null
+++ b/translations/mo/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T22:12:02+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "mo"
+}
+-->
+# 使用物聯網進行農業
+
+隨著人口增長，農業的需求也在增加。可用的土地面積不會改變，但氣候卻在變化——這給農民帶來了更多挑戰，尤其是那20億依靠自己種植的作物來維持生計的[自給農民](https://wikipedia.org/wiki/Subsistence_agriculture)。物聯網可以幫助農民更聰明地決定種植什麼以及何時收穫，提升產量，減少人工勞動，並檢測和處理害蟲問題。
+
+在這6節課中，您將學習如何應用物聯網來改善和自動化農業。
+
+> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保[清理您的專案](../clean-up.md)。
+
+## 主題
+
+1. [使用物聯網預測植物生長](lessons/1-predict-plant-growth/README.md)
+1. [檢測土壤濕度](lessons/2-detect-soil-moisture/README.md)
+1. [自動化植物澆水](lessons/3-automated-plant-watering/README.md)
+1. [將您的植物遷移到雲端](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [將您的應用邏輯遷移到雲端](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [保護您的植物安全](lessons/6-keep-your-plant-secure/README.md)
+
+## 致謝
+
+所有課程均由[Jim Bennett](https://GitHub.com/JimBobBennett)以♥️撰寫。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..2662acab
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T22:15:05+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "mo"
+}
+-->
+## 使用物聯網預測植物生長
+
+![本課程概述的手繪筆記](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## 簡介
+
+植物需要某些條件才能生長——水、二氧化碳、養分、光和熱。在本課程中，您將學習如何通過測量空氣溫度來計算植物的生長和成熟速度。
+
+本課程將涵蓋以下內容：
+
+* [數字農業](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [溫度在農業中的重要性](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [測量環境溫度](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [生長度日 (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [使用溫度傳感器數據計算 GDD](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## 數字農業
+
+數字農業正在改變我們的耕作方式，通過工具收集、存儲和分析農業數據。我們目前正處於世界經濟論壇所描述的“第四次工業革命”時期，而數字農業的興起被稱為“第四次農業革命”或“農業 4.0”。
+
+> 🎓 “數字農業”這個術語還包括整個“農業價值鏈”，即從農場到餐桌的整個過程。它包括在食品運輸和加工過程中追蹤產品質量、倉庫和電子商務系統，甚至拖拉機租賃應用程序！
+
+這些變化使農民能夠提高產量，減少化肥和農藥的使用，並更有效地利用水資源。雖然主要在富裕國家使用，但傳感器和其他設備的價格正在逐漸下降，使其在發展中國家也越來越容易獲得。
+
+數字農業支持的一些技術包括：
+
+* 溫度測量——測量溫度使農民能夠預測植物的生長和成熟。
+* 自動灌溉——測量土壤濕度並在土壤過於乾燥時啟動灌溉系統，而不是定時灌溉。定時灌溉可能導致作物在炎熱乾燥的時期缺水，或在下雨時過度灌溉。通過僅在土壤需要時灌溉，農民可以優化水的使用。
+* 害蟲控制——農民可以使用自動機器人或無人機上的攝像頭檢查害蟲，然後僅在需要的地方施用農藥，減少農藥的使用量並減少農藥流入當地水源。
+
+✅ 做一些研究。還有哪些技術可以用來提高農業產量？
+
+> 🎓 “精準農業”這個術語用來描述基於每塊田地甚至田地的一部分進行觀察、測量和響應。這包括測量水分、養分和害蟲水平並準確響應，例如僅灌溉田地的一小部分。
+
+## 溫度在農業中的重要性
+
+在學習植物時，大多數學生都會學到水、光、二氧化碳和養分的重要性。植物還需要溫暖才能生長——這就是為什麼植物在春天隨著溫度升高而開花，為什麼雪花蓮或水仙花會因短暫的暖和天氣而提前萌芽，以及為什麼溫室和暖房能促進植物生長。
+
+> 🎓 暖房和溫室的功能相似，但有一個重要的區別。暖房是人工加熱的，能讓農民更精確地控制溫度；溫室則依賴陽光提供溫暖，通常只能通過窗戶或其他開口來排熱。
+
+植物有基礎溫度、最佳溫度和最高溫度，這些溫度值基於每日平均溫度。
+
+* 基礎溫度——這是植物生長所需的最低每日平均溫度。
+* 最佳溫度——這是植物生長最快的最佳每日平均溫度。
+* 最高溫度——這是植物能承受的最高溫度。超過此溫度，植物會停止生長以保存水分並維持生命。
+
+> 💁 這些是平均溫度，基於白天和夜晚的溫度平均值。植物還需要白天和夜晚的不同溫度，以便更有效地進行光合作用並在夜晚節省能量。
+
+每種植物的基礎溫度、最佳溫度和最高溫度值都不同。這就是為什麼有些植物在熱帶國家生長良好，而有些植物則適合寒冷的國家。
+
+✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們的基礎溫度。
+
+![一個顯示溫度與生長率關係的圖表，溫度升高時生長率上升，溫度過高時生長率下降](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.mo.png)
+
+上圖顯示了一個生長率與溫度的關係示例圖表。在基礎溫度以下，植物不會生長。生長率在最佳溫度時達到峰值，然後在超過此溫度後下降。在最高溫度時，生長停止。
+
+此圖表的形狀因植物種類而異。有些植物在最佳溫度以上的下降更陡峭，有些植物從基礎溫度到最佳溫度的上升更緩慢。
+
+> 💁 農民要想獲得最佳生長效果，需要了解植物的三個溫度值以及它們的圖表形狀。
+
+如果農民能控制溫度，例如在商業暖房中，他們就可以為植物進行最佳化。例如，商業暖房中種植的番茄白天溫度設置為約 25°C，夜間設置為約 20°C，以獲得最快的生長速度。
+
+> 🍅 結合這些溫度值、人工光源、肥料和受控的二氧化碳水平，商業種植者可以全年種植和收穫。
+
+## 測量環境溫度
+
+溫度傳感器可以與物聯網設備一起使用來測量環境溫度。
+
+### 任務 - 測量溫度
+
+按照相關指南使用您的物聯網設備監測溫度：
+
+* [Arduino - Wio Terminal](wio-terminal-temp.md)
+* [單板電腦 - Raspberry Pi](pi-temp.md)
+* [單板電腦 - 虛擬設備](virtual-device-temp.md)
+
+## 生長度日 (GDD)
+
+生長度日（也稱為生長度單位）是一種基於溫度測量植物生長的方法。假設植物有足夠的水分、養分和二氧化碳，溫度決定了生長速度。
+
+生長度日（GDD）每天計算，作為一天的平均溫度（以攝氏度計算）超過植物基礎溫度的部分。每種植物需要一定數量的 GDD 才能生長、開花或成熟並產出作物。每天的 GDD 越多，植物生長越快。
+
+> 🇺🇸 對於美國人來說，生長度日也可以用華氏度計算。5 GDD（以攝氏度計算）相當於 9 GDD（以華氏度計算）。
+
+完整的 GDD 計算公式稍微複雜，但通常使用簡化公式作為良好的近似值：
+
+![GDD = T max + T min 除以 2，減去 T base](../../../../../translated_images/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.mo.png)
+
+* **GDD** - 生長度日的數量
+* **T max** - 每日最高溫度（攝氏度）
+* **T min** - 每日最低溫度（攝氏度）
+* **T base** - 植物的基礎溫度（攝氏度）
+
+> 💁 有些變體處理 T max 超過 30°C 或 T min 低於 T base 的情況，但我們暫時忽略這些。
+
+### 示例 - 玉米 🌽
+
+根據品種不同，玉米（或稱為玉蜀黍）需要 800 到 2,700 GDD 才能成熟，基礎溫度為 10°C。
+
+在基礎溫度以上的第一天，測得以下溫度：
+
+| 測量值 | 溫度 °C |
+| :----- | :-----: |
+| 最高溫度 | 16      |
+| 最低溫度 | 12      |
+
+將這些數值代入公式：
+
+* T max = 16
+* T min = 12
+* T base = 10
+
+計算結果為：
+
+![GDD = 16 + 12 除以 2，減去 10，結果為 4](../../../../../translated_images/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.mo.png)
+
+玉米在那一天獲得了 4 GDD。假設一種需要 800 GDD 才能成熟的玉米品種，它還需要 796 GDD 才能達到成熟。
+
+✅ 做一些研究。看看您花園、學校或當地公園中的植物，是否能找到它們成熟或產出作物所需的 GDD 數量。
+
+## 使用溫度傳感器數據計算 GDD
+
+植物的生長並不是固定日期的——例如，您不能種下一顆種子並確定植物會在 100 天後準確結果。相反，農民可以大致了解植物的生長時間，然後每天檢查作物是否準備好。
+
+在大型農場中，這會對勞動力產生巨大影響，並且農民可能會錯過意外提前成熟的作物。通過測量溫度，農民可以計算植物獲得的 GDD，從而只需在接近預期成熟時進行檢查。
+
+通過使用物聯網設備收集溫度數據，農民可以在植物接近成熟時自動收到通知。典型的架構是物聯網設備測量溫度，然後使用類似 MQTT 的技術通過互聯網發布這些遙測數據。服務器代碼會監聽這些數據並將其保存到某個地方，例如數據庫。這樣，數據可以稍後進行分析，例如每天晚上計算當天的 GDD，累計每種作物的 GDD，並在植物接近成熟時發出警報。
+
+![遙測數據被發送到服務器並保存到數據庫](../../../../../translated_images/save-telemetry-database.ddc9c6bea0c5ba39449966a463ca6748cd8e2d565dab44ff31c9f1d2f6c21d27.mo.png)
+
+服務器代碼還可以增強數據，添加額外的信息。例如，物聯網設備可以發布一個標識符來指示是哪個設備，服務器代碼可以使用此標識符查找設備的位置以及它正在監測的作物。它還可以添加基本數據，例如當前時間，因為某些物聯網設備沒有必要的硬件來準確跟蹤時間，或者需要額外的代碼通過互聯網讀取當前時間。
+
+✅ 您認為為什麼不同的田地可能會有不同的溫度？
+
+### 任務 - 發布溫度信息
+
+按照相關指南使用您的物聯網設備通過 MQTT 發布溫度數據，以便稍後進行分析：
+
+* [Arduino - Wio Terminal](wio-terminal-temp-publish.md)
+* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-temp-publish.md)
+
+### 任務 - 捕獲並存儲溫度信息
+
+一旦物聯網設備開始發布遙測數據，服務器代碼可以編寫來訂閱這些數據並存儲它們。服務器代碼將數據保存到逗號分隔值 (CSV) 文件，而不是保存到數據庫。CSV 文件以文本形式存儲數據，每行是一條記錄，每個值由逗號分隔。它是一種方便、可讀性高且支持良好的文件存儲方式。
+
+CSV 文件將有兩列——*日期* 和 *溫度*。*日期* 列設置為服務器接收到消息的當前日期和時間，*溫度* 來自遙測消息。
+
+1. 重複第 4 課中的步驟，創建服務器代碼以訂閱遙測數據。您不需要添加發布命令的代碼。
+
+    這些步驟包括：
+
+    * 配置並激活 Python 虛擬環境
+
+    * 安裝 paho-mqtt pip 套件
+
+    * 編寫代碼以監聽發布到遙測主題的 MQTT 消息
+
+      > ⚠️ 如果需要，您可以參考 [第 4 課中創建 Python 應用程序以接收遙測數據的說明](../../../1-getting-started/lessons/4-connect-internet/README.md#receive-telemetry-from-the-mqtt-broker)。
+
+    將此項目的文件夾命名為 `temperature-sensor-server`。
+
+1. 確保 `client_name` 反映此項目：
+
+    ```cpp
+    client_name = id + 'temperature_sensor_server'
+    ```
+
+1. 在文件頂部的現有導入語句下添加以下導入：
+
+    ```python
+    from os import path
+    import csv
+    from datetime import datetime
+    ```
+
+    這導入了一個用於讀取文件的庫、一個與 CSV 文件交互的庫，以及一個幫助處理日期和時間的庫。
+
+1. 在 `handle_telemetry` 函數之前添加以下代碼：
+
+    ```python
+    temperature_file_name = 'temperature.csv'
+    fieldnames = ['date', 'temperature']
+    
+    if not path.exists(temperature_file_name):
+        with open(temperature_file_name, mode='w') as csv_file:
+            writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
+            writer.writeheader()
+    ```
+
+    此代碼聲明了一些常量，用於指定要寫入的文件名以及 CSV 文件的列標題名稱。CSV 文件的第一行通常包含用逗號分隔的列標題。
+
+    然後代碼檢查 CSV 文件是否已存在。如果不存在，則創建該文件並在第一行添加列標題。
+
+1. 在 `handle_telemetry` 函數末尾添加以下代碼：
+
+    ```python
+    with open(temperature_file_name, mode='a') as temperature_file:        
+        temperature_writer = csv.DictWriter(temperature_file, fieldnames=fieldnames)
+        temperature_writer.writerow({'date' : datetime.now().astimezone().replace(microsecond=0).isoformat(), 'temperature' : payload['temperature']})
+    ```
+此程式碼會開啟 CSV 檔案，然後在最後新增一列資料。這一列包含以人類可讀格式顯示的當前日期和時間，接著是從 IoT 裝置接收到的溫度數據。資料會以 [ISO 8601 格式](https://wikipedia.org/wiki/ISO_8601) 儲存，包含時區資訊，但不包含微秒。
+
+1. 像之前一樣執行此程式，確保你的 IoT 裝置正在傳送數據。一個名為 `temperature.csv` 的 CSV 檔案會在相同的資料夾中建立。打開檔案後，你會看到日期/時間和溫度測量值：
+
+    ```output
+    date,temperature
+    2021-04-19T17:21:36-07:00,25
+    2021-04-19T17:31:36-07:00,24
+    2021-04-19T17:41:36-07:00,25
+    ```
+
+1. 執行此程式一段時間以收集數據。理想情況下，你應該執行一整天以收集足夠的數據來進行 GDD 計算。
+
+    
+> 💁 如果你使用的是虛擬 IoT 裝置，請勾選隨機選項並設定一個範圍，以避免每次返回的溫度值都相同。
+    ![勾選隨機選項並設定範圍](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.mo.png) 
+
+    > 💁 如果你想執行一整天，請確保執行伺服器程式的電腦不會進入睡眠模式，可以透過更改電源設定，或者執行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
+    
+> 💁 你可以在 [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) 資料夾中找到這段程式碼。
+
+### 任務 - 使用儲存的數據計算 GDD
+
+當伺服器捕捉到溫度數據後，可以計算植物的 GDD。
+
+手動執行的步驟如下：
+
+1. 找到植物的基準溫度。例如，草莓的基準溫度是 10°C。
+
+1. 從 `temperature.csv` 中找到當天的最高和最低溫度。
+
+1. 使用之前提到的 GDD 計算公式來計算 GDD。
+
+例如，如果當天的最高溫度是 25°C，最低溫度是 12°C：
+
+![GDD = 25 + 12 除以 2，然後從結果中減去 10，得到 8.5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.mo.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+因此，草莓獲得了 **8.5** GDD。草莓需要大約 250 GDD 才能結果，所以還需要一段時間。
+
+---
+
+## 🚀 挑戰
+
+植物的生長不僅需要熱量，還需要其他條件。還需要哪些條件？
+
+針對這些條件，找找是否有感測器可以測量它們。有沒有執行器可以控制這些條件的水平？你會如何組合一個或多個 IoT 裝置來優化植物的生長？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## 複習與自學
+
+* 在 [數位農業維基百科頁面](https://wikipedia.org/wiki/Digital_agriculture) 閱讀更多關於數位農業的資訊。同時也可以在 [精準農業維基百科頁面](https://wikipedia.org/wiki/Precision_agriculture) 閱讀更多關於精準農業的內容。
+* 完整的生長度日計算比這裡提供的簡化公式更為複雜。閱讀更多關於更複雜的公式以及如何處理低於基準溫度的情況，請參考 [生長度日維基百科頁面](https://wikipedia.org/wiki/Growing_degree-day)。
+* 如果我們仍然使用相同的農業方法，未來可能會面臨糧食短缺的問題。了解更多關於高科技農業技術，請觀看這段 [未來高科技農場的 YouTube 影片](https://www.youtube.com/watch?v=KIEOuKD9KX8)。
+
+## 作業
+
+[使用 Jupyter Notebook 視覺化 GDD 數據](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..42b98c0e
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T22:17:03+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 使用 Jupyter Notebook 視覺化 GDD 數據
+
+## 說明
+
+在本課程中，你使用 IoT 感測器收集了 GDD 數據。要獲得良好的 GDD 數據，你需要收集多天的數據。為了幫助視覺化溫度數據並計算 GDD，你可以使用像 [Jupyter Notebooks](https://jupyter.org) 這樣的工具來分析數據。
+
+首先，收集幾天的數據。你需要確保你的伺服器程式在 IoT 裝置運行期間始終保持運行，可以通過調整電源管理設置或運行類似 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
+
+一旦你有了溫度數據，你可以使用此 repo 中的 Jupyter Notebook 來視覺化數據並計算 GDD。Jupyter Notebook 將程式碼和說明混合在稱為 *cells* 的區塊中，通常是 Python 程式碼。你可以閱讀說明，然後逐塊執行每段程式碼。你也可以編輯程式碼。例如，在此 Notebook 中，你可以編輯用於計算植物 GDD 的基準溫度。
+
+1. 建立一個名為 `gdd-calculation` 的資料夾
+
+1. 下載 [gdd.ipynb](./code-notebook/gdd.ipynb) 檔案並將其複製到 `gdd-calculation` 資料夾中。
+
+1. 複製由 MQTT 伺服器生成的 `temperature.csv` 檔案
+
+1. 在 `gdd-calculation` 資料夾中建立一個新的 Python 虛擬環境。
+
+1. 安裝一些 Jupyter Notebook 所需的 pip 套件，以及管理和繪製數據所需的庫：
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. 在 Jupyter 中運行 Notebook：
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    Jupyter 會啟動並在瀏覽器中打開 Notebook。按照 Notebook 中的說明逐步操作，視覺化測量的溫度並計算生長度日。
+
+    ![Jupyter Notebook](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.mo.png)
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 數據收集 | 收集至少 2 天完整的數據 | 收集至少 1 天完整的數據 | 收集部分數據 |
+| 計算 GDD | 成功運行 Notebook 並計算 GDD | 成功運行 Notebook | 無法運行 Notebook |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..424ab226
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# 生長度日\n",
+    "\n",
+    "此筆記本載入儲存在 CSV 檔案中的溫度數據並進行分析。它繪製溫度圖表，顯示每天的最高和最低溫度，並計算 GDD。\n",
+    "\n",
+    "使用此筆記本的方法：\n",
+    "\n",
+    "* 將 `temperature.csv` 檔案複製到與此筆記本相同的資料夾中\n",
+    "* 使用上方的 **▶︎ Run** 按鈕執行所有單元格。這將執行選定的單元格，然後移至下一個單元格。\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "在下面的單元格中，將 `base_temperature` 設置為植物的基礎溫度。\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "現在需要使用 pandas 加載 CSV 文件\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "一旦讀取了數據，就可以按 `date` 欄位分組，並提取每個日期的最低和最高溫度。\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert datetimes to pure dates so we can group by the date\n",
+    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
+    "\n",
+    "# Group the data by date so it can be analyzed by date\n",
+    "data_by_date = df.groupby('date')\n",
+    "\n",
+    "# Get the minimum and maximum temperatures for each date\n",
+    "min_by_date = data_by_date.min()\n",
+    "max_by_date = data_by_date.max()\n",
+    "\n",
+    "# Join the min and max temperatures into one dataframe and flatten it\n",
+    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
+    "min_max_by_date = min_max_by_date.reset_index()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "GDD 可以使用標準 GDD 方程式計算\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**免責聲明**：  \n本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.1"
+  },
+  "metadata": {
+   "interpreter": {
+    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
+   }
+  },
+  "coopTranslator": {
+   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
+   "translation_date": "2025-08-27T01:06:18+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "mo"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..8e54a23e
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T22:21:40+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "mo"
+}
+-->
+# 測量溫度 - Raspberry Pi
+
+在本課程的這部分，你將為 Raspberry Pi 添加一個溫度感測器。
+
+## 硬體
+
+你將使用的感測器是 [DHT11 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個模組中。這是一款相當受歡迎的感測器，市面上有許多結合溫度、濕度，有時甚至包含大氣壓力的感測器。溫度感測器部分是一個負溫度係數（NTC）熱敏電阻，這是一種電阻會隨著溫度升高而降低的熱敏電阻。
+
+這是一個數位感測器，因此內建了一個 ADC（模數轉換器），用於生成包含溫度和濕度數據的數位信號，供微控制器讀取。
+
+### 連接溫度感測器
+
+Grove 溫度感測器可以連接到 Raspberry Pi。
+
+#### 任務
+
+連接溫度感測器
+
+![Grove 溫度感測器](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.mo.png)
+
+1. 將 Grove 線纜的一端插入濕度與溫度感測器的插座。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關機的情況下，將 Grove 線纜的另一端連接到 Pi 上 Grove Base Hat 的數位插座 **D5**。這個插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
+
+![Grove 溫度感測器連接到插座 A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.mo.png)
+
+## 編寫溫度感測器程式
+
+現在可以編寫程式來使用已連接的溫度感測器。
+
+### 任務
+
+編寫程式。
+
+1. 啟動 Raspberry Pi，等待其完成開機。
+
+1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
+
+    > ⚠️ 如果需要，可以參考[第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
+
+1. 在終端中，於 `pi` 使用者的主目錄中創建一個名為 `temperature-sensor` 的新資料夾。在該資料夾中創建一個名為 `app.py` 的檔案：
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. 在 VS Code 中打開這個資料夾。
+
+1. 要使用溫度與濕度感測器，需要安裝一個額外的 Pip 套件。在 VS Code 的終端中執行以下命令，將該 Pip 套件安裝到 Raspberry Pi 上：
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. 在 `app.py` 檔案中添加以下程式碼以匯入所需的函式庫：
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` 語句從 `seeed_dht` 模組中匯入了 `DHT` 感測器類別，用於與 Grove 溫度感測器互動。
+
+1. 在上述程式碼之後添加以下程式碼，創建一個管理溫度感測器的類別實例：
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    這段程式碼聲明了一個 `DHT` 類別的實例，用於管理**數位濕度與溫度感測器**。第一個參數告訴程式使用的是 *DHT11* 感測器——你使用的函式庫還支援該感測器的其他變體。第二個參數告訴程式感測器連接到 Grove Base Hat 的數位插座 `D5`。
+
+    > ✅ 請記住，每個插座都有唯一的引腳編號。引腳 0、2、4 和 6 是類比引腳，引腳 5、16、18、22、24 和 26 是數位引腳。
+
+1. 在上述程式碼之後添加一個無限迴圈，用於輪詢溫度感測器的值並將其輸出到控制台：
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    呼叫 `sensor.read()` 會返回一個包含濕度和溫度的元組。你只需要溫度值，因此可以忽略濕度值。然後將溫度值輸出到控制台。
+
+1. 在迴圈的最後添加一個 10 秒的延遲，因為不需要持續檢查溫度值。延遲可以減少裝置的功耗。
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. 在 VS Code 的終端中執行以下命令來運行你的 Python 應用程式：
+
+    ```sh
+    python3 app.py
+    ```
+
+    你應該會看到溫度值輸出到控制台。使用某些東西來加熱感測器，例如用手指按住它，或者使用風扇，觀察數值的變化：
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 你可以在 [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) 資料夾中找到這段程式碼。
+
+😀 你的溫度感測器程式成功運行了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..e71f3e96
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T22:16:22+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "mo"
+}
+-->
+# 發佈溫度 - 虛擬物聯網硬體與樹莓派
+
+在本課程中，您將透過 MQTT 發佈由樹莓派或虛擬物聯網設備檢測到的溫度值，以便稍後用於計算 GDD。
+
+## 發佈溫度
+
+一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」代碼，該代碼將讀取這些值並存儲它們，以便用於 GDD 計算。
+
+### 任務 - 發佈溫度
+
+編程設備以發佈溫度數據。
+
+1. 如果尚未打開，請打開 `temperature-sensor` 應用程式專案。
+
+1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
+
+    這些步驟包括：
+
+    - 添加 MQTT pip 套件
+    - 添加連接到 MQTT broker 的代碼
+    - 添加發佈遙測數據的代碼
+
+    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md)（第 4 課）。
+
+1. 確保 `client_name` 反映此專案的名稱：
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. 對於遙測數據，與其發送光線值，不如發送從 DHT 感測器讀取的溫度值，並將其作為 JSON 文件中的 `temperature` 屬性：
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. 溫度值不需要頻繁讀取——在短時間內不會有太大變化，因此將 `time.sleep` 設置為 10 分鐘：
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 `sleep` 函數以秒為單位，因此為了更容易閱讀，該值是通過計算得出的。1 分鐘有 60 秒，因此 10 x (1 分鐘的 60 秒) 得出 10 分鐘的延遲。
+
+1. 以與之前作業部分相同的方式運行代碼。如果您使用的是虛擬物聯網設備，請確保 CounterFit 應用程式正在運行，並且濕度和溫度感測器已在正確的引腳上創建。
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 您可以在 [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) 資料夾或 [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) 資料夾中找到此代碼。
+
+😀 您已成功將溫度作為遙測數據從您的設備發佈出去。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..9f5ba8ea
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T22:20:24+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "mo"
+}
+-->
+# 測量溫度 - 虛擬物聯網硬體
+
+在本課程中，您將為虛擬物聯網設備添加一個溫度感測器。
+
+## 虛擬硬體
+
+虛擬物聯網設備將使用模擬的 Grove 數位濕度與溫度感測器。這樣的設置與使用搭載實體 Grove DHT11 感測器的 Raspberry Pi 相同。
+
+該感測器結合了一個**溫度感測器**和一個**濕度感測器**，但在本實驗中，您只需關注溫度感測器的部分。在實體物聯網設備中，溫度感測器通常是一個[熱敏電阻](https://wikipedia.org/wiki/Thermistor)，通過感應電阻隨溫度變化的改變來測量溫度。溫度感測器通常是數位感測器，內部會將測量到的電阻轉換為攝氏度（或開氏度、華氏度）的溫度。
+
+### 將感測器添加到 CounterFit
+
+要使用虛擬濕度和溫度感測器，您需要將這兩個感測器添加到 CounterFit 應用中。
+
+#### 任務 - 將感測器添加到 CounterFit
+
+將濕度和溫度感測器添加到 CounterFit 應用中。
+
+1. 在您的電腦上建立一個名為 `temperature-sensor` 的資料夾，並在其中創建一個名為 `app.py` 的單一檔案，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
+
+    > ⚠️ 如果需要，您可以參考[第 1 課中有關創建和設置 CounterFit Python 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
+
+1. 安裝一個額外的 Pip 套件，用於安裝 DHT11 感測器的 CounterFit shim。確保您是在啟用虛擬環境的終端中進行安裝。
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. 確保 CounterFit 網頁應用正在運行。
+
+1. 創建一個濕度感測器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Humidity*。
+
+    1. 將 *Units* 保持為 *Percentage*。
+
+    1. 確保 *Pin* 設置為 *5*。
+
+    1. 點擊 **Add** 按鈕，在 Pin 5 上創建濕度感測器。
+
+    ![濕度感測器設置](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.mo.png)
+
+    濕度感測器將被創建並顯示在感測器列表中。
+
+    ![已創建的濕度感測器](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.mo.png)
+
+1. 創建一個溫度感測器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Temperature*。
+
+    1. 將 *Units* 保持為 *Celsius*。
+
+    1. 確保 *Pin* 設置為 *6*。
+
+    1. 點擊 **Add** 按鈕，在 Pin 6 上創建溫度感測器。
+
+    ![溫度感測器設置](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.mo.png)
+
+    溫度感測器將被創建並顯示在感測器列表中。
+
+    ![已創建的溫度感測器](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.mo.png)
+
+## 編寫溫度感測器應用程式
+
+現在可以使用 CounterFit 感測器來編寫溫度感測器應用程式。
+
+### 任務 - 編寫溫度感測器應用程式
+
+編寫溫度感測器應用程式。
+
+1. 確保 `temperature-sensor` 應用已在 VS Code 中打開。
+
+1. 打開 `app.py` 檔案。
+
+1. 在 `app.py` 的頂部添加以下程式碼，將應用連接到 CounterFit：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. 在 `app.py` 檔案中添加以下程式碼以匯入所需的函式庫：
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` 語句匯入了 `DHT` 感測器類，用於通過 `counterfit_shims_seeed_python_dht` 模組的 shim 與虛擬 Grove 溫度感測器進行互動。
+
+1. 在上述程式碼之後添加以下程式碼，創建一個管理虛擬濕度和溫度感測器的類別實例：
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    這聲明了一個 `DHT` 類的實例，用於管理虛擬的**數位濕度與溫度感測器**。第一個參數告訴程式使用的是虛擬 *DHT11* 感測器。第二個參數告訴程式感測器連接到埠 `5`。
+
+    > 💁 CounterFit 通過連接兩個感測器來模擬這個結合的濕度與溫度感測器，一個濕度感測器連接到創建 `DHT` 類時指定的埠，另一個溫度感測器運行在下一個埠。如果濕度感測器在埠 5 上，shim 預期溫度感測器在埠 6 上。
+
+1. 在上述程式碼之後添加一個無限迴圈，用於輪詢溫度感測器的值並將其打印到控制台：
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    調用 `sensor.read()` 會返回一個包含濕度和溫度的元組。您只需要溫度值，因此可以忽略濕度值。然後將溫度值打印到控制台。
+
+1. 在 `loop` 的末尾添加一個 10 秒的小延遲，因為不需要連續檢查溫度水平。延遲可以減少設備的功耗。
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. 在啟用虛擬環境的 VS Code 終端中，運行以下命令來執行您的 Python 應用程式：
+
+    ```sh
+    python app.py
+    ```
+
+1. 在 CounterFit 應用中更改溫度感測器的值，該值將被應用程式讀取。您可以通過以下兩種方式進行更改：
+
+    * 在溫度感測器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將成為感測器返回的值。
+
+    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次感測器讀取值時，將讀取一個介於 *Min* 和 *Max* 之間的隨機數。
+
+    您應該能在控制台中看到您設置的值。更改 *Value* 或 *Random* 設置以查看值的變化。
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 您可以在 [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) 資料夾中找到此程式碼。
+
+😀 恭喜！您的溫度感測器程式成功運行！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..d3aa4602
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T22:19:04+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "mo"
+}
+-->
+# 發佈溫度 - Wio Terminal
+
+在本課程中，您將透過 MQTT 發佈由 Wio Terminal 偵測到的溫度值，以便稍後用於計算 GDD。
+
+## 發佈溫度
+
+一旦讀取到溫度值，就可以透過 MQTT 發佈到某些「伺服器」程式碼，該程式碼將讀取這些值並儲存，準備用於 GDD 計算。微控制器無法直接從網路讀取時間，也無法內建實時時鐘來追蹤時間，設備需要被編程以執行此操作，前提是它具備必要的硬體。
+
+為了簡化本課程的內容，時間不會與感測器數據一起發送，而是可以在伺服器程式碼接收到訊息後再添加。
+
+### 任務
+
+編程設備以發佈溫度數據。
+
+1. 打開 `temperature-sensor` Wio Terminal 專案
+
+1. 重複您在第 4 課中所做的步驟以連接到 MQTT 並發送遙測數據，您將使用相同的公共 Mosquitto broker。
+
+    這些步驟包括：
+
+    - 在 `.ini` 文件中添加 Seeed WiFi 和 MQTT 函式庫
+    - 添加配置文件和連接 WiFi 的程式碼
+    - 添加連接到 MQTT broker 的程式碼
+    - 添加發佈遙測數據的程式碼
+
+    > ⚠️ 如有需要，請參考 [連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) 和 [發送遙測數據的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md)（第 4 課）。
+
+1. 確保 `config.h` 標頭文件中的 `CLIENT_NAME` 反映此專案：
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. 對於遙測數據，將讀取的 DHT 感測器溫度值作為 JSON 文件中的 `temperature` 屬性發送，而不是發送光線值，通過修改 `main.cpp` 中的 `loop` 函數：
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. 溫度值不需要頻繁讀取——在短時間內它不會有太大變化，因此將 `loop` 函數中的 `delay` 設置為 10 分鐘：
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 `delay` 函數以毫秒為單位，因此為了更容易閱讀，該值是通過計算得出的。1,000 毫秒等於 1 秒，60 秒等於 1 分鐘，因此 10 x (60 秒/分鐘) x (1000 毫秒/秒) 得出 10 分鐘的延遲。
+
+1. 將程式上傳到您的 Wio Terminal，並使用序列監視器查看溫度是否已成功發送到 MQTT broker。
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"temperature":25}
+    Sending telemetry {"temperature":25}
+    ```
+
+> 💁 您可以在 [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您已成功將設備的溫度作為遙測數據發佈。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..03f4c8f0
--- /dev/null
+++ b/translations/mo/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T22:18:12+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "mo"
+}
+-->
+# 測量溫度 - Wio Terminal
+
+在本課程中，您將為 Wio Terminal 添加一個溫度感測器，並從中讀取溫度值。
+
+## 硬體
+
+Wio Terminal 需要一個溫度感測器。
+
+您將使用的感測器是 [DHT11 濕度和溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)，它將兩個感測器結合在一個封裝中。這是一款相當流行的感測器，市面上有許多商業化的感測器結合了溫度、濕度，有時還包括大氣壓力。溫度感測器部分是一個負溫度係數（NTC）熱敏電阻，這是一種隨著溫度升高電阻會降低的熱敏電阻。
+
+這是一個數位感測器，因此內建了 ADC（模擬數位轉換器），可以生成包含溫度和濕度數據的數位信號，供微控制器讀取。
+
+### 連接溫度感測器
+
+Grove 溫度感測器可以連接到 Wio Terminal 的數位端口。
+
+#### 任務 - 連接溫度感測器
+
+連接溫度感測器。
+
+![Grove 溫度感測器](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.mo.png)
+
+1. 將 Grove 電纜的一端插入濕度和溫度感測器上的插座。它只能以一種方式插入。
+
+1. 在 Wio Terminal 未連接到您的電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 螢幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
+
+![Grove 溫度感測器連接到右側插座](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.mo.png)
+
+## 程式設計溫度感測器
+
+現在可以為 Wio Terminal 編寫程式以使用連接的溫度感測器。
+
+### 任務 - 程式設計溫度感測器
+
+編寫程式。
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `temperature-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
+
+    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
+
+1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 濕度和溫度感測器庫的依賴項：
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ 如果需要，您可以參考 [專案 1，第 4 課中向 PlatformIO 專案添加庫的指導](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries)。
+
+1. 在文件頂部的現有 `#include <Arduino.h>` 下添加以下 `#include` 指令：
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    這些指令導入了與感測器互動所需的文件。`DHT.h` 標頭文件包含感測器本身的程式碼，而添加 `SPI.h` 標頭則確保在應用程式編譯時鏈接了與感測器通信所需的程式碼。
+
+1. 在 `setup` 函數之前，宣告 DHT 感測器：
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    這宣告了一個管理 **D**igital **H**umidity 和 **T**emperature 感測器的 `DHT` 類實例。此感測器連接到 Wio Terminal 的 `D0` 端口，即右側的 Grove 插座。第二個參數告訴程式使用的是 *DHT11* 感測器——您使用的庫支援此感測器的其他變體。
+
+1. 在 `setup` 函數中，添加程式碼以設置序列連接：
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. 在 `setup` 函數的最後一個 `delay` 之後，添加啟動 DHT 感測器的呼叫：
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. 在 `loop` 函數中，添加程式碼以呼叫感測器並將溫度打印到序列埠：
+
+    ```cpp
+    void loop()
+    {
+        float temp_hum_val[2] = {0};
+        dht.readTempAndHumidity(temp_hum_val);
+        Serial.print("Temperature: ");
+        Serial.print(temp_hum_val[1]);
+        Serial.println ("°C");
+    
+        delay(10000);
+    }
+    ```
+
+    此程式碼宣告了一個包含 2 個浮點數的空陣列，並將其傳遞給 `DHT` 實例上的 `readTempAndHumidity` 呼叫。此呼叫會填充陣列中的 2 個值——濕度存放在陣列的第 0 項（請記住，在 C++ 中，陣列是從 0 開始的，因此第 0 項是陣列中的“第一”項），溫度存放在第 1 項。
+
+    溫度從陣列的第 1 項讀取，並打印到序列埠。
+
+    > 🇺🇸 溫度以攝氏度讀取。對於美國人，若要將攝氏度轉換為華氏度，請將讀取的攝氏值除以 5，然後乘以 9，最後加上 32。例如，20°C 的溫度讀數轉換為 ((20/5)*9) + 32 = 68°F。
+
+1. 編譯並上傳程式碼到 Wio Terminal。
+
+    > ⚠️ 如果需要，您可以參考 [專案 1，第 1 課中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
+
+1. 上傳完成後，您可以使用序列監視器監控溫度：
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 24.00°C
+    ```
+
+> 💁 您可以在 [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的溫度感測器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..9c9fe180
--- /dev/null
+++ b/translations/mo/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T22:47:59+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "mo"
+}
+-->
+C，發音為 *I-squared-C*，是一種多控制器、多周邊設備的通訊協議，任何連接的設備都可以作為控制器或周邊設備，通過 I²C 線路（用於傳輸數據的通訊系統名稱）進行通訊。數據以地址封包的形式傳輸，每個封包包含目標設備的地址。
+
+> 💁 這種模型過去常被稱為主/從（master/slave），但由於其與奴隸制的聯想，這種術語正在被棄用。[開源硬件協會（Open Source Hardware Association）已採用控制器/周邊設備（controller/peripheral）](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/)，但您可能仍會看到對舊術語的引用。
+
+設備在連接到 I²C 線路時會有一個地址，該地址通常是硬編碼在設備上的。例如，Seeed 的每種 Grove 感測器都有相同的地址，因此所有光感測器都有相同的地址，所有按鈕的地址則與光感測器的地址不同。一些設備可以通過更改跳線設置或焊接引腳來更改地址。
+
+I²C 線路由 2 條主要的數據線以及 2 條電源線組成：
+
+| 線路 | 名稱 | 描述 |
+| ---- | --------- | ----------- |
+| SDA | 串行數據（Serial Data） | 用於在設備之間傳輸數據的線路。 |
+| SCL | 串行時鐘（Serial Clock） | 傳輸由控制器設定速率的時鐘信號的線路。 |
+| VCC | 電壓公共集電極（Voltage Common Collector） | 為設備提供電源。這條線通過上拉電阻連接到 SDA 和 SCL 線，當沒有設備作為控制器時，該電阻會將信號切換為關閉狀態。 |
+| GND | 接地（Ground） | 為電路提供公共接地。 |
+
+![I2C 線路，3 個設備連接到 SDA 和 SCL 線，共享一條接地線](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.mo.png)
+
+在傳輸數據時，一個設備會發出啟動條件（start condition），表示它準備好傳輸數據。此時它將成為控制器。控制器接著發送目標設備的地址，以及它是要讀取還是寫入數據。在數據傳輸完成後，控制器會發送停止條件（stop condition），表示它已完成。之後，另一個設備可以成為控制器，進行數據的發送或接收。
+
+2<sup>C 有速度限制，並有三種不同模式以固定速度運行。最快的是高速模式，最大速度為 3.4Mbps（每秒百萬位元），但很少有設備支持這種速度。例如，Raspberry Pi 的速度限制在 400Kbps（每秒千位元）的快速模式。標準模式的速度為 100Kbps。
+
+> 💁 如果您使用的是帶有 Grove Base hat 的 Raspberry Pi 作為物聯網硬件，您會看到板上有多個 I<sup>2</sup>C 插槽，可以用來與 I<sup>2</sup>C 感測器通信。類比 Grove 感測器也使用 I<sup>2</sup>C 與 ADC 將類比值作為數位數據傳輸，因此您使用的光感測器模擬了一個類比引腳，通過 I<sup>2</sup>C 傳輸值，因為 Raspberry Pi 僅支持數位引腳。
+
+### 通用非同步接收器-發射器 (UART)
+
+UART 涉及允許兩個設備通信的物理電路。每個設備都有兩個通信引腳——發射 (Tx) 和接收 (Rx)，第一個設備的 Tx 引腳連接到第二個設備的 Rx 引腳，第二個設備的 Tx 引腳連接到第一個設備的 Rx 引腳。這允許數據雙向傳輸。
+
+* 設備 1 從其 Tx 引腳發送數據，設備 2 在其 Rx 引腳接收數據
+* 設備 1 在其 Rx 引腳接收由設備 2 從其 Tx 引腳發送的數據
+
+![UART 的 Tx 引腳連接到另一個芯片的 Rx 引腳，反之亦然](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.mo.png)
+
+> 🎓 數據一次傳輸一位，這被稱為 *串行* 通信。大多數操作系統和微控制器都有 *串行端口*，即可以發送和接收串行數據的連接，這些連接可供您的代碼使用。
+
+UART 設備有一個 [波特率](https://wikipedia.org/wiki/Symbol_rate)（也稱為符號率），即數據以每秒位數發送和接收的速度。一個常見的波特率是 9,600，這意味著每秒發送 9,600 位（0 和 1）數據。
+
+UART 使用起始位和停止位——即它發送一個起始位來指示即將發送一個字節（8 位）數據，然後在發送 8 位後發送一個停止位。
+
+UART 的速度取決於硬件，但即使是最快的實現也不超過 6.5 Mbps（每秒百萬位元，或每秒發送的 0 或 1 的數量）。
+
+您可以通過 GPIO 引腳使用 UART——可以將一個引腳設置為 Tx，另一個設置為 Rx，然後將它們連接到另一個設備。
+
+> 💁 如果您使用的是帶有 Grove Base hat 的 Raspberry Pi 作為物聯網硬件，您會看到板上有一個 UART 插槽，可以用來與使用 UART 協議的感測器通信。
+
+### 串行外設接口 (SPI)
+
+SPI 設計用於短距離通信，例如在微控制器上與存儲設備（如快閃記憶體）通信。它基於控制器/外設模型，單個控制器（通常是物聯網設備的處理器）與多個外設交互。控制器通過選擇一個外設並發送或請求數據來控制一切。
+
+> 💁 與 I<sup>2</sup>C 一樣，控制器和外設這些術語是最近的變化，因此您可能仍會看到舊術語。
+
+SPI 控制器使用 3 條線，外加每個外設 1 條額外的線。外設使用 4 條線。這些線包括：
+
+| 線 | 名稱 | 描述 |
+| ---- | --------- | ----------- |
+| COPI | 控制器輸出，外設輸入 | 這條線用於將數據從控制器發送到外設。 |
+| CIPO | 控制器輸入，外設輸出 | 這條線用於將數據從外設發送到控制器。 |
+| SCLK | 串行時鐘 | 這條線以控制器設置的速率發送時鐘信號。 |
+| CS   | 芯片選擇 | 控制器有多條線，每條線連接到相應外設的 CS 線。 |
+
+![SPI 與一個控制器和兩個外設](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.mo.png)
+
+CS 線用於一次激活一個外設，通過 COPI 和 CIPO 線通信。當控制器需要更換外設時，它會停用連接到當前活動外設的 CS 線，然後激活連接到下一個外設的 CS 線。
+
+SPI 是 *全雙工* 的，這意味著控制器可以同時通過 COPI 和 CIPO 線從同一外設發送和接收數據。SPI 使用 SCLK 線上的時鐘信號使設備保持同步，因此與直接通過 UART 發送不同，它不需要起始位和停止位。
+
+SPI 沒有定義的速度限制，實現通常能夠每秒傳輸多兆字節的數據。
+
+物聯網開發套件通常支持通過一些 GPIO 引腳使用 SPI。例如，在 Raspberry Pi 上，您可以使用 GPIO 引腳 19、21、23、24 和 26 進行 SPI。
+
+### 無線
+
+一些感測器可以通過標準無線協議通信，例如藍牙（主要是低功耗藍牙，或 BLE）、LoRaWAN（一種**長**距離低功耗網絡協議）或 WiFi。這些協議允許遠程感測器不需要物理連接到物聯網設備。
+
+一個例子是商業土壤濕度感測器。這些感測器會測量田地中的土壤濕度，然後通過 LoRaWAN 將數據發送到集線設備，該設備會處理數據或將其發送到互聯網。這允許感測器遠離管理數據的物聯網設備，從而降低功耗並減少對大型 WiFi 網絡或長電纜的需求。
+
+BLE 在高級感測器中很受歡迎，例如戴在手腕上的健身追蹤器。這些設備結合了多個感測器，並通過 BLE 將感測器數據發送到物聯網設備（如您的手機）。
+
+✅ 您身上、家中或學校中是否有任何藍牙感測器？這些可能包括溫度感測器、佔用感測器、設備追蹤器和健身設備。
+
+商業設備的一種流行連接方式是 Zigbee。Zigbee 使用 WiFi 在設備之間形成網狀網絡，每個設備盡可能多地連接到附近的設備，形成像蜘蛛網一樣的大量連接。當一個設備想要向互聯網發送消息時，它可以將消息發送到最近的設備，然後由這些設備轉發給其他附近的設備，如此類推，直到到達協調器並發送到互聯網。
+
+> 🐝 Zigbee 的名稱來源於蜜蜂返回蜂巢後的搖擺舞。
+
+## 測量土壤中的濕度水平
+
+您可以使用土壤濕度感測器、物聯網設備和一盆植物或附近的一片土壤來測量土壤的濕度水平。
+
+### 任務 - 測量土壤濕度
+
+按照相關指南使用您的物聯網設備測量土壤濕度：
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [單板電腦 - Raspberry Pi](pi-soil-moisture.md)
+* [單板電腦 - 虛擬設備](virtual-device-soil-moisture.md)
+
+## 感測器校準
+
+感測器依賴於測量電氣特性，例如電阻或電容。
+
+> 🎓 電阻，以歐姆 (Ω) 為單位，表示電流通過某物時的阻力大小。當電壓施加到材料上時，通過它的電流量取決於材料的電阻。您可以在 [電阻的維基百科頁面](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) 上閱讀更多內容。
+
+> 🎓 電容，以法拉 (F) 為單位，表示元件或電路收集和儲存電能的能力。您可以在 [電容的維基百科頁面](https://wikipedia.org/wiki/Capacitance) 上閱讀更多內容。
+
+這些測量值並不總是有用的——想像一下，一個溫度感測器給您的測量值是 22.5KΩ！因此，測量值需要通過校準轉換為有用的單位——即將測量值與測量的物理量匹配，以便將新測量值轉換為正確的單位。
+
+一些感測器是預先校準的。例如，您在上一課中使用的溫度感測器已經校準，可以返回以 °C 為單位的溫度測量值。在工廠中，第一個感測器會暴露於一系列已知溫度下，並測量電阻。然後，這些數據會用於建立一個計算公式，將測量值從 Ω（電阻單位）轉換為 °C。
+
+> 💁 計算電阻與溫度的公式稱為 [Steinhart–Hart 方程](https://wikipedia.org/wiki/Steinhart–Hart_equation)。
+
+### 土壤濕度感測器校準
+
+土壤濕度是通過重力含水量或體積含水量測量的。
+
+* 重力含水量是每單位重量的土壤中水的重量，以每公斤乾土中的公斤水數量來測量
+* 體積含水量是每單位體積的土壤中水的體積，以每立方米乾土中的立方米水數量來測量
+
+> 🇺🇸 對於美國人，由於單位的一致性，這些可以用磅代替公斤或立方英尺代替立方米來測量。
+
+土壤濕度感測器測量電阻或電容——這不僅隨土壤濕度而變化，還隨土壤類型變化，因為土壤中的成分會改變其電氣特性。理想情況下，感測器應該進行校準——即從感測器獲取讀數並與使用更科學方法獲得的測量值進行比較。例如，實驗室可以通過對特定田地的樣本進行幾次測量來計算重力土壤濕度，然後使用這些數據校準感測器，將感測器讀數與重力土壤濕度匹配。
+
+![電壓與土壤濕度含量的圖表](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.mo.png)
+
+上圖顯示了如何校準感測器。對土壤樣本捕獲電壓，然後通過比較濕重與乾重（測量濕重，然後在烤箱中烘乾並測量乾重）在實驗室中測量。獲取幾個讀數後，可以將其繪製在圖表上並擬合一條線。這條線可以用來將物聯網設備的土壤濕度感測器讀數轉換為實際的土壤濕度測量值。
+
+💁 對於電阻式土壤濕度感測器，電壓隨土壤濕度增加而增加。對於電容式土壤濕度感測器，電壓隨土壤濕度增加而減少，因此這些圖表的斜率會向下，而不是向上。
+
+![從圖表中插值的土壤濕度值](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.mo.png)
+
+上圖顯示了土壤濕度感測器的電壓讀數，通過將其對應到圖表上的線，可以計算出實際的土壤濕度。
+
+這種方法意味著農民只需要為一片田地獲取幾個實驗室測量值，然後他們就可以使用物聯網設備測量土壤濕度——大大加快了測量的速度。
+
+---
+
+## 🚀 挑戰
+
+電阻式和電容式土壤濕度感測器有許多不同之處。這些差異是什麼？哪種類型（如果有的話）對農民來說是最好的選擇？這個答案在發展中國家和已開發國家之間是否會改變？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## 回顧與自學
+
+閱讀有關感測器和執行器使用的硬件和協議的資料：
+
+* [GPIO 維基百科頁面](https://wikipedia.org/wiki/General-purpose_input/output)
+* [UART 維基百科頁面](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [SPI 維基百科頁面](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [I<sup>2</sup>C 維基百科頁面](https://wikipedia.org/wiki/I²C)
+* [Zigbee 維基百科頁面](https://wikipedia.org/wiki/Zigbee)
+
+## 作業
+
+[校準您的感測器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..556ee68d
--- /dev/null
+++ b/translations/mo/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,61 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T22:51:03+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 校準您的感測器
+
+## 指導說明
+
+在本課程中，您收集了土壤濕度感測器的讀數，範圍為0-1023。為了將這些數值轉換為實際的土壤濕度讀數，您需要校準您的感測器。您可以通過測量土壤樣本並計算這些樣本的重力土壤濕度含量來完成校準。
+
+您需要多次重複以下步驟，每次使用不同濕度的土壤來獲取所需的讀數。
+
+1. 使用土壤濕度感測器進行一次土壤濕度讀數，並記錄下此讀數。
+
+1. 取一份土壤樣本並稱重，記錄下此重量。
+
+1. 將土壤烘乾——最好的方法是使用110°C（230°F）的溫暖烤箱烘乾幾個小時，您也可以在陽光下烘乾，或者將其放置在溫暖、乾燥的地方直到土壤完全乾燥。乾燥後的土壤應該是粉狀且鬆散的。
+
+    > 💁 在實驗室中，為了獲得最準確的結果，您應該在烤箱中烘乾48-72小時。如果您的學校有烘乾烤箱，請嘗試使用這些設備進行更長時間的烘乾。烘乾時間越長，樣本越乾燥，結果越準確。
+
+1. 再次稱重土壤。
+
+    > 🔥 如果您是在烤箱中烘乾的，請確保土壤已經冷卻！
+
+重力土壤濕度的計算公式如下：
+
+![土壤濕度百分比公式：濕土重量減去乾土重量，除以乾土重量，再乘以100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.mo.png)
+
+* W - 濕土的重量  
+* W - 乾土的重量  
+
+例如，假設您有一份土壤樣本，濕重為212克，乾重為197克。
+
+![填入計算公式的範例](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.mo.png)
+
+* W = 212克  
+* W = 197克  
+* 212 - 197 = 15  
+* 15 / 197 = 0.076  
+* 0.076 * 100 = 7.6%  
+
+在此範例中，土壤的重力土壤濕度為7.6%。
+
+當您至少有3個樣本的讀數後，繪製一張土壤濕度百分比與土壤濕度感測器讀數的圖表，並添加一條最佳擬合線。您可以使用此圖表根據感測器讀數來計算重力土壤濕度含量，方法是從擬合線上讀取相應的值。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ----- | ----- | -------- |
+| 收集校準數據 | 至少收集3個校準樣本 | 至少收集2個校準樣本 | 至少收集1個校準樣本 |
+| 進行校準讀數 | 成功繪製校準圖表，並根據感測器讀數轉換為重力土壤濕度含量 | 成功繪製校準圖表 | 無法繪製圖表 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..ca831379
--- /dev/null
+++ b/translations/mo/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,108 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T22:53:12+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "mo"
+}
+-->
+# 測量土壤濕度 - Raspberry Pi
+
+在本課程中，您將為 Raspberry Pi 添加一個電容式土壤濕度傳感器，並從中讀取數據。
+
+## 硬體
+
+Raspberry Pi 需要一個電容式土壤濕度傳感器。
+
+您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度，這是一個會隨著土壤濕度變化而改變的特性。當土壤濕度增加時，電壓會降低。
+
+這是一個類比傳感器，因此使用類比引腳，並通過 Pi 上的 Grove Base Hat 中的 10 位 ADC 將電壓轉換為 1-1,023 的數位信號。然後通過 Pi 的 GPIO 引腳以 I²C 傳輸。
+
+### 連接土壤濕度傳感器
+
+Grove 土壤濕度傳感器可以連接到 Raspberry Pi。
+
+#### 任務 - 連接土壤濕度傳感器
+
+連接土壤濕度傳感器。
+
+![Grove 土壤濕度傳感器](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.mo.png)
+
+1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 的類比插座 **A0**。這個插座位於 GPIO 引腳旁邊的一排插座中，從右數第二個。
+
+![Grove 土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.mo.png)
+
+1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白線。將傳感器插入到該線以下但不要超過該線。
+
+![Grove 土壤濕度傳感器插入土壤中](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.mo.png)
+
+## 編程土壤濕度傳感器
+
+現在可以為 Raspberry Pi 編程以使用連接的土壤濕度傳感器。
+
+### 任務 - 編程土壤濕度傳感器
+
+編程設備。
+
+1. 啟動 Raspberry Pi，並等待其啟動完成。
+
+1. 啟動 VS Code，可以直接在 Pi 上啟動，或者通過 Remote SSH 擴展連接。
+
+    > ⚠️ 如果需要，您可以參考 [夜燈課程 1 中的設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
+
+1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `soil-moisture-sensor` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
+
+1. 在 VS Code 中打開此資料夾。
+
+1. 將以下程式碼添加到 `app.py` 檔案中以匯入一些所需的庫：
+
+    ```python
+    import time
+    from grove.adc import ADC
+    ```
+
+    `import time` 語句匯入了 `time` 模組，稍後將在此任務中使用。
+
+    `from grove.adc import ADC` 語句從 Grove Python 庫中匯入了 `ADC`。此庫包含與 Pi Base Hat 上的類比數位轉換器互動並從類比傳感器讀取電壓的程式碼。
+
+1. 在此程式碼下方添加以下程式碼以創建 `ADC` 類的實例：
+
+    ```python
+    adc = ADC()
+    ```
+
+1. 添加一個無限迴圈，從 A0 引腳上的 ADC 讀取數據，並將結果寫入控制台。此迴圈可以在每次讀取之間休眠 10 秒。
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+
+        time.sleep(10)
+    ```
+
+1. 運行 Python 應用程式。您將在控制台中看到土壤濕度的測量值。向土壤中添加一些水，或者將傳感器從土壤中取出，觀察數值的變化。
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+    在上述範例輸出中，您可以看到隨著水的添加，電壓下降。
+
+> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/2-detect-soil-moisture/code/pi) 資料夾中找到此程式碼。
+
+😀 您的土壤濕度傳感器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..a6ec0d4a
--- /dev/null
+++ b/translations/mo/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T22:52:07+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "mo"
+}
+-->
+# 測量土壤濕度 - 虛擬物聯網硬體
+
+在本課程中，您將為虛擬物聯網設備添加一個電容式土壤濕度傳感器，並從中讀取數據。
+
+## 虛擬硬體
+
+虛擬物聯網設備將使用模擬的 Grove 電容式土壤濕度傳感器。這樣的設置與使用 Raspberry Pi 和實體 Grove 電容式土壤濕度傳感器的操作方式相同。
+
+在實體物聯網設備中，土壤濕度傳感器是一種電容式傳感器，通過檢測土壤的電容來測量濕度。當土壤濕度改變時，電容也會隨之改變。隨著土壤濕度的增加，電壓會降低。
+
+這是一個模擬傳感器，因此使用模擬的 10 位 ADC（模數轉換器）來報告 1 到 1,023 的數值。
+
+### 將土壤濕度傳感器添加到 CounterFit
+
+要使用虛擬土壤濕度傳感器，您需要將其添加到 CounterFit 應用中。
+
+#### 任務 - 將土壤濕度傳感器添加到 CounterFit
+
+將土壤濕度傳感器添加到 CounterFit 應用中。
+
+1. 在您的電腦上創建一個名為 `soil-moisture-sensor` 的資料夾，並在其中創建一個名為 `app.py` 的單一文件，設置一個 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
+
+    > ⚠️ 如果需要，您可以參考[第 1 課中有關創建和設置 CounterFit Python 專案的說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
+
+1. 確保 CounterFit 網頁應用正在運行。
+
+1. 創建一個土壤濕度傳感器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Soil Moisture*。
+
+    1. 將 *Units* 保持為 *NoUnits*。
+
+    1. 確保 *Pin* 設置為 *0*。
+
+    1. 點擊 **Add** 按鈕，在 Pin 0 上創建 *Soil Moisture* 傳感器。
+
+    ![土壤濕度傳感器設置](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.mo.png)
+
+    土壤濕度傳感器將被創建並顯示在傳感器列表中。
+
+    ![已創建的土壤濕度傳感器](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.mo.png)
+
+## 編寫土壤濕度傳感器應用程式
+
+現在可以使用 CounterFit 傳感器來編寫土壤濕度傳感器應用程式。
+
+### 任務 - 編寫土壤濕度傳感器應用程式
+
+編寫土壤濕度傳感器應用程式。
+
+1. 確保 `soil-moisture-sensor` 應用已在 VS Code 中打開。
+
+1. 打開 `app.py` 文件。
+
+1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. 在 `app.py` 文件中添加以下代碼以導入一些必要的庫：
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    `import time` 語句導入了 `time` 模組，稍後將在此任務中使用。
+
+    `from counterfit_shims_grove.adc import ADC` 語句導入了 `ADC` 類，用於與可連接到 CounterFit 傳感器的虛擬模擬到數字轉換器進行交互。
+
+1. 在此代碼下方添加以下代碼以創建 `ADC` 類的實例：
+
+    ```python
+    adc = ADC()
+    ```
+
+1. 添加一個無限循環，從 Pin 0 的 ADC 讀取數據，並將結果寫入控制台。該循環可以在每次讀取之間休眠 10 秒。
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. 在 CounterFit 應用中更改土壤濕度傳感器的值，該值將被應用讀取。您可以通過以下兩種方式進行更改：
+
+    * 在土壤濕度傳感器的 *Value* 框中輸入一個數字，然後點擊 **Set** 按鈕。您輸入的數字將是傳感器返回的值。
+
+    * 勾選 *Random* 選框，並輸入 *Min* 和 *Max* 值，然後點擊 **Set** 按鈕。每次傳感器讀取值時，將讀取 *Min* 和 *Max* 範圍內的隨機數字。
+
+1. 運行 Python 應用。您將在控制台中看到土壤濕度測量值。更改 *Value* 或 *Random* 設置以查看值的變化。
+
+    ```output
+    (.venv) ➜ soil-moisture-sensor $ python app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+> 💁 您可以在 [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) 資料夾中找到此代碼。
+
+😀 您的土壤濕度傳感器程式運行成功！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..c2859183
--- /dev/null
+++ b/translations/mo/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T22:49:30+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "mo"
+}
+-->
+# 測量土壤濕度 - Wio Terminal
+
+在本課程中，您將為 Wio Terminal 添加一個電容式土壤濕度傳感器，並從中讀取數值。
+
+## 硬體
+
+Wio Terminal 需要一個電容式土壤濕度傳感器。
+
+您將使用的傳感器是 [電容式土壤濕度傳感器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)，它通過檢測土壤的電容來測量土壤濕度。當土壤濕度改變時，電容也會隨之改變。隨著土壤濕度增加，電壓會下降。
+
+這是一個類比傳感器，因此需要連接到 Wio Terminal 的類比引腳，並使用內建的 ADC（類比數位轉換器）生成 0-1023 的數值。
+
+### 連接土壤濕度傳感器
+
+Grove 土壤濕度傳感器可以連接到 Wio Terminal 的可配置類比/數位端口。
+
+#### 任務 - 連接土壤濕度傳感器
+
+連接土壤濕度傳感器。
+
+![Grove 土壤濕度傳感器](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.mo.png)
+
+1. 將 Grove 電纜的一端插入土壤濕度傳感器上的插座。電纜只能以一種方式插入。
+
+1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 電纜的另一端插入 Wio Terminal 屏幕右側的 Grove 插座。這是距離電源按鈕最遠的插座。
+
+![Grove 土壤濕度傳感器連接到右側插座](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.mo.png)
+
+1. 將土壤濕度傳感器插入土壤中。傳感器上有一條“最高位置線”——一條白色線條。將傳感器插入土壤，直到白色線條，但不要超過該線條。
+
+![土壤中的 Grove 土壤濕度傳感器](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.mo.png)
+
+1. 現在可以將 Wio Terminal 連接到您的電腦。
+
+## 程式設計土壤濕度傳感器
+
+現在可以為 Wio Terminal 編程以使用連接的土壤濕度傳感器。
+
+### 任務 - 程式設計土壤濕度傳感器
+
+為設備編程。
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `soil-moisture-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
+
+    > ⚠️ 如果需要，您可以參考 [專案 1，課程 1 中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project)。
+
+1. 此傳感器沒有專用的程式庫，您可以使用內建的 Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) 函數從類比引腳讀取數值。首先，配置類比引腳為輸入，以便可以從中讀取數值，將以下程式碼添加到 `setup` 函數中。
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    這將 `A0` 引腳（類比/數位組合引腳）設置為輸入引腳，以便可以讀取電壓。
+
+1. 在 `loop` 函數中添加以下程式碼以從該引腳讀取電壓：
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. 在此程式碼下方，添加以下程式碼以將數值打印到序列埠：
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. 最後在末尾添加 10 秒的延遲：
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. 編譯並上傳程式碼到 Wio Terminal。
+
+    > ⚠️ 如果需要，您可以參考 [專案 1，課程 1 中創建 PlatformIO 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app)。
+
+1. 上傳完成後，您可以使用序列監視器監測土壤濕度。向土壤中添加一些水，或將傳感器從土壤中移除，觀察數值的變化。
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Soil Moisture: 526
+    Soil Moisture: 529
+    Soil Moisture: 521
+    Soil Moisture: 494
+    Soil Moisture: 454
+    Soil Moisture: 456
+    Soil Moisture: 395
+    Soil Moisture: 388
+    Soil Moisture: 394
+    Soil Moisture: 391
+    ```
+
+    在上面的範例輸出中，您可以看到隨著水的添加，電壓下降。
+
+> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的土壤濕度傳感器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..f7bae465
--- /dev/null
+++ b/translations/mo/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T22:25:28+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "mo"
+}
+-->
+# 自動植物澆水系統
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [IoT 初學者項目 2 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
+
+[![IoT 驅動的自動植物澆水系統](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## 簡介
+
+在上一課中，你學習了如何監測土壤濕度。在本課中，你將學習如何構建一個自動澆水系統的核心組件，該系統能根據土壤濕度進行反應。你還將了解有關時間的知識——傳感器可能需要一些時間來響應變化，而執行器可能需要時間來改變傳感器測量的屬性。
+
+本課將涵蓋以下內容：
+
+* [從低功率 IoT 設備控制高功率設備](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [控制繼電器](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [通過 MQTT 控制植物](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [傳感器和執行器的響應時間](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [為植物控制伺服器添加時間控制](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## 從低功率 IoT 設備控制高功率設備
+
+IoT 設備使用低電壓。雖然這足以驅動傳感器和低功率執行器（如 LED），但對於控制更大的硬件（例如用於灌溉的水泵）來說，電壓太低。即使是用於室內植物的小型水泵，其電流需求也超過了 IoT 開發板的承受能力，可能會損壞電路板。
+
+> 🎓 電流以安培（A）為單位測量，是指流經電路的電量。電壓提供推動力，而電流則表示推動的量。你可以在 [維基百科的電流頁面](https://wikipedia.org/wiki/Electric_current) 上了解更多。
+
+解決方案是將水泵連接到外部電源，並使用執行器來開關水泵，就像你用手指開關燈一樣。用手指翻動開關所需的能量非常少，但這能將燈連接到 110v/240v 的市電。
+
+![燈開關將電力接通燈泡](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.mo.png)
+
+> 🎓 [市電](https://wikipedia.org/wiki/Mains_electricity) 是指通過國家基礎設施向家庭和企業提供的電力。
+
+✅ IoT 設備通常提供 3.3V 或 5V，電流小於 1 安培（1A）。相比之下，市電通常為 230V（北美為 120V，日本為 100V），能為需要 30A 電流的設備提供電力。
+
+有多種執行器可以完成這項工作，包括可以模仿手指動作的機械裝置，最常見的是繼電器。
+
+### 繼電器
+
+繼電器是一種電機機械開關，它將電信號轉換為機械運動以打開或關閉開關。繼電器的核心是一個電磁鐵。
+
+> 🎓 [電磁鐵](https://wikipedia.org/wiki/Electromagnet) 是通過電流流過線圈而產生的磁鐵。當電流接通時，線圈被磁化；當電流斷開時，線圈失去磁性。
+
+![當接通時，電磁鐵產生磁場，打開輸出電路的開關](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.mo.png)
+
+在繼電器中，控制電路為電磁鐵供電。當電磁鐵接通時，它拉動一個杠杆，移動開關，閉合一對觸點並完成輸出電路。
+
+![當斷開時，電磁鐵不產生磁場，關閉輸出電路的開關](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.mo.png)
+
+當控制電路斷開時，電磁鐵關閉，釋放杠杆並打開觸點，關閉輸出電路。繼電器是一種數字執行器——高信號打開繼電器，低信號關閉繼電器。
+
+輸出電路可以用來為額外的硬件供電，例如灌溉系統。IoT 設備可以打開繼電器，完成輸出電路以為灌溉系統供電，植物得到澆水。然後 IoT 設備可以關閉繼電器，切斷灌溉系統的電源，停止澆水。
+
+![繼電器打開，啟動水泵向植物供水](../../../../../images/strawberry-pump.gif)
+
+在上面的視頻中，繼電器被打開。繼電器上的 LED 亮起，表示它已啟動（某些繼電器板上有 LED 指示繼電器的開啟或關閉狀態），電力被送到水泵，啟動水泵並向植物供水。
+
+> 💁 繼電器還可以用來在兩個輸出電路之間切換，而不是僅僅打開或關閉一個電路。當杠杆移動時，它將開關從完成一個輸出電路移動到完成另一個輸出電路，通常共享一個公共電源或公共接地連接。
+
+✅ 做一些研究：繼電器有多種類型，差異包括控制電路在通電時是打開還是關閉繼電器，或者是否有多個輸出電路。了解這些不同類型。
+
+當杠杆移動時，你通常可以聽到它與電磁鐵接觸時發出的清晰的“咔嗒”聲。
+
+> 💁 繼電器可以被接線設計成在接通時實際上斷開繼電器的電源，關閉繼電器，然後重新接通電源，依此類推。這意味著繼電器會非常快速地“咔嗒”作響，產生嗡嗡聲。這是一些早期電門鈴中的蜂鳴器的工作原理。
+
+### 繼電器功率
+
+電磁鐵啟動並拉動杠杆所需的功率不大，可以使用 IoT 開發板的 3.3V 或 5V 輸出進行控制。輸出電路可以承載更多功率，取決於繼電器，包括市電電壓甚至更高的工業用電功率。這樣，IoT 開發板可以控制灌溉系統，從單個植物的小型水泵到整個商業農場的大型工業系統。
+
+![一個 Grove 繼電器，標註了控制電路、輸出電路和繼電器](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.mo.png)
+
+上圖顯示了一個 Grove 繼電器。控制電路連接到 IoT 設備，使用 3.3V 或 5V 打開或關閉繼電器。輸出電路有兩個端子，任一端子可以是電源或接地。輸出電路可以處理高達 250V、10A 的電力，足以驅動一系列市電設備。你還可以找到能處理更高功率的繼電器。
+
+![通過繼電器連接的水泵](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.mo.png)
+
+在上圖中，通過繼電器為水泵供電。一根紅色電線將 USB 電源的 +5V 端子連接到繼電器的輸出電路的一個端子，另一根紅色電線將輸出電路的另一端子連接到水泵。一根黑色電線將水泵連接到 USB 電源的接地端子。當繼電器打開時，它完成電路，向水泵提供 5V 電壓，啟動水泵。
+
+## 控制繼電器
+
+你可以使用 IoT 開發板控制繼電器。
+
+### 任務 - 控制繼電器
+
+按照相關指南，使用你的 IoT 設備控制繼電器：
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [單板計算機 - Raspberry Pi](pi-relay.md)
+* [單板計算機 - 虛擬設備](virtual-device-relay.md)
+
+## 通過 MQTT 控制植物
+
+目前你的繼電器是由 IoT 設備直接控制，基於單一的土壤濕度讀數。在商業灌溉系統中，控制邏輯通常是集中化的，這樣可以根據多個傳感器的數據進行澆水決策，並且可以在一個地方更改所有配置。為了模擬這一點，你可以通過 MQTT 控制繼電器。
+
+### 任務 - 通過 MQTT 控制繼電器
+
+1. 在你的 `soil-moisture-sensor` 項目中添加相關的 MQTT 庫/pip 包和代碼以連接到 MQTT。將客戶端 ID 命名為 `soilmoisturesensor_client`，並在前面加上你的 ID。
+
+    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中連接到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt)。
+
+1. 添加相關設備代碼以使用土壤濕度設置發送遙測數據。對於遙測消息，將屬性命名為 `soil_moisture`。
+
+    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device)。
+
+1. 在名為 `soil-moisture-sensor-server` 的文件夾中創建一些本地伺服器代碼以訂閱遙測數據並發送命令來控制繼電器。將命令消息中的屬性命名為 `relay_on`，並將客戶端 ID 命名為 `soilmoisturesensor_server`，並在前面加上你的 ID。保持與你在項目 1，第 4 課中編寫的伺服器代碼相同的結構，因為你將在本課程中繼續添加代碼。
+
+    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中發送遙測數據到 MQTT 的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) 和 [通過 MQTT 發送命令](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker)。
+
+1. 添加相關設備代碼以根據接收到的命令控制繼電器，使用消息中的 `relay_on` 屬性。如果 `soil_moisture` 大於 450，則發送 true 給 `relay_on`，否則發送 false，邏輯與你之前為 IoT 設備添加的邏輯相同。
+
+    > ⚠️ 如果需要，可以參考 [項目 1，第 4 課中響應 MQTT 命令的指導](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device)。
+
+> 💁 你可以在 [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) 文件夾中找到這段代碼。
+
+確保代碼在你的設備和本地伺服器上運行，並通過改變土壤濕度水平進行測試，可以通過改變虛擬傳感器發送的值，或者通過向土壤添加水或移除傳感器來改變土壤濕度。
+
+## 傳感器和執行器的響應時間
+
+在第 3 課中，你構建了一個夜燈——當光傳感器檢測到低光水平時，LED 立即亮起。光傳感器能夠即時檢測光線變化，設備能快速響應，僅受限於 `loop` 函數或 `while True:` 循環的延遲時間。作為 IoT 開發者，你不能總是依賴如此快速的反饋循環。
+
+### 土壤濕度的響應時間
+
+如果你在上一課中使用了物理傳感器測量土壤濕度，你可能會注意到在澆水後，土壤濕度讀數需要幾秒鐘才會下降。這並不是因為傳感器速度慢，而是因為水需要時間滲透到土壤中。
+💁 如果你在感測器附近澆水，可能會看到讀數迅速下降，然後又回升——這是因為感測器附近的水分擴散到土壤其他部分，導致感測器周圍的土壤濕度降低。
+![土壤濕度測量值為658，在澆水過程中不會改變，只有在水滲透到土壤後才會降至320](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.mo.png)
+
+在上圖中，土壤濕度讀數顯示為658。植物被澆水，但這個讀數並不會立即改變，因為水尚未到達感測器。甚至在水到達感測器之前澆水可能已經完成，然後讀數才會下降以反映新的濕度水平。
+
+如果你正在撰寫基於土壤濕度水平通過繼電器控制灌溉系統的程式碼，你需要考慮這種延遲並在你的物聯網設備中建立更智能的時間控制。
+
+✅ 花點時間思考如何實現這一點。
+
+### 控制感測器和執行器的時間
+
+假設你被指派建造一個農場的灌溉系統。根據土壤類型，理想的植物土壤濕度水平已被確定為匹配模擬電壓讀數400-450。
+
+你可以像夜燈一樣編程設備——只要感測器讀數高於450，就啟動繼電器以啟動水泵。問題是水需要一段時間才能從水泵通過土壤到達感測器。感測器在檢測到450的濕度水平時會停止供水，但水泵的水仍會繼續滲透到土壤中，導致濕度水平繼續下降。最終結果是浪費水，並可能損害植物根部。
+
+✅ 記住——過多的水和過少的水一樣對植物有害，並且浪費了珍貴的資源。
+
+更好的解決方案是理解執行器啟動和感測器讀取的屬性改變之間存在延遲。這意味著感測器不僅需要等待一段時間再測量值，執行器也需要在下一次感測器測量之前關閉一段時間。
+
+每次繼電器應該開啟多久？最好謹慎行事，只讓繼電器開啟短時間，然後等待水滲透，再重新檢查濕度水平。畢竟，你可以隨時再次啟動水泵添加更多水，但你無法從土壤中移除水。
+
+> 💁 這種時間控制非常特定於你正在建造的物聯網設備、測量的屬性以及使用的感測器和執行器。
+
+![一株草莓植物通過水泵連接到水源，水泵通過繼電器控制。繼電器和植物中的土壤濕度感測器都連接到樹莓派](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.mo.png)
+
+例如，我有一株草莓植物，配有土壤濕度感測器和通過繼電器控制的水泵。我觀察到當我添加水時，大約需要20秒才能使土壤濕度讀數穩定。這意味著我需要關閉繼電器並等待20秒再檢查濕度水平。我寧願水少一些也不願水過多——我可以隨時再次啟動水泵，但我無法從植物中移除水。
+
+![步驟1，測量濕度。步驟2，添加水。步驟3，等待水滲透到土壤。步驟4，重新測量濕度](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.mo.png)
+
+這意味著最佳的澆水流程可能如下：
+
+* 啟動水泵5秒
+* 等待20秒
+* 檢查土壤濕度
+* 如果濕度水平仍高於需求，重複上述步驟
+
+5秒可能對水泵來說太長，特別是當濕度水平僅略高於所需水平時。最佳的方式是嘗試，然後根據感測器數據進行調整，形成一個持續的反饋循環。這甚至可以導致更精細的時間控制，例如每超過所需濕度100，啟動水泵1秒，而不是固定的5秒。
+
+✅ 做些研究：是否有其他時間考量？是否可以在任何土壤濕度過低的時候澆水，或者是否有特定的時間適合或不適合澆水？
+
+> 💁 天氣預測也可以納入考量，用於控制室外種植的自動澆水系統。如果預測有雨，澆水可以暫停，直到雨停後再進行。此時土壤可能已經足夠濕潤，不需要澆水，比在雨前澆水更有效率。
+
+## 為植物控制伺服器添加時間控制
+
+伺服器程式碼可以修改以添加澆水流程的時間控制，並等待土壤濕度水平的改變。控制繼電器時間的伺服器邏輯如下：
+
+1. 接收到遙測訊息
+1. 檢查土壤濕度水平
+1. 如果濕度水平正常，則不執行任何操作。如果讀數過高（表示土壤濕度過低），則：
+    1. 發送指令啟動繼電器
+    1. 等待5秒
+    1. 發送指令關閉繼電器
+    1. 等待20秒讓土壤濕度水平穩定
+
+澆水流程，即從接收到遙測訊息到準備再次處理土壤濕度水平的過程，大約需要25秒。我們每10秒發送一次土壤濕度水平，因此在伺服器等待土壤濕度穩定期間可能會收到訊息，這可能會啟動另一個澆水流程。
+
+有兩種解決方法：
+
+* 更改物聯網設備程式碼，使其每分鐘只發送一次遙測訊息，這樣澆水流程可以在下一次訊息發送之前完成
+* 在澆水流程期間取消訂閱遙測訊息
+
+第一種選擇對於大型農場來說並不總是好的解決方案。農民可能希望在澆水過程中捕捉土壤濕度水平，以便稍後分析，例如了解農場不同區域的水流情況，以指導更有針對性的澆水。第二種選擇更好——程式碼只是忽略無法使用的遙測訊息，但遙測訊息仍然存在，供其他可能訂閱的服務使用。
+
+> 💁 物聯網數據並非僅由一個設備發送到一個服務，而是許多設備可以將數據發送到一個代理，許多服務可以從代理中接收數據。例如，一個服務可以監聽土壤濕度數據並將其存儲到資料庫中以供稍後分析。另一個服務也可以監聽相同的遙測訊息以控制灌溉系統。
+
+### 任務 - 為植物控制伺服器添加時間控制
+
+更新你的伺服器程式碼，使繼電器運行5秒，然後等待20秒。
+
+1. 如果尚未打開，請在 VS Code 中打開 `soil-moisture-sensor-server` 資料夾。確保虛擬環境已啟動。
+
+1. 打開 `app.py` 文件
+
+1. 在現有的匯入語句下方添加以下程式碼：
+
+    ```python
+    import threading
+    ```
+
+    此語句從 Python 庫中匯入 `threading`，threading 允許 Python 在等待期間執行其他程式碼。
+
+1. 在處理遙測訊息的 `handle_telemetry` 函數之前添加以下程式碼：
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    這定義了繼電器運行的時間（`water_time`）以及之後檢查土壤濕度的等待時間（`wait_time`）。
+
+1. 在此程式碼下方添加以下內容：
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    此程式碼定義了一個名為 `send_relay_command` 的函數，用於通過 MQTT 發送指令來控制繼電器。遙測訊息被創建為字典，然後轉換為 JSON 字串。傳遞到 `state` 的值決定繼電器應該開啟還是關閉。
+
+1. 在 `send_relay_code` 函數之後添加以下程式碼：
+
+    ```python
+    def control_relay(client):
+        print("Unsubscribing from telemetry")
+        mqtt_client.unsubscribe(client_telemetry_topic)
+    
+        send_relay_command(client, True)
+        time.sleep(water_time)
+        send_relay_command(client, False)
+    
+        time.sleep(wait_time)
+    
+        print("Subscribing to telemetry")
+        mqtt_client.subscribe(client_telemetry_topic)
+    ```
+
+    此程式碼定義了一個函數，用於基於所需的時間控制繼電器。它首先取消訂閱遙測訊息，以便在澆水期間不處理土壤濕度訊息。接著它發送指令啟動繼電器，然後等待 `water_time`，再發送指令關閉繼電器。最後它等待 `wait_time` 秒讓土壤濕度水平穩定，然後重新訂閱遙測訊息。
+
+1. 將 `handle_telemetry` 函數更改為以下內容：
+
+    ```python
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['soil_moisture'] > 450:
+            threading.Thread(target=control_relay, args=(client,)).start()
+    ```
+
+    此程式碼檢查土壤濕度水平。如果濕度水平大於450，則土壤需要澆水，並調用 `control_relay` 函數。此函數在單獨的執行緒中運行，作為背景執行。
+
+1. 確保你的物聯網設備正在運行，然後運行此程式碼。更改土壤濕度水平並觀察繼電器的行為——它應該運行5秒，然後至少保持關閉20秒，只有在土壤濕度水平不足時才會再次啟動。
+
+    ```output
+    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
+    Message received: {'soil_moisture': 457}
+    Unsubscribing from telemetry
+    Sending message: {'relay_on': True}
+    Sending message: {'relay_on': False}
+    Subscribing to telemetry
+    Message received: {'soil_moisture': 302}
+    ```
+
+    在模擬灌溉系統中測試此程式碼的一個好方法是使用乾燥的土壤，然後在繼電器開啟時手動倒水，並在繼電器關閉時停止倒水。
+
+> 💁 你可以在 [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) 資料夾中找到此程式碼。
+
+> 💁 如果你想使用水泵建造一個真實的灌溉系統，你可以使用 [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) 和 [USB 終端電源](https://www.adafruit.com/product/3628)。確保水泵的電源或輸出通過繼電器連接。
+
+---
+
+## 🚀 挑戰
+
+你能想到其他物聯網或電氣設備也有類似的問題嗎？即執行器的結果需要一段時間才能到達感測器。你家裡或學校可能有幾個這樣的例子。
+
+* 它們測量什麼屬性？
+* 屬性在執行器使用後需要多長時間才能改變？
+* 屬性超過所需值是否可以接受？
+* 如果需要，如何將屬性返回到所需值？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## 回顧與自學
+
+* 閱讀更多關於繼電器的內容，包括它們在電話交換機中的歷史用途：[繼電器維基百科頁面](https://wikipedia.org/wiki/Relay)。
+
+## 作業
+
+[建造更高效的澆水流程](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..326a675b
--- /dev/null
+++ b/translations/mo/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T22:28:05+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 建立更高效的灌溉週期
+
+## 說明
+
+本課程介紹了如何通過感測器數據控制繼電器，而該繼電器可以進一步控制灌溉系統的水泵。對於一塊特定的土壤，運行水泵固定的時間長度應該始終對土壤濕度產生相同的影響。這意味著你可以了解灌溉幾秒鐘對應於土壤濕度讀數的某個下降值。利用這些數據，你可以建立一個更可控的灌溉系統。
+
+在這個作業中，你將計算水泵應該運行多長時間以達到特定的土壤濕度上升。
+
+> ⚠️ 如果你使用的是虛擬 IoT 硬體，你可以完成這個過程，但需要通過在繼電器開啟時每秒手動增加固定的土壤濕度讀數來模擬結果。
+
+1. 從乾燥的土壤開始。測量土壤濕度。
+
+1. 添加固定量的水，可以通過運行水泵 1 秒或倒入固定量的水來完成。
+
+    > 水泵應始終以恆定的速率運行，因此每秒運行的水泵應提供相同量的水。
+
+1. 等待土壤濕度穩定後進行讀數。
+
+1. 重複多次並建立一個結果表。以下是此表的範例。
+
+    | 總水泵運行時間 | 土壤濕度 | 減少量 |
+    | --- | --: | -: |
+    | 乾燥 | 643 |  0 |
+    | 1秒  | 621 | 22 |
+    | 2秒  | 601 | 20 |
+    | 3秒  | 579 | 22 |
+    | 4秒  | 560 | 19 |
+    | 5秒  | 539 | 21 |
+    | 6秒  | 521 | 18 |
+
+1. 計算每秒水量對土壤濕度的平均影響。在上述範例中，每秒水量平均使讀數下降 20.3。
+
+1. 使用這些數據改進伺服器代碼的效率，讓水泵運行所需的時間以達到所需的土壤濕度水平。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 捕捉土壤濕度數據 | 能夠在添加固定水量後捕捉多次讀數 | 能夠在添加固定水量後捕捉部分讀數 | 只能捕捉一兩次讀數，或無法使用固定水量 |
+| 校準伺服器代碼 | 能夠計算土壤濕度讀數的平均減少量，並更新伺服器代碼以使用此數據 | 能夠計算平均減少量，但無法更新伺服器代碼，或無法正確計算平均值，但能正確更新伺服器代碼 | 無法計算平均值，或無法更新伺服器代碼 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..d60fff6a
--- /dev/null
+++ b/translations/mo/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T22:30:02+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "mo"
+}
+-->
+# 控制繼電器 - Raspberry Pi
+
+在本課程中，您將在 Raspberry Pi 上添加一個繼電器，並根據土壤濕度的水平來控制它，除了土壤濕度傳感器之外。
+
+## 硬體
+
+Raspberry Pi 需要一個繼電器。
+
+您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），可以處理高達 250V 和 10A 的輸出電路。
+
+這是一個數位執行器，因此需要連接到 Grove Base Hat 上的數位引腳。
+
+### 連接繼電器
+
+Grove 繼電器可以連接到 Raspberry Pi。
+
+#### 任務
+
+連接繼電器。
+
+![一個 Grove 繼電器](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.mo.png)
+
+1. 將 Grove 電纜的一端插入繼電器上的插座。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove Base Hat 上標記為 **D5** 的數位插座。這個插座位於 GPIO 引腳旁邊那排插座的第二個位置。保持土壤濕度傳感器連接到 **A0** 插座。
+
+![Grove 繼電器連接到 D5 插座，土壤濕度傳感器連接到 A0 插座](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.mo.png)
+
+1. 如果土壤濕度傳感器還沒有插入土壤，請將其插入土壤中（如果是從上一課程中留下的，則可能已經插入）。
+
+## 編程控制繼電器
+
+現在可以編程 Raspberry Pi 來使用已連接的繼電器。
+
+### 任務
+
+編程設備。
+
+1. 啟動 Raspberry Pi，並等待其啟動完成。
+
+1. 在 VS Code 中打開上一課程中的 `soil-moisture-sensor` 專案（如果尚未打開）。您將在此專案中進行添加。
+
+1. 在現有的匯入語句下方，將以下代碼添加到 `app.py` 文件中：
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    這段語句從 Grove Python 庫中匯入 `GroveRelay`，以便與 Grove 繼電器進行互動。
+
+1. 在 `ADC` 類的聲明下方，添加以下代碼來創建一個 `GroveRelay` 實例：
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    這段代碼使用 **D5** 引腳（您連接繼電器的數位引腳）創建了一個繼電器。
+
+1. 為了測試繼電器是否正常工作，將以下代碼添加到 `while True:` 迴圈中：
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    這段代碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
+
+1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，打開和關閉之間有 0.5 秒的延遲。您會聽到繼電器的開啟和關閉聲音。當繼電器打開時，Grove 板上的 LED 會亮起，關閉時則熄滅。
+
+    ![繼電器開啟和關閉](../../../../../images/relay-turn-on-off.gif)
+
+## 根據土壤濕度控制繼電器
+
+現在繼電器已經可以正常工作，您可以根據土壤濕度讀數來控制它。
+
+### 任務
+
+控制繼電器。
+
+1. 刪除您為測試繼電器而添加的 3 行代碼。用以下代碼替換它們：
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    這段代碼會檢查土壤濕度傳感器的讀數。如果讀數高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
+
+    > 💁 請記住，電容式土壤濕度傳感器的讀數越低，土壤中的濕度越高，反之亦然。
+
+1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平開啟或關閉。嘗試在乾燥的土壤中測試，然後添加水。
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 您可以在 [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) 資料夾中找到這段代碼。
+
+😀 您的土壤濕度傳感器控制繼電器程式已成功完成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..94d577f7
--- /dev/null
+++ b/translations/mo/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T22:31:09+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "mo"
+}
+-->
+# 控制繼電器 - 虛擬物聯網硬體
+
+在本課程的這部分，您將在虛擬物聯網設備中添加繼電器，除了土壤濕度感測器外，還根據土壤濕度水平來控制它。
+
+## 虛擬硬體
+
+虛擬物聯網設備將使用模擬的 Grove 繼電器。這使得本實驗室與使用 Raspberry Pi 和實體 Grove 繼電器的操作保持一致。
+
+在實體物聯網設備中，繼電器通常是常開型繼電器（意味著當沒有信號傳送到繼電器時，輸出電路是開路或斷開的）。這類繼電器可以處理高達 250V 和 10A 的輸出電路。
+
+### 在 CounterFit 中添加繼電器
+
+要使用虛擬繼電器，您需要將其添加到 CounterFit 應用程式中。
+
+#### 任務
+
+將繼電器添加到 CounterFit 應用程式。
+
+1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行添加。
+
+1. 確保 CounterFit 網頁應用程式正在運行。
+
+1. 創建一個繼電器：
+
+    1. 在 *Actuators* 面板中的 *Create actuator* 框中，展開 *Actuator type* 下拉框並選擇 *Relay*。
+
+    1. 將 *Pin* 設置為 *5*。
+
+    1. 選擇 **Add** 按鈕以在 Pin 5 上創建繼電器。
+
+    ![繼電器設置](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.mo.png)
+
+    繼電器將被創建並顯示在致動器列表中。
+
+    ![已創建的繼電器](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.mo.png)
+
+## 編程繼電器
+
+現在可以編程土壤濕度感測器應用程式以使用虛擬繼電器。
+
+### 任務
+
+編程虛擬設備。
+
+1. 如果尚未打開，請在 VS Code 中打開上一課的 `soil-moisture-sensor` 專案。您將在此專案中進行添加。
+
+1. 在現有的匯入語句下方，將以下程式碼添加到 `app.py` 文件中：
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    此語句從 Grove Python shim 庫中匯入 `GroveRelay`，以與虛擬 Grove 繼電器進行互動。
+
+1. 在 `ADC` 類的宣告下方添加以下程式碼，以創建一個 `GroveRelay` 實例：
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    這會使用 Pin **5** 創建一個繼電器，該 Pin 是您連接繼電器的地方。
+
+1. 為了測試繼電器是否正常工作，將以下程式碼添加到 `while True:` 迴圈中：
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    此程式碼會打開繼電器，等待 0.5 秒，然後關閉繼電器。
+
+1. 運行 Python 應用程式。繼電器將每 10 秒打開和關閉一次，並在打開和關閉之間有半秒的延遲。您將看到 CounterFit 應用程式中的虛擬繼電器隨著繼電器的打開和關閉而閉合和斷開。
+
+    ![虛擬繼電器打開和關閉](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## 根據土壤濕度控制繼電器
+
+現在繼電器已正常工作，可以根據土壤濕度讀數進行控制。
+
+### 任務
+
+控制繼電器。
+
+1. 刪除您添加的用於測試繼電器的 3 行程式碼。用以下程式碼替換它們：
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    此程式碼檢查來自土壤濕度感測器的土壤濕度水平。如果濕度值高於 450，則打開繼電器；如果低於 450，則關閉繼電器。
+
+    > 💁 請記住，電容式土壤濕度感測器的讀數越低，土壤中的濕度越高，反之亦然。
+
+1. 運行 Python 應用程式。您將看到繼電器根據土壤濕度水平打開或關閉。更改土壤濕度感測器的 *Value* 或 *Random* 設置以查看值的變化。
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 您可以在 [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) 資料夾中找到此程式碼。
+
+😀 恭喜！您的虛擬土壤濕度感測器成功控制了繼電器！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..38cb53ea
--- /dev/null
+++ b/translations/mo/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T22:29:08+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "mo"
+}
+-->
+# 控制繼電器 - Wio Terminal
+
+在本課程中，您將在 Wio Terminal 上添加一個繼電器，除了土壤濕度傳感器外，還可以根據土壤濕度水平來控制它。
+
+## 硬體
+
+Wio Terminal 需要一個繼電器。
+
+您將使用的是 [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)，這是一個常開型繼電器（意味著當沒有信號發送到繼電器時，輸出電路是開路或斷開的），它可以處理最高 250V 和 10A 的輸出電路。
+
+這是一個數位執行器，因此需要連接到 Wio Terminal 的數位引腳。模擬/數位組合端口已經被土壤濕度傳感器使用，因此繼電器需要插入另一個端口，該端口是組合 I
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..6c20b8d7
--- /dev/null
+++ b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T22:57:44+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "mo"
+}
+-->
+# 將植物遷移到雲端
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [IoT 初學者第二項目 - 數字農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
+
+[![使用 Azure IoT Hub 將設備連接到雲端](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## 簡介
+
+在上一課中，你學習了如何將植物連接到 MQTT broker，並通過本地運行的伺服器代碼控制繼電器。這構成了從家中單個植物到商業農場使用的互聯網連接自動灌溉系統的核心。
+
+IoT 設備通過公共 MQTT broker 進行通信，這是一種演示原理的方式，但並不是最可靠或安全的方法。在本課中，你將學習雲端以及公共雲服務提供的 IoT 功能。你還將學習如何將植物從公共 MQTT broker 遷移到這些雲服務之一。
+
+本課將涵蓋以下內容：
+
+* [什麼是雲端？](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [創建雲端訂閱](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [雲端 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [在雲端創建 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [與 IoT Hub 通信](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [將設備連接到 IoT 服務](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## 什麼是雲端？
+
+在雲端出現之前，當公司想要向員工提供服務（例如數據庫或文件存儲）或向公眾提供服務（例如網站）時，他們需要建立並運行數據中心。這可能是一個有少量計算機的房間，也可能是一個有大量計算機的建築。公司需要管理所有事情，包括：
+
+* 購買計算機
+* 硬件維護
+* 電力和冷卻
+* 網絡
+* 安全性，包括建築安全和計算機上的軟件安全
+* 軟件安裝和更新
+
+這可能非常昂貴，需要各種技能的員工，並且在需要時改變速度非常慢。例如，如果一家在線商店需要為繁忙的假期季節做準備，他們需要提前幾個月計劃購買更多硬件、配置它、安裝它並安裝運行銷售流程的軟件。在假期季節結束後，銷售量下降，他們可能會留下閒置的計算機，直到下一個繁忙季節。
+
+✅ 你認為這樣的方式能讓公司快速行動嗎？如果一家在線服裝零售商因某位名人穿著他們的服裝而突然流行起來，他們能否快速增加計算能力以支持突然增加的訂單？
+
+### 別人的計算機
+
+雲端常被戲稱為「別人的計算機」。最初的想法很簡單——與其購買計算機，不如租用別人的計算機。雲計算提供商會管理巨大的數據中心。他們負責購買和安裝硬件、管理電力和冷卻、網絡、建築安全、硬件和軟件更新等所有事情。作為客戶，你只需租用所需的計算機，需求增加時租用更多，需求減少時減少租用。這些雲端數據中心分布在世界各地。
+
+![Microsoft 雲端數據中心](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.mo.png)
+![Microsoft 雲端數據中心擴展計劃](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.mo.png)
+
+這些數據中心的面積可以達到數平方公里。上面的圖片拍攝於幾年前的 Microsoft 雲端數據中心，展示了初始規模以及擴展計劃。擴展清理出的區域超過 5 平方公里。
+
+> 💁 這些數據中心需要大量的電力，有些甚至擁有自己的發電站。由於其規模和雲提供商的投資，它們通常非常環保。相比於大量小型數據中心，它們更高效，主要使用可再生能源運行，雲提供商努力減少浪費、降低水資源使用並重新植樹以彌補因建設數據中心而砍伐的森林。你可以在 [Azure 可持續性網站](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) 上了解更多關於雲提供商如何致力於可持續發展的信息。
+
+✅ 做一些研究：了解主要的雲端服務，例如 [Microsoft 的 Azure](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) 或 [Google 的 GCP](https://cloud.google.com)。他們有多少個數據中心？這些數據中心分布在哪些地方？
+
+使用雲端可以降低公司的成本，並使公司能專注於自己最擅長的事情，將雲計算專業知識交給提供商。公司不再需要租用或購買數據中心空間、向不同的提供商支付連接和電力費用或僱用專家。相反，他們只需向雲提供商支付一張月度賬單，所有事情都由提供商處理。
+
+雲提供商可以利用規模經濟降低成本，批量購買計算機以降低成本，投資工具以減少維護工作量，甚至設計和建造自己的硬件以改善雲端服務。
+
+### Microsoft Azure
+
+Azure 是 Microsoft 的開發者雲端，也是你在這些課程中將使用的雲端。以下視頻提供了 Azure 的簡短概述：
+
+[![Azure 概述視頻](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.mo.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## 創建雲端訂閱
+
+要使用雲端服務，你需要向雲提供商註冊訂閱。在本課中，你將註冊 Microsoft Azure 訂閱。如果你已經有 Azure 訂閱，可以跳過此任務。此處描述的訂閱詳情在撰寫時是正確的，但可能會有所更改。
+
+> 💁 如果你通過學校訪問這些課程，你可能已經有可用的 Azure 訂閱。向你的老師確認。
+
+有兩種不同類型的免費 Azure 訂閱可以註冊：
+
+* **Azure for Students** - 這是專為 18 歲以上學生設計的訂閱。註冊時不需要信用卡，你可以使用學校的電子郵件地址驗證你是學生。註冊後，你將獲得 100 美元的雲端資源使用額，以及包括 IoT 服務免費版本在內的免費服務。此訂閱有效期為 12 個月，每年可續訂，只要你仍是學生。
+
+* **Azure 免費訂閱** - 這是為非學生設計的訂閱。註冊時需要信用卡，但不會扣款，僅用於驗證你是真人而非機器人。你在前 30 天內可獲得 200 美元的信用額，用於任何服務，並享受 Azure 服務的免費層。一旦信用額用完，除非你轉換為按使用付費訂閱，否則不會扣款。
+
+> 💁 Microsoft 確實提供了 Azure for Students Starter 訂閱，供 18 歲以下學生使用，但在撰寫時此訂閱不支持任何 IoT 服務。
+
+### 任務 - 註冊免費雲端訂閱
+
+如果你是 18 歲以上的學生，可以註冊 Azure for Students 訂閱。你需要使用學校的電子郵件地址進行驗證。你可以通過以下兩種方式完成：
+
+* 在 [education.github.com/pack](https://education.github.com/pack) 註冊 GitHub 學生開發者包。這將使你能夠訪問一系列工具和優惠，包括 GitHub 和 Microsoft Azure。註冊開發者包後，你可以激活 Azure for Students 優惠。
+
+* 直接在 [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) 註冊 Azure for Students 帳戶。
+
+> ⚠️ 如果你的學校電子郵件地址未被認可，請在 [此 repo 提交問題](https://github.com/Microsoft/IoT-For-Beginners/issues)，我們將嘗試將其添加到 Azure for Students 的允許列表中。
+
+如果你不是學生，或者沒有有效的學校電子郵件地址，可以註冊 Azure 免費訂閱。
+
+* 在 [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) 註冊 Azure 免費訂閱。
+
+## 雲端 IoT 服務
+
+你一直使用的公共測試 MQTT broker 是一個很好的學習工具，但作為商業用途的工具存在一些缺點：
+
+* **可靠性** - 它是一個免費服務，沒有任何保證，可能隨時關閉
+* **安全性** - 它是公共的，因此任何人都可以監聽你的遙測數據或發送命令控制你的硬件
+* **性能** - 它設計僅用於少量測試消息，因此無法應對大量消息的傳輸
+* **發現性** - 無法知道有哪些設備已連接
+
+雲端 IoT 服務解決了這些問題。它們由大型雲提供商維護，這些提供商在可靠性方面投入巨大，並隨時解決可能出現的問題。它們內置了安全性，防止黑客讀取你的數據或發送惡意命令。它們還具有高性能，能夠每天處理數百萬條消息，並利用雲端根據需要進行擴展。
+
+> 💁 雖然你需要支付月費來享受這些優勢，但大多數雲提供商都提供有限消息數量或設備連接的 IoT 服務免費版本。這些免費版本通常足夠開發者學習服務。在本課中，你將使用免費版本。
+
+IoT 設備可以通過設備 SDK（提供與服務功能交互的代碼庫）或直接通過通信協議（如 MQTT 或 HTTP）連接到雲端服務。設備 SDK 通常是最簡單的路徑，因為它處理所有事情，例如知道要發布或訂閱哪些主題，以及如何處理安全性。
+
+![設備通過設備 SDK 連接到服務。伺服器代碼也通過 SDK 連接到服務](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.mo.png)
+
+你的設備然後通過該服務與應用程序的其他部分通信——類似於你通過 MQTT 發送遙測數據和接收命令。這通常使用服務 SDK 或類似的庫。消息從設備發送到服務，應用程序的其他部分可以讀取這些消息，並將消息發送回設備。
+
+![沒有有效密鑰的設備無法連接到 IoT 服務](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.mo.png)
+
+這些服務通過了解所有可以連接並發送數據的設備來實現安全性，這可以通過預先註冊設備或提供設備密鑰或證書來完成，設備可以在首次連接時使用這些密鑰或證書向服務註冊。未知設備無法連接，如果嘗試，服務會拒絕連接並忽略它們發送的消息。
+
+✅ 做一些研究：開放的 IoT 服務允許任何設備或代碼連接會有哪些缺點？你能找到黑客利用這種情況的具體例子嗎？
+
+應用程序的其他部分可以連接到 IoT 服務，了解所有已連接或註冊的設備，並直接與它們進行批量或單獨通信。
+💁 IoT 服務還提供額外的功能，雲端供應商也有其他服務和應用程式可以連接到該服務。例如，如果您想將所有設備發送的遙測訊息存儲到資料庫中，通常只需在雲端供應商的配置工具中點擊幾下，就能將服務連接到資料庫並將資料流入。
+## 在雲端建立 IoT 服務
+
+現在您已擁有 Azure 訂閱，您可以註冊一個 IoT 服務。Microsoft 的 IoT 服務稱為 Azure IoT Hub。
+
+![Azure IoT Hub 標誌](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.mo.png)
+
+以下影片提供了 Azure IoT Hub 的簡短概述：
+
+[![Azure IoT Hub 概述影片](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 點擊上方圖片觀看影片
+
+✅ 花點時間進行研究，閱讀 [Microsoft IoT Hub 文件](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) 中的 IoT Hub 概述。
+
+Azure 提供的雲端服務可以透過網頁式入口網站或命令列介面 (CLI) 進行配置。這次任務中，您將使用 CLI。
+
+### 任務 - 安裝 Azure CLI
+
+要使用 Azure CLI，首先需要在您的 PC 或 Mac 上安裝它。
+
+1. 按照 [Azure CLI 文件](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) 中的指示安裝 CLI。
+
+1. Azure CLI 支援多種擴展功能，這些擴展功能可用於管理各種 Azure 服務。透過命令列或終端機執行以下命令來安裝 IoT 擴展：
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. 從命令列或終端機執行以下命令，使用 Azure CLI 登錄您的 Azure 訂閱。
+
+    ```sh
+    az login
+    ```
+
+    預設瀏覽器將啟動一個網頁。使用您註冊 Azure 訂閱的帳戶登錄。登錄完成後，您可以關閉瀏覽器標籤頁。
+
+1. 如果您有多個 Azure 訂閱，例如學校提供的訂閱和您自己的 Azure for Students 訂閱，您需要選擇要使用的訂閱。執行以下命令列出您有權訪問的所有訂閱：
+
+    ```sh
+    az account list --output table
+    ```
+
+    在輸出中，您將看到每個訂閱的名稱以及其 `SubscriptionId`。
+
+    ```output
+    ➜  ~ az account list --output table
+    Name                    CloudName    SubscriptionId                        State    IsDefault
+    ----------------------  -----------  ------------------------------------  -------  -----------
+    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
+    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
+    ```
+
+    要選擇您要使用的訂閱，請使用以下命令：
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    將 `<SubscriptionId>` 替換為您要使用的訂閱 ID。執行此命令後，重新執行列出帳戶的命令。您將看到 `IsDefault` 列已標記為 `True`，表示您剛剛設置的訂閱。
+
+### 任務 - 建立資源群組
+
+Azure 服務，例如 IoT Hub 實例、虛擬機器、資料庫或 AI 服務，被稱為 **資源**。每個資源都必須位於 **資源群組** 中，資源群組是一個或多個資源的邏輯分組。
+
+> 💁 使用資源群組意味著您可以一次管理多個服務。例如，完成此專案的所有課程後，您可以刪除資源群組，所有資源將自動刪除。
+
+1. Azure 在全球有多個資料中心，分為不同的區域。當您建立 Azure 資源或資源群組時，您需要指定要在哪裡建立它。執行以下命令以獲取位置列表：
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    您將看到一個位置列表。這個列表會很長。
+
+    > 💁 截至撰寫本文時，您可以部署到 65 個位置。
+
+    ```output
+        ➜  ~ az account list-locations --output table
+    DisplayName               Name                 RegionalDisplayName
+    ------------------------  -------------------  -------------------------------------
+    East US                   eastus               (US) East US
+    East US 2                 eastus2              (US) East US 2
+    South Central US          southcentralus       (US) South Central US
+    ...
+    ```
+
+    記下距您最近的區域的 `Name` 列中的值。您可以在 [Azure 地理位置頁面](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn) 上的地圖中找到這些區域。
+
+1. 執行以下命令以建立名為 `soil-moisture-sensor` 的資源群組。資源群組名稱必須在您的訂閱中是唯一的。
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    將 `<location>` 替換為您在上一步中選擇的位置。
+
+### 任務 - 建立 IoT Hub
+
+現在您可以在資源群組中建立 IoT Hub 資源。
+
+1. 使用以下命令建立您的 IoT Hub 資源：
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您的 Hub 名稱。此名稱必須是全球唯一的——即任何人建立的 IoT Hub 都不能有相同的名稱。此名稱用於指向 Hub 的 URL，因此需要唯一。使用類似 `soil-moisture-sensor-` 的名稱，並在末尾添加唯一標識符，例如一些隨機字或您的名字。
+
+    `--sku F1` 選項表示使用免費層。免費層每天支援 8,000 條消息以及大多數付費層的功能。
+
+    > 🎓 Azure 服務的不同定價級別稱為層。每個層都有不同的成本，並提供不同的功能或數據量。
+
+    > 💁 如果您想了解更多有關定價的信息，可以查看 [Azure IoT Hub 定價指南](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn)。
+
+    `--partition-count 2` 選項定義 IoT Hub 支援的數據流數量。更多分區可以減少多個設備從 IoT Hub 讀寫時的數據阻塞。分區超出了這些課程的範圍，但此值需要設置以建立免費層 IoT Hub。
+
+    > 💁 每個訂閱只能有一個免費層 IoT Hub。
+
+IoT Hub 將被建立。這可能需要一分鐘左右完成。
+
+## 與 IoT Hub 通訊
+
+在上一課中，您使用 MQTT 並在不同的主題上來回發送消息，每個主題有不同的用途。IoT Hub 不使用不同的主題發送消息，而是有多種定義的方式供設備與 Hub 通訊，或 Hub 與設備通訊。
+
+> 💁 在底層，IoT Hub 與您的設備之間的通訊可以使用 MQTT、HTTPS 或 AMQP。
+
+* 設備到雲端 (D2C) 消息 - 這些是從設備發送到 IoT Hub 的消息，例如遙測數據。您的應用程式代碼可以從 IoT Hub 中讀取這些消息。
+
+    > 🎓 在底層，IoT Hub 使用一個 Azure 服務稱為 [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn)。當您編寫代碼來讀取發送到 Hub 的消息時，這些通常被稱為事件。
+
+* 雲端到設備 (C2D) 消息 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息。
+
+* 直接方法請求 - 這些是從應用程式代碼通過 IoT Hub 發送到 IoT 設備的消息，用於請求設備執行某些操作，例如控制執行器。這些消息需要回應，以便您的應用程式代碼知道是否成功處理。
+
+* 設備雙胞胎 - 這些是 JSON 文件，保持設備與 IoT Hub 之間的同步，用於存儲設備報告的設置或其他屬性，或者應由 IoT Hub 設置在設備上的屬性（稱為期望值）。
+
+IoT Hub 可以存儲消息和直接方法請求一段可配置的時間（默認為一天），因此如果設備或應用程式代碼失去連接，重新連接後仍然可以檢索離線期間發送的消息。設備雙胞胎永久保存在 IoT Hub 中，因此設備可以隨時重新連接並獲取最新的設備雙胞胎。
+
+✅ 進行研究：閱讀 IoT Hub 文件中的 [設備到雲端通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) 和 [雲端到設備通訊指南](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn)。
+
+## 連接您的設備到 IoT 服務
+
+Hub 建立後，您的 IoT 設備可以連接到它。只有註冊的設備可以連接到服務，因此您需要先註冊您的設備。註冊後，您可以獲得一個連接字串，設備可以使用它進行連接。此連接字串是設備專屬的，包含有關 IoT Hub、設備以及允許此設備連接的密鑰的信息。
+
+> 🎓 連接字串是一個通用術語，指包含連接詳細信息的一段文字。它們在連接 IoT Hub、資料庫和許多其他服務時使用。通常包括服務的標識符，例如 URL，以及安全信息，例如密鑰。這些字串會傳遞給 SDK 用於連接服務。
+
+> ⚠️ 連接字串應保持安全！安全性將在未來的課程中詳細介紹。
+
+### 任務 - 註冊您的 IoT 設備
+
+可以使用 Azure CLI 將 IoT 設備註冊到您的 IoT Hub。
+
+1. 執行以下命令註冊設備：
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
+
+    這將建立一個 ID 為 `soil-moisture-sensor` 的設備。
+
+1. 當您的 IoT 設備使用 SDK 連接到 IoT Hub 時，它需要使用一個連接字串，該字串提供 Hub 的 URL 以及密鑰。執行以下命令以獲取連接字串：
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
+
+1. 保存輸出中顯示的連接字串，稍後您將需要它。
+
+### 任務 - 將您的 IoT 設備連接到雲端
+
+按照相關指南將您的 IoT 設備連接到雲端：
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-connect-hub.md)
+
+### 任務 - 監控事件
+
+目前，您不需要更新您的伺服器代碼。您可以使用 Azure CLI 監控來自 IoT 設備的事件。
+
+1. 確保您的 IoT 設備正在運行並發送土壤濕度遙測值。
+
+1. 在命令提示符或終端機中執行以下命令以監控發送到 IoT Hub 的消息：
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
+
+    您將在控制台輸出中看到消息，這些消息是由您的 IoT 設備發送的。
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 376}"
+        }
+    },
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    `payload` 的內容將與您的 IoT 設備發送的消息匹配。
+
+    > 截至撰寫本文時，`az iot` 擴展在 Apple Silicon 上尚未完全運作。如果您使用的是 Apple Silicon 設備，您需要使用其他方式監控消息，例如使用 [Visual Studio Code 的 Azure IoT 工具](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging)。
+
+1. 這些消息附帶了一些自動添加的屬性，例如發送的時間戳。這些屬性被稱為 *註解*。要查看所有消息註解，請使用以下命令：
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
+
+    您將在控制台輸出中看到消息，這些消息是由您的 IoT 設備發送的。
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "properties": {},
+            "annotations": {
+                "iothub-connection-device-id": "soil-moisture-sensor",
+                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
+                "iothub-connection-auth-generation-id": "637553997165220462",
+                "iothub-enqueuedtime": 1619976150288,
+                "iothub-message-source": "Telemetry",
+                "x-opt-sequence-number": 1379,
+                "x-opt-offset": "550576",
+                "x-opt-enqueued-time": 1619976150277
+            },
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    註解中的時間值是 [UNIX 時間](https://wikipedia.org/wiki/Unix_time)，表示自 1970 年 1 月 1 日午夜以來的秒數。
+
+    完成後退出事件監控。
+
+### 任務 - 控制您的 IoT 設備
+
+您還可以使用 Azure CLI 在您的 IoT 設備上調用直接方法。
+
+1. 在命令提示符或終端機中執行以下命令以調用 IoT 設備上的 `relay_on` 方法：
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    替換 `
+<hub_name>
+` 使用您為 IoT Hub 設定的名稱。
+
+這會發送一個直接方法請求，指定的方法名稱為 `method-name`。直接方法可以包含一個作為方法數據的有效負載，這可以在 `method-payload` 參數中以 JSON 格式指定。
+
+您會看到繼電器打開，並從 IoT 裝置中看到相應的輸出：
+
+```output
+    Direct method received -  relay_on
+    ```
+
+1. 重複上述步驟，但將 `--method-name` 設為 `relay_off`。您會看到繼電器關閉，並從 IoT 裝置中看到相應的輸出。
+
+---
+
+## 🚀 挑戰
+
+IoT Hub 的免費層每天允許 8,000 條訊息。您撰寫的程式碼每 10 秒發送一次遙測訊息。每 10 秒發送一條訊息，每天會發送多少條訊息？
+
+思考一下，土壤濕度測量應該多頻繁發送？如何修改您的程式碼以保持在免費層的限制內，同時能夠根據需要進行檢查但不過於頻繁？如果您想要新增第二個裝置，又該怎麼辦？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## 回顧與自學
+
+IoT Hub SDK 是開源的，適用於 Arduino 和 Python。在 GitHub 的程式碼倉庫中，有許多範例展示如何使用不同的 IoT Hub 功能。
+
+* 如果您使用的是 Wio Terminal，請查看 [GitHub 上的 Arduino 範例](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* 如果您使用的是 Raspberry Pi 或虛擬裝置，請查看 [GitHub 上的 Python 範例](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## 作業
+
+[了解雲端服務](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..809b0b35
--- /dev/null
+++ b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T22:59:16+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 認識雲端服務
+
+## 說明
+
+雲端服務，例如 Microsoft 的 Azure，不僅僅是提供租用的計算資源。主要的雲端服務類型包括：
+
+* 基礎設施即服務 (IaaS)
+* 平台即服務 (PaaS)
+* 無伺服器架構
+* 軟體即服務 (SaaS)
+
+了解這些不同類型的服務，並解釋它們是什麼以及它們之間的差異。說明哪些服務類型與 IoT 開發者相關。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 解釋不同的雲端服務類型 | 清楚解釋了所有 4 種服務類型 | 能夠解釋 3 種服務類型 | 僅能解釋 1 或 2 種服務類型 |
+| 解釋與 IoT 相關的服務類型 | 描述了哪些服務類型與 IoT 開發者相關並解釋了原因 | 描述了哪些服務類型與 IoT 開發者相關，但未解釋原因 | 無法描述哪些服務類型與 IoT 開發者相關 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..55e77251
--- /dev/null
+++ b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T23:00:14+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "mo"
+}
+-->
+# 將您的 IoT 裝置連接到雲端 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，您將把虛擬 IoT 裝置或 Raspberry Pi 連接到 IoT Hub，以傳送遙測數據並接收指令。
+
+## 將裝置連接到 IoT Hub
+
+下一步是將您的裝置連接到 IoT Hub。
+
+### 任務 - 連接到 IoT Hub
+
+1. 在 VS Code 中打開 `soil-moisture-sensor` 資料夾。如果您使用的是虛擬 IoT 裝置，請確保終端中虛擬環境已啟動。
+
+1. 安裝一些額外的 Pip 套件：
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device` 是一個用於與 IoT Hub 通訊的函式庫。
+
+1. 在 `app.py` 文件的頂部，現有的匯入語句下方，添加以下匯入語句：
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    此程式碼匯入了與 IoT Hub 通訊的 SDK。
+
+1. 移除 `import paho.mqtt.client as mqtt` 這行，因為此函式庫已不再需要。移除所有 MQTT 相關程式碼，包括主題名稱、所有使用 `mqtt_client` 的程式碼以及 `handle_command`。保留 `while True:` 迴圈，只需刪除該迴圈中的 `mqtt_client.publish` 行即可。
+
+1. 在匯入語句下方添加以下程式碼：
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    將 `<connection string>` 替換為您在本課程早些時候為裝置檢索到的連接字串。
+
+    > 💁 這並非最佳做法。連接字串不應存儲在原始程式碼中，因為它可能被檢入版本控制系統並被任何人發現。我們在此處這樣做是為了簡化操作。理想情況下，您應使用環境變數和像 [`python-dotenv`](https://pypi.org/project/python-dotenv/) 這樣的工具。您將在後續課程中學到更多相關內容。
+
+1. 在此程式碼下方，添加以下程式碼以建立一個可以與 IoT Hub 通訊的裝置客戶端物件並連接它：
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. 執行此程式碼。您將看到您的裝置已成功連接。
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## 傳送遙測數據
+
+現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
+
+### 任務 - 傳送遙測數據
+
+1. 在 `while True` 迴圈內，睡眠之前添加以下程式碼：
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    此程式碼建立了一個包含土壤濕度讀數的 JSON 字串的 IoT Hub `Message`，然後將其作為裝置到雲端的訊息傳送到 IoT Hub。
+
+## 處理指令
+
+您的裝置需要處理來自伺服器程式碼的指令，以控制繼電器。這是通過直接方法請求發送的。
+
+## 任務 - 處理直接方法請求
+
+1. 在 `while True` 迴圈之前添加以下程式碼：
+
+    ```python
+    def handle_method_request(request):
+        print("Direct method received - ", request.name)
+    
+        if request.name == "relay_on":
+            relay.on()
+        elif request.name == "relay_off":
+            relay.off()    
+    ```
+
+    此程式碼定義了一個方法 `handle_method_request`，當 IoT Hub 呼叫直接方法時會執行。每個直接方法都有一個名稱，此程式碼預期方法名稱為 `relay_on` 用於打開繼電器，以及 `relay_off` 用於關閉繼電器。
+
+    > 💁 這也可以通過單一的直接方法請求來實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過方法請求傳遞並從 `request` 物件中獲取。
+
+1. 直接方法需要一個回應，以告知呼叫程式碼該方法已被處理。在 `handle_method_request` 函數的末尾添加以下程式碼，以建立對請求的回應：
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    此程式碼向直接方法請求發送一個 HTTP 狀態碼為 200 的回應，並將其返回給 IoT Hub。
+
+1. 在此函數定義下方添加以下程式碼：
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    此程式碼告訴 IoT Hub 客戶端在呼叫直接方法時執行 `handle_method_request` 函數。
+
+> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) 資料夾中找到此程式碼。
+
+😀 您的土壤濕度感測器程式已成功連接到您的 IoT Hub！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..67e974de
--- /dev/null
+++ b/translations/mo/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T23:01:39+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "mo"
+}
+-->
+# 將您的 IoT 裝置連接到雲端 - Wio Terminal
+
+在本課程的這部分，您將把 Wio Terminal 連接到 IoT Hub，以傳送遙測數據並接收指令。
+
+## 將您的裝置連接到 IoT Hub
+
+下一步是將您的裝置連接到 IoT Hub。
+
+### 任務 - 連接到 IoT Hub
+
+1. 在 VS Code 中打開 `soil-moisture-sensor` 專案。
+
+1. 打開 `platformio.ini` 文件。移除 `knolleary/PubSubClient` 庫的依賴項。這個庫是用來連接到公共 MQTT broker 的，但連接到 IoT Hub 不需要它。
+
+1. 添加以下庫依賴項：
+
+    ```ini
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    arduino-libraries/AzureIoTHub @ 1.6.0
+    azure/AzureIoTUtility @ 1.6.1
+    azure/AzureIoTProtocol_MQTT @ 1.6.0
+    azure/AzureIoTProtocol_HTTP @ 1.6.0
+    azure/AzureIoTSocket_WiFi @ 1.0.2
+    ```
+
+    `Seeed Arduino RTC` 庫提供了與 Wio Terminal 的實時時鐘交互的代碼，用於追蹤時間。其餘的庫則允許您的 IoT 裝置連接到 IoT Hub。
+
+1. 在 `platformio.ini` 文件的底部添加以下內容：
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    這設置了一個編譯器標誌，在編譯 Arduino IoT Hub 代碼時需要。
+
+1. 打開 `config.h` 標頭文件。移除所有 MQTT 設定，並添加以下裝置連接字串的常量：
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    將 `<connection string>` 替換為您之前複製的裝置連接字串。
+
+1. 連接到 IoT Hub 使用基於時間的令牌。這意味著 IoT 裝置需要知道當前時間。與 Windows、macOS 或 Linux 等操作系統不同，微控制器不會自動通過網路同步當前時間。因此，您需要添加代碼以從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器獲取當前時間。一旦獲取了時間，它可以存儲在 Wio Terminal 的實時時鐘中，允許在稍後日期請求正確的時間，假設裝置未斷電。新增一個名為 `ntp.h` 的文件，並添加以下代碼：
+
+    ```cpp
+    #pragma once
+    
+    #include "DateTime.h"
+    #include <time.h>
+    #include "samd/NTPClientAz.h"
+    #include <sys/time.h>
+
+    static void initTime()
+    {
+        WiFiUDP _udp;
+        time_t epochTime = (time_t)-1;
+        NTPClientAz ntpClient;
+
+        ntpClient.begin();
+
+        while (true)
+        {
+            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
+
+            if (epochTime == (time_t)-1)
+            {
+                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
+                delay(2000);
+            }
+            else
+            {
+                Serial.print("Fetched NTP epoch time is: ");
+
+                char buff[32];
+                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
+                Serial.println(buff);
+                break;
+            }
+        }
+
+        ntpClient.end();
+
+        struct timeval tv;
+        tv.tv_sec = epochTime;
+        tv.tv_usec = 0;
+
+        settimeofday(&tv, NULL);
+    }
+    ```
+
+    此代碼的細節超出了本課程的範圍。它定義了一個名為 `initTime` 的函數，用於從 NTP 伺服器獲取當前時間並用它設置 Wio Terminal 的時鐘。
+
+1. 打開 `main.cpp` 文件，移除所有 MQTT 代碼，包括 `PubSubClient.h` 標頭文件、`PubSubClient` 變數的聲明、`reconnectMQTTClient` 和 `createMQTTClient` 方法，以及對這些變數和方法的任何調用。此文件應僅包含連接 WiFi、獲取土壤濕度並創建 JSON 文檔的代碼。
+
+1. 在 `main.cpp` 文件的頂部添加以下 `#include` 指令，以包含 IoT Hub 庫和設置時間的標頭文件：
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. 在 `setup` 函數的末尾添加以下調用以設置當前時間：
+
+    ```cpp
+    initTime();
+    ```
+
+1. 在文件的頂部，包含指令下方添加以下變數聲明：
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    這聲明了一個 `IOTHUB_DEVICE_CLIENT_LL_HANDLE`，用於連接到 IoT Hub 的句柄。
+
+1. 在此下方添加以下代碼：
+
+    ```cpp
+    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
+    {
+        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
+        {
+            Serial.println("The device client is connected to iothub");
+        }
+        else
+        {
+            Serial.println("The device client has been disconnected");
+        }
+    }
+    ```
+
+    這聲明了一個回調函數，當連接到 IoT Hub 的狀態改變（例如連接或斷開）時會被調用。狀態會被發送到串口。
+
+1. 在此下方添加一個函數以連接到 IoT Hub：
+
+    ```cpp
+    void connectIoTHub()
+    {
+        IoTHub_Init();
+    
+        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
+        
+        if (_device_ll_handle == NULL)
+        {
+            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
+            return;
+        }
+    
+        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
+    }
+    ```
+
+    此代碼初始化 IoT Hub 庫代碼，然後使用 `config.h` 標頭文件中的連接字串創建連接。此連接基於 MQTT。如果連接失敗，會將此信息發送到串口——如果您在輸出中看到此信息，請檢查連接字串。最後，設置了連接狀態回調。
+
+1. 在 `setup` 函數中，將此函數調用添加到 `initTime` 調用的下方：
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. 與 MQTT 客戶端一樣，此代碼在單一線程上運行，因此需要時間來處理由 Hub 發送和發送到 Hub 的消息。在 `loop` 函數的頂部添加以下內容以完成此操作：
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. 編譯並上傳此代碼。您將在串口監視器中看到連接：
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    在輸出中，您可以看到 NTP 時間被獲取，接著是裝置客戶端連接。連接可能需要幾秒鐘，因此在裝置連接時，您可能會在輸出中看到土壤濕度。
+
+    > 💁 您可以使用像 [unixtimestamp.com](https://www.unixtimestamp.com) 這樣的網站將 NTP 的 UNIX 時間轉換為更易讀的版本。
+
+## 傳送遙測數據
+
+現在您的裝置已連接，您可以將遙測數據傳送到 IoT Hub，而不是 MQTT broker。
+
+### 任務 - 傳送遙測數據
+
+1. 在 `setup` 函數上方添加以下函數：
+
+    ```cpp
+    void sendTelemetry(const char *telemetry)
+    {
+        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
+        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
+        IoTHubMessage_Destroy(message_handle);
+    }
+    ```
+
+    此代碼從作為參數傳遞的字串創建 IoT Hub 消息，將其發送到 Hub，然後清理消息對象。
+
+1. 在 `loop` 函數中，將此代碼調用添加到遙測數據發送到串口的行之後：
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## 處理指令
+
+您的裝置需要處理來自伺服器代碼的指令，以控制繼電器。這是通過直接方法請求發送的。
+
+## 任務 - 處理直接方法請求
+
+1. 在 `connectIoTHub` 函數之前添加以下代碼：
+
+    ```cpp
+    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
+    {
+        Serial.printf("Direct method received %s\r\n", method_name);
+    
+        if (strcmp(method_name, "relay_on") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, HIGH);
+        }
+        else if (strcmp(method_name, "relay_off") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, LOW);
+        }
+    }
+    ```
+
+    此代碼定義了一個回調方法，當 IoT Hub 庫接收到直接方法請求時可以調用。請求的方法通過 `method_name` 參數傳遞。此函數將調用的方法打印到串口，然後根據方法名稱打開或關閉繼電器。
+
+    > 💁 這也可以通過單一直接方法請求實現，將繼電器的期望狀態作為有效負載傳遞，該有效負載可以通過 `payload` 參數獲得。
+
+1. 在 `directMethodCallback` 函數的末尾添加以下代碼：
+
+    ```cpp
+    char resultBuff[16];
+    sprintf(resultBuff, "{\"Result\":\"\"}");
+    *response_size = strlen(resultBuff);
+    *response = (unsigned char *)malloc(*response_size);
+    memcpy(*response, resultBuff, *response_size);
+
+    return IOTHUB_CLIENT_OK;
+    ```
+
+    直接方法請求需要響應，響應分為兩部分——作為文本的響應和返回代碼。此代碼將創建以下 JSON 文檔作為結果：
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    然後將其複製到 `response` 參數中，並在 `response_size` 參數中設置此響應的大小。此代碼然後返回 `IOTHUB_CLIENT_OK`，表示方法已正確處理。
+
+1. 在 `connectIoTHub` 函數的末尾添加以下代碼以連接回調：
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. `loop` 函數將調用 `IoTHubDeviceClient_LL_DoWork` 函數以處理 IoT Hub 發送的事件。由於 `delay` 的原因，此函數僅每 10 秒調用一次，這意味著直接方法僅每 10 秒處理一次。為了提高效率，10 秒的延遲可以分為多個較短的延遲，每次都調用 `IoTHubDeviceClient_LL_DoWork`。為此，在 `loop` 函數上方添加以下代碼：
+
+    ```cpp
+    void work_delay(int delay_time)
+    {
+        int current = 0;
+        do
+        {
+            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+            delay(100);
+            current += 100;
+        } while (current < delay_time);
+    }
+    ```
+
+    此代碼將重複循環，調用 `IoTHubDeviceClient_LL_DoWork` 並每次延遲 100 毫秒。它將根據 `delay_time` 參數的值執行多次，這意味著裝置最多等待 100 毫秒來處理直接方法請求。
+
+1. 在 `loop` 函數中，移除對 `IoTHubDeviceClient_LL_DoWork` 的調用，並將 `delay(10000)` 替換為以下代碼以調用此新函數：
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 您可以在 [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) 文件夾中找到此代碼。
+
+😀 您的土壤濕度感測器程式已成功連接到 IoT Hub！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..5d581b8a
--- /dev/null
+++ b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,654 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T22:39:28+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "mo"
+}
+-->
+# 將您的應用程式邏輯遷移到雲端
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+本課程是 [IoT 初學者專案 2 - 數位農業系列](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) 的一部分，由 [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) 提供。
+
+[![使用無伺服器程式碼控制您的 IoT 裝置](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## 簡介
+
+在上一課中，您學會了如何將植物土壤濕度監測和繼電器控制連接到基於雲端的 IoT 服務。下一步是將控制繼電器定時的伺服器程式碼移至雲端。在本課中，您將學習如何使用無伺服器函數來完成這一過程。
+
+本課將涵蓋以下內容：
+
+* [什麼是無伺服器？](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [建立無伺服器應用程式](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [建立 IoT Hub 事件觸發器](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [從無伺服器程式碼發送直接方法請求](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [將您的無伺服器程式碼部署到雲端](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## 什麼是無伺服器？
+
+無伺服器，或稱無伺服器運算，是指建立小型程式碼塊，這些程式碼會在雲端中根據不同類型的事件執行。當事件發生時，您的程式碼會被執行，並接收有關該事件的數據。這些事件可以來自多種來源，包括網頁請求、放入佇列的訊息、資料庫中數據的變更，或 IoT 裝置發送到 IoT 服務的訊息。
+
+![事件從 IoT 服務發送到無伺服器服務，並由多個同時執行的函數處理](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.mo.png)
+
+> 💁 如果您之前使用過資料庫觸發器，可以將其視為類似的概念，即程式碼因事件（如插入一行）而觸發。
+
+![當多個事件同時發生時，無伺服器服務會擴展以同時執行所有事件](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.mo.png)
+
+您的程式碼僅在事件發生時執行，其他時間不會保持活躍。事件發生時，程式碼會被載入並執行。這使得無伺服器具有很高的可擴展性——如果多個事件同時發生，雲端提供商可以根據需要同時執行多個函數，分配到可用的伺服器上。不過，這也意味著如果需要在事件之間共享資訊，您需要將其儲存在資料庫等地方，而不是記憶體中。
+
+您的程式碼以函數的形式撰寫，並將事件的詳細資訊作為參數傳遞。您可以使用多種程式語言來撰寫這些無伺服器函數。
+
+> 🎓 無伺服器也被稱為「函數即服務」（Functions as a Service，FaaS），因為每個事件觸發器都以程式碼中的函數形式實現。
+
+儘管名稱是「無伺服器」，但實際上仍然使用伺服器。這個名稱的由來是因為作為開發者，您不需要關心執行程式碼所需的伺服器，您只需關心程式碼是否能根據事件執行。雲端提供商有一個無伺服器*執行環境*，負責管理伺服器分配、網路、儲存、CPU、記憶體等所有執行程式碼所需的資源。這種模式意味著您無法按伺服器付費，因為沒有伺服器的概念。相反，您按程式碼執行的時間和使用的記憶體量付費。
+
+> 💰 無伺服器是雲端中執行程式碼最便宜的方式之一。例如，截至撰寫本文時，有一個雲端提供商允許所有無伺服器函數每月執行總計 1,000,000 次之前免費，超過後每 1,000,000 次執行收費 0.20 美元。當您的程式碼未執行時，您不需要付費。
+
+對於 IoT 開發者來說，無伺服器模型非常理想。您可以撰寫一個函數，當任何連接到雲端 IoT 服務的 IoT 裝置發送訊息時觸發執行。您的程式碼將處理所有發送的訊息，但僅在需要時執行。
+
+✅ 回顧您之前撰寫的伺服器程式碼，該程式碼通過 MQTT 接收訊息。這段程式碼如何在雲端中以無伺服器方式執行？您認為程式碼需要如何修改以支援無伺服器運算？
+
+> 💁 無伺服器模型正在擴展到其他雲端服務，不僅限於執行程式碼。例如，雲端中有無伺服器資料庫，使用無伺服器定價模型，按對資料庫的請求次數（如查詢或插入）付費，通常根據完成請求所需的工作量定價。例如，根據主鍵選擇一行的操作成本低於執行多表聯結並返回數千行的複雜操作。
+
+## 建立無伺服器應用程式
+
+Microsoft 的無伺服器運算服務稱為 Azure Functions。
+
+![Azure Functions 標誌](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.mo.png)
+
+以下的短影片提供了 Azure Functions 的概覽：
+
+[![Azure Functions 概覽影片](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 點擊上方圖片觀看影片
+
+✅ 花點時間研究並閱讀 [Microsoft Azure Functions 文件](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn) 中的 Azure Functions 概覽。
+
+要撰寫 Azure Functions，您需要選擇一種程式語言來建立 Azure Functions 應用程式。Azure Functions 原生支援 Python、JavaScript、TypeScript、C#、F#、Java 和 Powershell。在本課中，您將學習如何使用 Python 撰寫 Azure Functions 應用程式。
+
+> 💁 Azure Functions 還支援自訂處理器，因此您可以使用任何支援 HTTP 請求的語言撰寫函數，包括像 COBOL 這樣的舊語言。
+
+Functions 應用程式由一個或多個*觸發器*組成——這些觸發器是響應事件的函數。您可以在一個 Functions 應用程式中包含多個觸發器，並共享通用的設定。例如，您的 Functions 應用程式的設定檔案中可以包含 IoT Hub 的連接詳細資訊，應用程式中的所有函數都可以使用這些資訊來連接和監聽事件。
+
+### 任務 - 安裝 Azure Functions 工具
+
+> 截至撰寫本文時，Azure Functions 的程式碼工具在 Apple Silicon 上的 Python 專案中尚未完全運作。您需要使用基於 Intel 的 Mac、Windows PC 或 Linux PC。
+
+Azure Functions 的一大特色是您可以在本地執行它們。與雲端中使用的執行環境相同，您可以在自己的電腦上運行，撰寫程式碼來響應 IoT 訊息，並在本地測試和除錯。一旦對程式碼感到滿意，就可以將其部署到雲端。
+
+Azure Functions 工具以 CLI 的形式提供，稱為 Azure Functions Core Tools。
+
+1. 按照 [Azure Functions Core Tools 文件](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn) 中的指示安裝 Azure Functions Core Tools。
+
+1. 安裝 VS Code 的 Azure Functions 擴展。此擴展提供建立、除錯和部署 Azure Functions 的支援。請參考 [Azure Functions 擴展文件](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) 了解如何在 VS Code 中安裝此擴展。
+
+當您將 Azure Functions 應用程式部署到雲端時，它需要使用少量的雲端儲存來存放應用程式檔案和日誌檔案等內容。在本地執行 Functions 應用程式時，您仍然需要連接到雲端儲存，但可以使用名為 [Azurite](https://github.com/Azure/Azurite) 的儲存模擬器。這個模擬器在本地運行，但模擬雲端儲存的行為。
+
+> 🎓 在 Azure 中，Azure Functions 使用的儲存是 Azure 儲存帳戶。這些帳戶可以存放檔案、Blob、表格中的數據或佇列中的數據。您可以在多個應用程式之間共享一個儲存帳戶，例如 Functions 應用程式和 Web 應用程式。
+
+1. Azurite 是一個 Node.js 應用程式，因此您需要安裝 Node.js。您可以在 [Node.js 官網](https://nodejs.org/) 上找到下載和安裝指示。如果您使用的是 Mac，也可以從 [Homebrew](https://formulae.brew.sh/formula/node) 安裝。
+
+1. 使用以下命令安裝 Azurite（`npm` 是安裝 Node.js 時附帶的工具）：
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. 建立一個名為 `azurite` 的資料夾，供 Azurite 用於存放數據：
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. 啟動 Azurite，並將新建的資料夾作為參數傳遞：
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    Azurite 儲存模擬器將啟動，並準備好供本地 Functions 執行環境連接。
+
+    ```output
+    ➜  ~ azurite --location azurite  
+    Azurite Blob service is starting at http://127.0.0.1:10000
+    Azurite Blob service is successfully listening at http://127.0.0.1:10000
+    Azurite Queue service is starting at http://127.0.0.1:10001
+    Azurite Queue service is successfully listening at http://127.0.0.1:10001
+    Azurite Table service is starting at http://127.0.0.1:10002
+    Azurite Table service is successfully listening at http://127.0.0.1:10002
+    ```
+
+### 任務 - 建立 Azure Functions 專案
+
+Azure Functions CLI 可用於建立新的 Functions 應用程式。
+
+1. 建立一個資料夾來存放您的 Functions 應用程式，並進入該資料夾。將其命名為 `soil-moisture-trigger`：
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. 在此資料夾中建立一個 Python 虛擬環境：
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. 啟用虛擬環境：
+
+    * 在 Windows 上：
+        * 如果您使用的是命令提示字元或 Windows Terminal 中的命令提示字元，執行以下命令：
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * 如果您使用的是 PowerShell，執行以下命令：
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * 在 macOS 或 Linux 上，執行以下命令：
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 這些命令應在您建立虛擬環境的相同位置執行。您永遠不需要進入 `.venv` 資料夾，應始終從建立虛擬環境的資料夾執行啟用命令以及任何安裝套件或執行程式碼的命令。
+
+1. 執行以下命令，在此資料夾中建立 Functions 應用程式：
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    這將在當前資料夾中建立三個檔案：
+
+    * `host.json` - 此 JSON 文件包含您的 Functions 應用程式的設定。您不需要修改這些設定。
+    * `local.settings.json` - 此 JSON 文件包含應用程式在本地執行時使用的設定，例如 IoT Hub 的連接字串。這些設定僅限本地使用，不應加入到原始碼控制中。當您將應用程式部署到雲端時，這些設定不會被部署，而是從應用程式設定中載入。本課稍後將介紹這一點。
+    * `requirements.txt` - 這是一個 [Pip requirements 文件](https://pip.pypa.io/en/stable/user_guide/#requirements-files)，包含執行 Functions 應用程式所需的 Pip 套件。
+
+1. `local.settings.json` 文件中有一個設定是 Functions 應用程式將使用的儲存帳戶。預設為空，因此需要設定。要連接到 Azurite 本地儲存模擬器，將此值設定為以下內容：
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. 使用 requirements 文件安裝必要的 Pip 套件：
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 必要的 Pip 套件需要在此文件中，這樣當 Functions 應用程式部署到雲端時，執行環境可以確保安裝正確的套件。
+
+1. 為了測試一切是否正常運作，您可以啟動 Functions 執行環境。執行以下命令來啟動：
+
+    ```sh
+    func start
+    ```
+
+    您將看到執行環境啟動，並報告未找到任何作業函數（觸發器）。
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    [2021-05-05T01:24:46.795Z] No job functions found.
+    ```
+> ⚠️ 如果收到防火牆通知，請授予訪問權限，因為 `func` 應用程式需要能夠讀寫您的網路。
+> ⚠️ 如果您使用 macOS，輸出中可能會出現警告：
+>
+> ```output
+    > (.venv) ➜  soil-moisture-trigger func start
+    > Found Python version 3.9.1 (python3).
+    >
+    > Azure Functions Core Tools
+    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    > Function Runtime Version: 3.0.15417.0
+    >
+    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
+    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
+    > [2021-06-16T08:18:30.361Z] No job functions found.
+    > ```
+>
+> 只要 Functions 應用程式能正確啟動並列出正在執行的函數，您可以忽略這些警告。如 [Microsoft Docs Q&A 中的這個問題](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) 所述，這些警告可以忽略。
+
+1. 按下 `ctrl+c` 停止 Functions 應用程式。
+
+1. 在 VS Code 中打開目前的資料夾，可以直接打開 VS Code，然後選擇此資料夾，或者執行以下指令：
+
+    ```sh
+    code .
+    ```
+
+    VS Code 會偵測到您的 Functions 專案，並顯示一個通知：
+
+    ```output
+    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
+    VS Code. Initialize for optimal use with VS Code?
+    ```
+
+    ![通知](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.mo.png)
+
+    從通知中選擇 **Yes**。
+
+1. 確保 Python 虛擬環境在 VS Code 的終端機中正在運行。如果需要，請終止並重新啟動。
+
+## 建立 IoT Hub 事件觸發器
+
+Functions 應用程式是無伺服器代碼的外殼。為了回應 IoT Hub 的事件，您可以在此應用程式中新增一個 IoT Hub 觸發器。此觸發器需要連接到 IoT Hub 傳送的訊息流並進行回應。要獲取這些訊息流，您的觸發器需要連接到 IoT Hub 的 *Event Hub 相容端點*。
+
+IoT Hub 是基於另一個 Azure 服務 Azure Event Hubs。Event Hubs 是一個允許您傳送和接收訊息的服務，而 IoT Hub 擴展了此功能以支援 IoT 裝置。連接到 IoT Hub 以讀取訊息的方式與使用 Event Hubs 的方式相同。
+
+✅ 做一些研究：閱讀 [Azure Event Hubs 文件](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) 中的概述。基本功能與 IoT Hub 有何不同？
+
+IoT 裝置要連接到 IoT Hub，必須使用一個秘密金鑰以確保只有授權的裝置能夠連接。同樣地，當連接以讀取訊息時，您的代碼需要一個包含秘密金鑰以及 IoT Hub 詳細資訊的連接字串。
+
+> 💁 預設的連接字串具有 **iothubowner** 權限，這使得任何使用它的代碼都能擁有 IoT Hub 的完整權限。理想情況下，您應該使用最低必要權限進行連接。這部分內容將在下一課中介紹。
+
+一旦觸發器連接成功，函數中的代碼將會在每次有訊息傳送到 IoT Hub 時被呼叫，無論是哪個裝置傳送的訊息。觸發器會將訊息作為參數傳遞。
+
+### 任務 - 獲取 Event Hub 相容端點的連接字串
+
+1. 從 VS Code 的終端機執行以下指令以獲取 IoT Hub 的 Event Hub 相容端點的連接字串：
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您為 IoT Hub 使用的名稱。
+
+1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中新增以下值：
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
+
+### 任務 - 建立事件觸發器
+
+現在您可以建立事件觸發器了。
+
+1. 從 VS Code 的終端機，在 `soil-moisture-trigger` 資料夾中執行以下指令：
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    這會建立一個名為 `iot-hub-trigger` 的新函數。此觸發器將連接到 IoT Hub 的 Event Hub 相容端點，因此您可以使用 Event Hub 觸發器。沒有特定的 IoT Hub 觸發器。
+
+這將在 `soil-moisture-trigger` 資料夾中建立一個名為 `iot-hub-trigger` 的資料夾，該資料夾包含此函數。資料夾內的文件包括：
+
+* `__init__.py` - 這是包含觸發器的 Python 代碼文件，使用標準的 Python 文件命名規則將此資料夾轉換為 Python 模組。
+
+    此文件包含以下代碼：
+
+    ```python
+    import logging
+
+    import azure.functions as func
+
+
+    def main(event: func.EventHubEvent):
+        logging.info('Python EventHub trigger processed an event: %s',
+                    event.get_body().decode('utf-8'))
+    ```
+
+    觸發器的核心是 `main` 函數。每次 IoT Hub 傳送訊息時，該函數都會被呼叫，並將訊息作為 `event` 參數傳遞。該函數的核心功能是記錄事件。
+
+* `function.json` - 此文件包含觸發器的配置。主要配置在名為 `bindings` 的部分中。綁定是 Azure Functions 與其他 Azure 服務之間的連接。此函數有一個輸入綁定到 Event Hub - 它連接到 Event Hub 並接收數據。
+
+    > 💁 您也可以有輸出綁定，將函數的輸出傳送到其他服務。例如，您可以新增一個輸出綁定到資料庫，並將 IoT Hub 的事件從函數返回，這樣事件就會自動插入到資料庫中。
+
+    ✅ 做一些研究：閱讀 [Azure Functions 觸發器和綁定概念文件](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) 中的綁定相關內容。
+
+    `bindings` 部分包括綁定的配置。以下值值得注意：
+
+  * `"type": "eventHubTrigger"` - 指定函數需要監聽 Event Hub 的事件
+  * `"name": "events"` - Event Hub 事件的參數名稱。這與 Python 代碼中 `main` 函數的參數名稱一致。
+  * `"direction": "in"` - 這是一個輸入綁定，Event Hub 的數據進入函數
+  * `"connection": ""` - 定義要從設置中讀取連接字串的名稱。在本地運行時，將從 `local.settings.json` 文件中讀取此設置。
+
+    > 💁 連接字串不能存儲在 `function.json` 文件中，必須從設置中讀取。這是為了防止意外暴露連接字串。
+
+1. 由於 [Azure Functions 模板中的一個錯誤](https://github.com/Azure/azure-functions-templates/issues/1250)，`function.json` 文件中的 `cardinality` 欄位值不正確。將此欄位的值從 `many` 更新為 `one`：
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. 更新 `function.json` 文件中 `"connection"` 的值，使其指向您在 `local.settings.json` 文件中新增的值：
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 請記住 - 這需要指向設置，而不是包含實際的連接字串。
+
+1. 連接字串包含 `eventHubName` 值，因此 `function.json` 文件中的此值需要清空。將此值更新為空字串：
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### 任務 - 運行事件觸發器
+
+1. 確保您未運行 IoT Hub 事件監視器。如果此監視器與 Functions 應用程式同時運行，Functions 應用程式將無法連接並消耗事件。
+
+    > 💁 多個應用程式可以使用不同的 *消費者群組* 連接到 IoT Hub 的端點。這部分內容將在後續課程中介紹。
+
+1. 要運行 Functions 應用程式，請從 VS Code 的終端機執行以下指令：
+
+    ```sh
+    func start
+    ```
+
+    Functions 應用程式將啟動，並發現 `iot-hub-trigger` 函數。它將處理過去一天內已傳送到 IoT Hub 的所有事件。
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    Functions:
+    
+            iot-hub-trigger: eventHubTrigger
+    
+    For detailed output, run func with --verbose flag.
+    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
+    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
+    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
+    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
+    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
+    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
+    ```
+
+    每次函數被呼叫時，輸出中都會顯示 `Executing 'Functions.iot-hub-trigger'` 和 `Executed 'Functions.iot-hub-trigger'` 的區塊，您可以看到每次函數呼叫處理了多少訊息。
+
+1. 確保您的 IoT 裝置正在運行，您將在 Functions 應用程式中看到新的土壤濕度訊息。
+
+1. 停止並重新啟動 Functions 應用程式。您會看到它不會再次處理之前的訊息，只會處理新的訊息。
+
+> 💁 VS Code 也支援調試您的 Functions。您可以通過點擊代碼行的邊框、將光標放在代碼行上並選擇 *Run -> Toggle breakpoint*，或按下 `F9` 來設置斷點。您可以通過選擇 *Run -> Start debugging*、按下 `F5` 或選擇 *Run and debug* 面板並點擊 **Start debugging** 按鈕來啟動調試器。這樣您可以查看正在處理的事件的詳細資訊。
+
+#### 疑難排解
+
+* 如果出現以下錯誤：
+
+    ```output
+    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
+    ```
+
+    檢查 Azurite 是否正在運行，並且您已在 `local.settings.json` 文件中將 `AzureWebJobsStorage` 設置為 `UseDevelopmentStorage=true`。
+
+* 如果出現以下錯誤：
+
+    ```output
+    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
+    ```
+
+    檢查您是否已將 `function.json` 文件中的 `cardinality` 設置為 `one`。
+
+* 如果出現以下錯誤：
+
+    ```output
+    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
+    ```
+
+    檢查您是否已將 `function.json` 文件中的 `eventHubName` 設置為空字串。
+
+## 從無伺服器代碼發送直接方法請求
+
+到目前為止，您的 Functions 應用程式正在使用 Event Hub 相容端點監聽來自 IoT Hub 的訊息。現在您需要向 IoT 裝置發送命令。這是通過使用 *Registry Manager* 連接到 IoT Hub 來完成的。Registry Manager 是一個工具，允許您查看哪些裝置已註冊到 IoT Hub，並通過發送雲到裝置訊息、直接方法請求或更新裝置雙胞胎與這些裝置進行通信。您也可以使用它來註冊、更新或刪除 IoT Hub 中的 IoT 裝置。
+
+要連接到 Registry Manager，您需要一個連接字串。
+
+### 任務 - 獲取 Registry Manager 連接字串
+
+1. 要獲取連接字串，請執行以下指令：
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您為 IoT Hub 使用的名稱。
+
+    連接字串是根據 *ServiceConnect* 策略請求的，使用 `--policy-name service` 參數。當您請求連接字串時，可以指定該連接字串允許的權限。ServiceConnect 策略允許您的代碼連接並向 IoT 裝置發送訊息。
+
+    ✅ 做一些研究：閱讀 [IoT Hub 權限文件](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) 中的不同策略。
+
+1. 在 VS Code 中打開 `local.settings.json` 文件。在 `Values` 部分中新增以下值：
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    將 `<connection string>` 替換為上一步中的值。您需要在上一行後添加逗號以使其成為有效的 JSON。
+
+### 任務 - 向裝置發送直接方法請求
+
+1. Registry Manager 的 SDK 可通過 Pip 套件獲得。在 `requirements.txt` 文件中新增以下行以添加此套件的依賴：
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. 確保 VS Code 終端機已啟動虛擬環境，並執行以下指令以安裝 Pip 套件：
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. 在 `__init__.py` 文件中新增以下導入：
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    這導入了一些系統庫，以及與 Registry Manager 交互並發送直接方法請求的庫。
+
+1. 移除 `main` 方法中的代碼，但保留方法本身。
+
+1. 在 `main` 方法中新增以下代碼：
+
+    ```python
+    body = json.loads(event.get_body().decode('utf-8'))
+    device_id = event.iothub_metadata['connection-device-id']
+
+    logging.info(f'Received message: {body} from {device_id}')
+    ```
+
+    此代碼提取事件的主體，其中包含 IoT 裝置傳送的 JSON 訊息。
+
+    然後從訊息的註解中獲取裝置 ID。事件的主體包含作為遙測傳送的訊息，`iothub_metadata` 字典包含 IoT Hub 設置的屬性，例如發送者的裝置 ID 和訊息的傳送時間。
+
+    此資訊隨後被記錄。當您在本地運行 Functions 應用程式時，您將在終端機中看到這些日誌。
+
+1. 在此代碼下方新增以下代碼：
+
+    ```python
+    soil_moisture = body['soil_moisture']
+
+    if soil_moisture > 450:
+        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
+    else:
+        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
+    ```
+
+    此代碼從訊息中獲取土壤濕度。然後檢查土壤濕度，根據值創建一個輔助類別，用於 `relay_on` 或 `relay_off` 直接方法。方法請求不需要有效載荷，因此傳送一個空的 JSON 文件。
+
+1. 在此代碼下方新增以下代碼：
+
+    ```python
+    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
+
+    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
+    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
+    ```
+此程式碼從 `local.settings.json` 檔案中載入 `REGISTRY_MANAGER_CONNECTION_STRING`。此檔案中的值會作為環境變數提供，並可透過 `os.environ` 函數讀取，該函數會返回所有環境變數的字典。
+
+> 💁 當此程式碼部署到雲端時，`local.settings.json` 檔案中的值將設置為 *應用程式設定*，並可從環境變數中讀取。
+
+接著，程式碼使用連接字串建立 Registry Manager 輔助類別的實例。
+
+1. 在下方新增以下程式碼：
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    此程式碼指示 Registry Manager 將直接方法請求發送至傳送遙測資料的裝置。
+
+    > 💁 在之前課程中使用 MQTT 建立的應用程式版本中，繼電器控制指令會發送至所有裝置。程式碼假設您只有一個裝置。此版本的程式碼僅向單一裝置發送方法請求，因此如果您有多個濕度感測器和繼電器的設置，該程式碼能向正確的裝置發送正確的直接方法請求。
+
+1. 執行 Functions 應用程式，並確保您的 IoT 裝置正在傳送資料。您將看到訊息被處理以及直接方法請求被發送。將土壤濕度感測器移入和移出土壤，觀察數值變化以及繼電器的開啟和關閉。
+
+> 💁 您可以在 [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) 資料夾中找到此程式碼。
+
+## 將無伺服器程式碼部署到雲端
+
+您的程式碼現在已在本地運行，下一步是將 Functions 應用程式部署到雲端。
+
+### 任務 - 建立雲端資源
+
+您的 Functions 應用程式需要部署到 Azure 中的 Functions App 資源，該資源位於您為 IoT Hub 建立的資源群組內。您還需要在 Azure 中建立一個儲存帳戶，以取代您在本地運行的模擬儲存。
+
+1. 執行以下指令以建立儲存帳戶：
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    將 `<storage_name>` 替換為您的儲存帳戶名稱。此名稱必須是全球唯一的，因為它是用於存取儲存帳戶的 URL 的一部分。您只能使用小寫字母和數字，不能使用其他字元，且名稱限制為 24 個字元。可以使用類似 `sms` 的名稱，並在後面加上唯一識別碼，例如隨機字詞或您的名字。
+
+    `--sku Standard_LRS` 選擇定價層級，選擇最低成本的一般用途帳戶。儲存帳戶沒有免費層，您需支付使用費用。成本相對較低，最昂貴的儲存每月每 GB 不超過美金 0.05。
+
+    ✅ 在 [Azure 儲存帳戶定價頁面](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn) 上了解定價。
+
+1. 執行以下指令以建立 Functions App：
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    將 `<location>` 替換為您在上一課程中建立資源群組時使用的位置。
+
+    將 `<storage_name>` 替換為您在上一步中建立的儲存帳戶名稱。
+
+    將 `<functions_app_name>` 替換為您的 Functions App 的唯一名稱。此名稱必須是全球唯一的，因為它是用於存取 Functions App 的 URL 的一部分。可以使用類似 `soil-moisture-sensor-` 的名稱，並在後面加上唯一識別碼，例如隨機字詞或您的名字。
+
+    `--functions-version 3` 選項設置 Azure Functions 的版本。版本 3 是最新版本。
+
+    `--os-type Linux` 指示 Functions 執行環境使用 Linux 作為操作系統來托管這些函數。函數可以托管在 Linux 或 Windows 上，具體取決於使用的程式語言。Python 應用程式僅支援 Linux。
+
+### 任務 - 上傳您的應用程式設定
+
+在開發 Functions App 時，您將一些設定存儲在 `local.settings.json` 檔案中，用於 IoT Hub 的連接字串。這些設定需要寫入 Azure 中的 Functions App 的應用程式設定，以便您的程式碼使用。
+
+> 🎓 `local.settings.json` 檔案僅用於本地開發設定，且不應提交到版本控制系統（如 GitHub）。部署到雲端時，使用應用程式設定。應用程式設定是託管在雲端的鍵值對，可透過程式碼或執行環境從環境變數中讀取。
+
+1. 執行以下指令以在 Functions App 的應用程式設定中設置 `IOT_HUB_CONNECTION_STRING`：
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
+
+    將 `<connection string>` 替換為 `local.settings.json` 檔案中的 `IOT_HUB_CONNECTION_STRING` 值。
+
+1. 重複上述步驟，但將 `REGISTRY_MANAGER_CONNECTION_STRING` 的值設置為 `local.settings.json` 檔案中的相應值。
+
+執行這些指令後，會輸出 Functions App 的所有應用程式設定列表。您可以使用此列表檢查值是否正確設置。
+
+> 💁 您會看到已設置的 `AzureWebJobsStorage` 值。在您的 `local.settings.json` 檔案中，此值設置為使用本地儲存模擬器。當您建立 Functions App 時，您將儲存帳戶作為參數傳遞，此值會自動設置。
+
+### 任務 - 將 Functions App 部署到雲端
+
+現在 Functions App 已準備好，您的程式碼可以部署。
+
+1. 從 VS Code 的終端執行以下指令以發布 Functions App：
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    將 `<functions_app_name>` 替換為您為 Functions App 使用的名稱。
+
+程式碼將被打包並發送到 Functions App，然後進行部署並啟動。會有大量的終端輸出，最後會確認部署完成並列出已部署的函數。在此情況下，列表中僅包含觸發器。
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+確保您的 IoT 裝置正在運行。透過調整土壤濕度或將感測器移入和移出土壤來改變濕度水平。您將看到繼電器隨著土壤濕度的變化而開啟和關閉。
+
+---
+
+## 🚀 挑戰
+
+在上一課程中，您透過在繼電器開啟時取消訂閱 MQTT 訊息，以及在繼電器關閉後短暫時間內取消訂閱，來管理繼電器的時間。此方法在此處無法使用——您無法取消訂閱 IoT Hub 觸發器。
+
+思考在 Functions App 中處理此問題的不同方法。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## 回顧與自學
+
+* 在 [維基百科的無伺服器運算頁面](https://wikipedia.org/wiki/Serverless_computing) 上了解無伺服器運算。
+* 閱讀 Azure 上使用無伺服器的相關內容，包括更多範例：[Azure 部落格文章 - 為您的 IoT 需求採用無伺服器](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn)。
+* 在 [Azure Functions YouTube 頻道](https://www.youtube.com/c/AzureFunctions) 上了解更多 Azure Functions 的資訊。
+
+## 作業
+
+[新增手動繼電器控制](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..f2f7a1b6
--- /dev/null
+++ b/translations/mo/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T22:41:46+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 添加手動繼電器控制
+
+## 說明
+
+無伺服器代碼可以由多種方式觸發，包括 HTTP 請求。你可以使用 HTTP 觸發器為繼電器控制添加手動覆蓋功能，允許使用者通過網頁請求開啟或關閉繼電器。
+
+在這個任務中，你需要為你的 Functions App 添加兩個 HTTP 觸發器，用於開啟和關閉繼電器，並重複利用本課所學的內容來向設備發送指令。
+
+一些提示：
+
+* 你可以使用以下命令為現有的 Functions App 添加一個 HTTP 觸發器：
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    將 `<trigger name>` 替換為你的 HTTP 觸發器名稱。可以使用類似 `relay_on` 和 `relay_off` 的名稱。
+
+* HTTP 觸發器可以設置訪問控制。預設情況下，它們需要在 URL 中附帶特定函數的 API 金鑰才能運行。對於這個任務，你可以移除這個限制，讓任何人都能運行該函數。為此，請將 HTTP 觸發器的 `function.json` 文件中的 `authLevel` 設置更新為以下內容：
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 你可以在 [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) 中閱讀更多關於訪問控制的內容。
+
+* HTTP 觸發器預設支持 GET 和 POST 請求。這意味著你可以使用網頁瀏覽器來調用它們——網頁瀏覽器會發送 GET 請求。
+
+    當你在本地運行 Functions App 時，你會看到觸發器的 URL：
+
+    ```output
+    Functions:
+
+        relay_off: [GET,POST] http://localhost:7071/api/relay_off
+
+        relay_on: [GET,POST] http://localhost:7071/api/relay_on
+
+        iot-hub-trigger: eventHubTrigger
+    ```
+
+    將該 URL 粘貼到瀏覽器中並按下 `return`，或者在 VS Code 的終端窗口中 `Ctrl+點擊`（macOS 上為 `Cmd+點擊`）該鏈接以在默認瀏覽器中打開。這將運行觸發器。
+
+    > 💁 注意，URL 中包含 `/api`——HTTP 觸發器預設位於 `api` 子域中。
+
+* 當你部署 Functions App 時，HTTP 觸發器的 URL 將是：
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    其中 `<functions app name>` 是你的 Functions App 的名稱，`<trigger name>` 是你的觸發器名稱。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 創建 HTTP 觸發器 | 創建了兩個觸發器來開啟和關閉繼電器，並使用了合適的名稱 | 創建了一個具有合適名稱的觸發器 | 無法創建任何觸發器 |
+| 通過 HTTP 觸發器控制繼電器 | 能夠將兩個觸發器連接到 IoT Hub，並正確控制繼電器 | 能夠將一個觸發器連接到 IoT Hub，並正確控制繼電器 | 無法將觸發器連接到 IoT Hub |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..bf7b379c
--- /dev/null
+++ b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T23:05:36+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "mo"
+}
+-->
+# 保護您的植物安全
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## 簡介
+
+在之前的幾節課中，您已經創建了一個土壤監測物聯網設備並將其連接到雲端。但如果競爭農場的駭客成功控制了您的物聯網設備會怎麼樣？如果他們發送高土壤濕度的假數據，導致您的植物永遠得不到澆水，或者讓您的灌溉系統一直運行，最終因過度澆水而殺死植物並讓您付出高昂的水費？
+
+在本課程中，您將學習如何保護物聯網設備的安全。由於這是該項目的最後一課，您還將學習如何清理雲端資源，以減少潛在的成本。
+
+本課程將涵蓋以下內容：
+
+* [為什麼需要保護物聯網設備的安全？](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [加密技術](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [保護您的物聯網設備](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [生成並使用 X.509 證書](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 這是該項目的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
+>
+> 如果需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
+
+## 為什麼需要保護物聯網設備的安全？
+
+物聯網安全涉及確保只有預期的設備能夠連接到您的雲端物聯網服務並發送遙測數據，並且只有您的雲端服務能夠向您的設備發送指令。物聯網數據可能包含個人信息，例如醫療或隱私數據，因此整個應用程序需要考慮安全性以防止數據洩漏。
+
+如果您的物聯網應用程序不安全，可能會面臨以下風險：
+
+* 假設備可能發送錯誤數據，導致您的應用程序做出錯誤反應。例如，它們可能發送持續的高土壤濕度讀數，導致您的灌溉系統永遠不啟動，植物因缺水而死亡。
+* 未授權的用戶可能會讀取物聯網設備的數據，包括個人或商業關鍵數據。
+* 駭客可能會發送指令以控制設備，可能會損壞設備或連接的硬件。
+* 通過連接到物聯網設備，駭客可能利用此途徑訪問其他網絡，進而進入私人系統。
+* 惡意用戶可能會訪問個人數據並利用這些數據進行勒索。
+
+這些是真實世界中的情景，並且經常發生。之前的課程中已經提到了一些例子，以下是更多案例：
+
+* 2018 年，駭客利用魚缸溫控器的開放 WiFi 接入點入侵了一家賭場的網絡並竊取數據。[The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* 2016 年，Mirai Botnet 發動了針對 Dyn（互聯網服務提供商）的拒絕服務攻擊，導致大部分互聯網癱瘓。該僵屍網絡使用惡意軟件連接到使用默認用戶名和密碼的物聯網設備（如 DVR 和攝像頭），並從那裡發動攻擊。[The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
+* Spiral Toys 的 CloudPets 連接玩具用戶數據庫在互聯網上公開可用。[Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/)
+* Strava 標記了您跑步時經過的其他跑者並顯示他們的路線，讓陌生人能夠看到您的住址。[Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/)
+
+✅ 做一些研究：搜索更多物聯網數據洩漏或物聯網設備被駭的案例，尤其是與個人物品（如互聯網連接的牙刷或體重秤）相關的案例。思考這些駭客行為可能對受害者或客戶造成的影響。
+
+> 💁 安全性是一個非常廣泛的主題，本課程僅涉及一些基本內容，例如設備如何連接到雲端。未涵蓋的主題包括監控數據在傳輸過程中的變化、直接駭入設備或更改設備配置。物聯網駭客威脅如此之大，以至於像 [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) 這樣的工具已被開發出來。這些工具類似於您電腦上的防病毒和安全工具，但專為小型、低功耗的物聯網設備設計。
+
+## 加密技術
+
+當設備連接到物聯網服務時，它會使用一個 ID 來識別自己。問題是這個 ID 可以被複製——駭客可以設置一個惡意設備，使用與真實設備相同的 ID，但發送虛假數據。
+
+![真實設備和惡意設備可能使用相同的 ID 發送遙測數據](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.mo.png)
+
+解決方法是將發送的數據轉換為一種加密格式，使用設備和雲端都知道的某種值來加密數據。這個過程稱為*加密*，用於加密數據的值稱為*加密密鑰*。
+
+![如果使用加密，只有加密的消息會被接受，其他消息會被拒絕](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.mo.png)
+
+雲端服務可以使用一個過程稱為*解密*將數據轉換回可讀格式，使用相同的加密密鑰或一個*解密密鑰*。如果加密的消息無法通過密鑰解密，則表明設備已被駭客入侵，消息會被拒絕。
+
+執行加密和解密的技術稱為*密碼學*。
+
+### 早期的密碼學
+
+最早的密碼學類型是替換密碼，最早可追溯到 3,500 年前。替換密碼涉及用一個字母替換另一個字母。例如，[凱撒密碼](https://wikipedia.org/wiki/Caesar_cipher)涉及按一定數量移動字母表，只有加密消息的發送者和預期接收者知道要移動多少個字母。
+
+[維吉尼亞密碼](https://wikipedia.org/wiki/Vigenère_cipher)進一步發展，使用單詞加密文本，使原始文本中的每個字母按不同的數量移動，而不是始終按相同的字母數移動。
+
+密碼學被廣泛用於各種目的，例如在古代美索不達米亞保護陶工的釉料配方、在印度寫秘密情書或在古埃及保護魔法咒語。
+
+### 現代密碼學
+
+現代密碼學更加先進，比早期方法更難破解。現代密碼學使用複雜的數學方法加密數據，擁有太多可能的密鑰，使暴力破解攻擊幾乎不可能。
+
+密碼學在安全通信中有很多用途。如果您正在 GitHub 上閱讀此頁面，您可能會注意到網站地址以 *HTTPS* 開頭，這意味著您的瀏覽器與 GitHub 的網絡服務器之間的通信是加密的。如果有人能夠讀取您的瀏覽器與 GitHub 之間的互聯網流量，他們也無法讀取數據，因為數據是加密的。您的電腦甚至可能加密硬盤上的所有數據，因此如果有人偷走它，沒有您的密碼就無法讀取任何數據。
+
+> 🎓 HTTPS 代表超文本傳輸協議 **安全**
+
+不幸的是，並非所有事物都是安全的。有些設備沒有安全性，有些設備使用容易破解的密鑰，有些甚至所有同類型的設備都使用相同的密鑰。有報導稱一些非常私密的物聯網設備都使用相同的密碼來通過 WiFi 或藍牙連接。如果您能連接到自己的設備，您也能連接到其他人的設備。一旦連接，您可能會訪問一些非常私密的數據，或者控制他們的設備。
+
+> 💁 儘管現代密碼學非常複雜，並且聲稱破解加密可能需要數十億年，但隨著量子計算的興起，所有已知的加密可能在非常短的時間內被破解！
+
+### 對稱密鑰和非對稱密鑰
+
+加密分為兩種類型——對稱和非對稱。
+
+**對稱**加密使用相同的密鑰加密和解密數據。發送者和接收者都需要知道相同的密鑰。這是最不安全的類型，因為密鑰需要以某種方式共享。為了讓發送者向接收者發送加密消息，發送者可能首先需要向接收者發送密鑰。
+
+![對稱密鑰加密使用相同的密鑰加密和解密消息](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.mo.png)
+
+如果密鑰在傳輸過程中被竊取，或者發送者或接收者被駭客入侵並找到密鑰，加密就可能被破解。
+
+![對稱密鑰加密只有在駭客未獲得密鑰的情況下才安全——如果密鑰被竊取，駭客可以攔截並解密消息](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.mo.png)
+
+**非對稱**加密使用兩個密鑰——加密密鑰和解密密鑰，稱為公鑰/私鑰對。公鑰用於加密消息，但不能用於解密；私鑰用於解密消息，但不能用於加密。
+
+![非對稱加密使用不同的密鑰加密和解密。加密密鑰會發送給任何消息發送者，以便他們在向擁有密鑰的接收者發送消息之前加密消息](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.mo.png)
+
+接收者共享其公鑰，發送者使用此公鑰加密消息。一旦消息被發送，接收者使用其私鑰解密消息。非對稱加密更安全，因為私鑰由接收者保密，從不共享。任何人都可以擁有公鑰，因為它只能用於加密消息。
+
+對稱加密比非對稱加密更快，非對稱加密更安全。一些系統會同時使用兩者——使用非對稱加密加密並共享對稱密鑰，然後使用對稱密鑰加密所有數據。這使得在發送者和接收者之間共享對稱密鑰更安全，並且在加密和解密數據時更快。
+
+## 保護您的物聯網設備
+
+物聯網設備可以使用對稱或非對稱加密進行保護。對稱加密更簡單，但安全性較低。
+
+### 對稱密鑰
+
+當您設置物聯網設備與 IoT Hub 交互時，您使用了一個連接字符串。一個示例連接字符串如下：
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+此連接字符串由三部分組成，使用分號分隔，每部分包含一個鍵和值：
+
+| 鍵 | 值 | 描述 |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub 的 URL |
+| DeviceId | `soil-moisture-sensor` | 設備的唯一 ID |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | 設備和 IoT Hub 都知道的對稱密鑰 |
+
+此連接字符串的最後一部分 `SharedAccessKey` 是設備和 IoT Hub 都知道的對稱密鑰。此密鑰不會從設備發送到雲端，也不會從雲端發送到設備。它僅用於加密發送或接收的數據。
+
+✅ 做一個實驗：如果您在連接物聯網設備時更改連接字符串中的 `SharedAccessKey` 部分，您認為會發生什麼？試試看。
+
+當設備首次嘗試連接時，它會發送一個共享訪問簽名（SAS）令牌，其中包括 IoT Hub 的 URL、一個訪問簽名的到期時間戳（通常是當前時間後一天）以及一個簽名。此簽名由 URL 和到期時間組成，並使用連接字符串中的共享訪問密鑰加密。
+
+IoT Hub 使用共享訪問密鑰解密此簽名，如果解密後的值與 URL 和到期時間匹配，則允許設備連接。它還會驗證當前時間是否早於到期時間，以防止惡意設備捕獲真實設備的 SAS 令牌並使用它。
+
+這是一種優雅的方式來驗證發送者是否是正確的設備。通過以解密和加密形式發送一些已知數據，服務器可以通過解密加密數據並確保結果與發送的解密版本匹配來驗證設備。如果匹配，則表明發送者和接收者擁有相同的對稱加密密鑰。
+💁 由於到期時間的限制，您的 IoT 裝置需要知道準確的時間，通常是從 [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) 伺服器讀取。如果時間不準確，連線將會失敗。
+在連接後，所有從設備發送到 IoT Hub 或從 IoT Hub 發送到設備的數據都將使用共享訪問密鑰進行加密。
+
+✅ 如果多個設備共享相同的連接字串，您認為會發生什麼？
+
+> 💁 將此密鑰存儲在代碼中是一種不良的安全做法。如果黑客獲得您的源代碼，他們就能獲得您的密鑰。此外，在發布代碼時也會更加困難，因為您需要為每個設備重新編譯以更新密鑰。更好的方法是從硬件安全模組（HSM）加載此密鑰——這是一個存儲加密值的 IoT 設備芯片，您的代碼可以讀取這些值。
+>
+> 在學習 IoT 時，通常更容易將密鑰放入代碼中，就像您在之前的課程中所做的那樣，但您必須確保此密鑰未被檢入公共源代碼控制。
+
+設備有兩個密鑰以及兩個對應的連接字串。這使您可以輪換密鑰——即在第一個密鑰被泄露時切換到另一個密鑰，並重新生成第一個密鑰。
+
+### X.509 證書
+
+當您使用公鑰/私鑰對進行非對稱加密時，您需要向任何想要向您發送數據的人提供您的公鑰。問題是，接收者如何確定這確實是您的公鑰，而不是其他人冒充您？與其直接提供密鑰，您可以將公鑰放入由可信第三方驗證的證書中，這種證書稱為 X.509 證書。
+
+X.509 證書是包含公鑰部分的數字文件。它們通常由一系列被稱為[證書授權機構](https://wikipedia.org/wiki/Certificate_authority) (CAs) 的可信組織簽發，並由 CA 進行數字簽名以表明密鑰是有效的並且來自您。您信任證書以及公鑰的來源，因為您信任 CA，就像您信任護照或駕照一樣，因為您信任簽發它的國家。證書需要付費，因此您也可以“自簽”，即自己創建並簽署證書，用於測試目的。
+
+> 💁 切勿在正式發布中使用自簽證書。
+
+這些證書包含多個字段，包括公鑰的來源、簽發它的 CA 的詳細信息、有效期以及公鑰本身。在使用證書之前，最好通過檢查它是否由原始 CA 簽署來驗證它。
+
+✅ 您可以在 [Microsoft Understanding X.509 Public Key Certificates tutorial](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) 中閱讀證書字段的完整列表。
+
+使用 X.509 證書時，發送者和接收者都擁有自己的公鑰和私鑰，以及包含公鑰的 X.509 證書。他們會交換 X.509 證書，使用彼此的公鑰加密發送的數據，並使用自己的私鑰解密接收到的數據。
+
+![與其共享公鑰，您可以共享證書。證書的使用者可以通過檢查簽署它的證書授權機構來驗證它是否來自您。](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.mo.png)
+
+使用 X.509 證書的一大優勢是它們可以在設備之間共享。您可以創建一個證書，將其上傳到 IoT Hub，並用於所有設備。每個設備只需要知道私鑰即可解密從 IoT Hub 接收到的消息。
+
+設備用於加密發送到 IoT Hub 的消息的證書由 Microsoft 發布。這是許多 Azure 服務使用的相同證書，有時內置於 SDK 中。
+
+> 💁 請記住，公鑰就是公鑰。Azure 公鑰只能用於加密發送到 Azure 的數據，不能用於解密，因此可以隨處共享，包括在源代碼中。例如，您可以在 [Azure IoT C SDK 源代碼](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) 中看到它。
+
+✅ X.509 證書中有很多術語。您可以在 [The layman’s guide to X.509 certificate jargon](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn) 中閱讀一些常見術語的定義。
+
+## 生成並使用 X.509 證書
+
+生成 X.509 證書的步驟如下：
+
+1. 創建公鑰/私鑰對。最廣泛使用的生成公鑰/私鑰對的算法之一是 [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA)。
+
+1. 提交公鑰及相關數據進行簽名，可以由 CA 簽名，也可以自簽。
+
+Azure CLI 提供了命令來在 IoT Hub 中創建新的設備身份，並自動生成公鑰/私鑰對以及自簽證書。
+
+> 💁 如果您想查看詳細步驟，而不是使用 Azure CLI，您可以在 [Microsoft IoT Hub 文檔中的使用 OpenSSL 創建自簽證書教程](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) 中找到。
+
+### 任務 - 使用 X.509 證書創建設備身份
+
+1. 運行以下命令以註冊新的設備身份，並自動生成密鑰和證書：
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為您用於 IoT Hub 的名稱。
+
+    這將創建一個 ID 為 `soil-moisture-sensor-x509` 的設備，以區分您在上一課中創建的設備身份。此命令還會在當前目錄中創建兩個文件：
+
+    * `soil-moisture-sensor-x509-key.pem` - 此文件包含設備的私鑰。
+    * `soil-moisture-sensor-x509-cert.pem` - 此文件是設備的 X.509 證書。
+
+    請妥善保管這些文件！私鑰文件不應被檢入公共源代碼控制。
+
+### 任務 - 在設備代碼中使用 X.509 證書
+
+按照相關指南，使用 X.509 證書將您的 IoT 設備連接到雲端：
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [單板計算機 - Raspberry Pi/虛擬 IoT 設備](single-board-computer-x509.md)
+
+---
+
+## 🚀 挑戰
+
+創建、管理和刪除 Azure 服務（如資源組和 IoT Hub）有多種方法。一種方法是使用 [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn)——一個基於網頁的界面，提供 GUI 來管理您的 Azure 服務。
+
+前往 [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) 並探索該入口。看看您是否能使用該入口創建一個 IoT Hub，然後將其刪除。
+
+**提示** - 通過入口創建服務時，您不需要提前創建資源組，可以在創建服務時創建資源組。完成後請確保刪除它！
+
+您可以在 [Azure portal documentation](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn) 中找到大量文檔、教程和指南。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## 回顧與自學
+
+* 在 [Wikipedia 的密碼學歷史頁面](https://wikipedia.org/wiki/History_of_cryptography) 上閱讀密碼學的歷史。
+* 在 [Wikipedia 的 X.509 頁面](https://wikipedia.org/wiki/X.509) 上閱讀有關 X.509 證書的內容。
+
+## 作業
+
+[構建一個新的 IoT 設備](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..91ffa88a
--- /dev/null
+++ b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T23:07:00+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 建立一個新的物聯網設備
+
+## 說明
+
+在過去的六堂課中，你已經學習了數位農業的相關知識，以及如何使用物聯網設備收集數據來預測植物生長，並根據土壤濕度讀數自動灌溉。
+
+運用你所學的知識，使用一個感測器和執行器來建立一個新的物聯網設備。將遙測數據傳送到 IoT Hub，並使用無伺服器程式碼來控制執行器。你可以使用在本課程或之前的專案中已使用過的感測器和執行器，或者如果你有其他硬體，可以嘗試一些新的組件。
+
+## 評分標準
+
+| 評分項目 | 卓越 | 合格 | 需要改進 |
+| -------- | ----- | ----- | -------- |
+| 為物聯網設備編寫程式以使用感測器和執行器 | 成功編寫程式，讓物聯網設備能與感測器和執行器協作 | 成功編寫程式，讓物聯網設備能與感測器或執行器協作 | 無法編寫程式讓物聯網設備使用感測器或執行器 |
+| 將物聯網設備連接到 IoT Hub | 成功部署 IoT Hub，並能傳送遙測數據及接收命令 | 成功部署 IoT Hub，並能傳送遙測數據或接收命令 | 無法部署 IoT Hub，或無法讓物聯網設備與其通信 |
+| 使用無伺服器程式碼控制執行器 | 成功部署 Azure Function，並能根據遙測事件觸發來控制設備 | 成功部署 Azure Function，能根據遙測事件觸發，但無法控制執行器 | 無法部署 Azure Function |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..f61837f5
--- /dev/null
+++ b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T23:07:42+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "mo"
+}
+-->
+# 使用 X.509 憑證連接您的設備程式碼 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，您將使用 X.509 憑證將虛擬 IoT 設備或 Raspberry Pi 連接到您的 IoT Hub。
+
+## 將設備連接到 IoT Hub
+
+下一步是使用 X.509 憑證將您的設備連接到 IoT Hub。
+
+### 任務 - 連接到 IoT Hub
+
+1. 將密鑰和憑證檔案複製到包含您 IoT 設備程式碼的資料夾。如果您透過 VS Code Remote SSH 使用 Raspberry Pi 並在您的 PC 或 Mac 上建立了密鑰，您可以將檔案拖放到 VS Code 的檔案總管中以完成複製。
+
+1. 打開 `app.py` 檔案
+
+1. 要使用 X.509 憑證進行連接，您需要 IoT Hub 的主機名稱以及 X.509 憑證。首先，在建立設備客戶端之前，新增以下程式碼以建立包含主機名稱的變數：
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    將 `<host_name>` 替換為您的 IoT Hub 的主機名稱。您可以從 `connection_string` 中的 `HostName` 部分獲取主機名稱。它將是您的 IoT Hub 的名稱，結尾為 `.azure-devices.net`
+
+1. 在此程式碼下方，宣告一個包含設備 ID 的變數：
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. 您需要一個包含 X.509 檔案的 `X509` 類別實例。將 `X509` 新增到從 `azure.iot.device` 模組匯入的類別列表中：
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. 使用您的憑證和密鑰檔案建立一個 `X509` 類別實例，將以下程式碼新增到 `host_name` 宣告的下方：
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    這將使用之前建立的 `soil-moisture-sensor-x509-cert.pem` 和 `soil-moisture-sensor-x509-key.pem` 檔案來建立 `X509` 類別。
+
+1. 將使用連接字串建立 `device_client` 的程式碼行替換為以下程式碼：
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    這將使用 X.509 憑證進行連接，而不是使用連接字串。
+
+1. 刪除包含 `connection_string` 變數的程式碼行。
+
+1. 執行您的程式碼。監控發送到 IoT Hub 的訊息，並像之前一樣發送直接方法請求。您將看到設備連接並發送土壤濕度讀數，同時接收直接方法請求。
+
+> 💁 您可以在 [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) 或 [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) 資料夾中找到此程式碼。
+
+😀 您的土壤濕度感測器程式已使用 X.509 憑證成功連接到您的 IoT Hub！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..bc7e8b87
--- /dev/null
+++ b/translations/mo/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T23:08:07+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "mo"
+}
+-->
+# 在您的設備代碼中使用 X.509 憑證 - Wio Terminal
+
+在撰寫本文時，Azure Arduino SDK 尚不支援 X.509 憑證。如果您想嘗試使用 X.509 憑證，可以參考[使用 Python SDK 的虛擬 IoT 設備說明](single-board-computer-x509.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/README.md b/translations/mo/3-transport/README.md
new file mode 100644
index 00000000..2c5ac982
--- /dev/null
+++ b/translations/mo/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-27T00:34:59+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "mo"
+}
+-->
+# 從農場到工廠的運輸 - 使用物聯網追蹤食品配送
+
+許多農民種植作物是為了銷售——他們可能是商業農民，出售所有種植的作物，或者是自給自足的農民，出售多餘的農產品以購買生活必需品。不管是哪種情況，食品都需要從農場運送到消費者手中，通常依賴於大宗運輸，從農場到集散中心或加工廠，再到商店。例如，一位番茄農民會收割番茄，將番茄裝箱，將箱子裝上卡車，然後運送到加工廠。番茄會在加工廠進行分揀，接著以加工食品、零售銷售或餐廳消費的形式送到消費者手中。
+
+物聯網可以幫助改善這個供應鏈，通過追蹤食品的運輸情況——確保司機按照規定的路線行駛，監控車輛位置，並在車輛到達時發出警報，以便食品能夠迅速卸貨並準備加工。
+
+> 🎓 *供應鏈* 是指製造和交付某物品的一系列活動。例如，在番茄種植中，供應鏈包括種子、土壤、肥料和水的供應，番茄的種植，將番茄運送到集散中心，運送到超市的地方集散中心，再運送到個別超市，擺放到貨架上，然後售賣給消費者並帶回家食用。每個步驟就像鏈條中的一個環節。
+
+> 🎓 供應鏈中的運輸部分被稱為 *物流*。
+
+在這四節課中，你將學習如何應用物聯網技術來改善供應鏈，通過監控食品被裝載到（虛擬）卡車上，並追蹤卡車運輸到目的地的過程。你將學習GPS追蹤技術，如何存儲和可視化GPS數據，以及如何在卡車到達目的地時接收警報。
+
+> 💁 這些課程將使用一些雲端資源。如果你未完成此專案中的所有課程，請確保[清理你的專案](../clean-up.md)。
+
+## 主題
+
+1. [位置追蹤](lessons/1-location-tracking/README.md)
+1. [存儲位置數據](lessons/2-store-location-data/README.md)
+1. [可視化位置數據](lessons/3-visualize-location-data/README.md)
+1. [地理圍欄](lessons/4-geofences/README.md)
+
+## 致謝
+
+所有課程由 [Jen Looper](https://github.com/jlooper) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/README.md b/translations/mo/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..472c0e36
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,215 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-27T00:48:09+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "mo"
+}
+-->
+# 位置追蹤
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## 簡介
+
+將食物從農場送到消費者手中的主要過程包括將裝滿農產品的箱子裝載到卡車、船隻、飛機或其他商業運輸工具上，並將食物送到某個地方——要麼直接送到客戶手中，要麼送到中央樞紐或倉庫進行處理。從農場到消費者的整個端到端過程被稱為*供應鏈*。以下是亞利桑那州立大學 W. P. Carey 商學院的一段影片，詳細介紹了供應鏈的概念及其管理方式。
+
+[![什麼是供應鏈管理？來自亞利桑那州立大學 W. P. Carey 商學院的影片](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 點擊上方圖片觀看影片
+
+添加物聯網（IoT）設備可以大幅改善供應鏈管理，幫助您了解物品的位置、更好地規劃運輸和貨物處理，並能更快速地應對問題。
+
+在管理車輛車隊（如卡車）時，了解每輛車在特定時間的位置非常有幫助。車輛可以安裝 GPS 感測器，將其位置發送到物聯網系統，讓車主能夠精確定位車輛的位置、查看行駛路線，並了解車輛何時會到達目的地。由於大多數車輛在 WiFi 覆蓋範圍之外運行，因此它們使用行動網路來傳輸這類數據。有時，GPS 感測器內建於更複雜的物聯網設備中，例如電子行車日誌。這些設備可以追蹤卡車的行駛時間，以確保駕駛員遵守當地關於工作時數的法律。
+
+在本課程中，您將學習如何使用全球定位系統（GPS）感測器來追蹤車輛的位置。
+
+本課程將涵蓋以下內容：
+
+* [連網車輛](../../../../../3-transport/lessons/1-location-tracking)
+* [地理空間座標](../../../../../3-transport/lessons/1-location-tracking)
+* [全球定位系統（GPS）](../../../../../3-transport/lessons/1-location-tracking)
+* [讀取 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
+* [NMEA GPS 數據](../../../../../3-transport/lessons/1-location-tracking)
+* [解碼 GPS 感測器數據](../../../../../3-transport/lessons/1-location-tracking)
+
+## 連網車輛
+
+物聯網正在改變貨物運輸的方式，通過創建*連網車輛*車隊，這些車輛連接到中央 IT 系統，報告其位置和其他感測器數據。擁有一個連網車輛車隊有許多好處：
+
+* **位置追蹤** - 您可以隨時精確定位車輛的位置，這樣可以：
+  * 當車輛即將到達目的地時收到警報，為卸貨工作做好準備
+  * 定位被盜車輛
+  * 將位置和路線數據與交通問題結合，允許您在行駛途中重新規劃車輛路線
+  * 符合法規要求。例如，一些國家根據車輛在公共道路上的行駛里程收取稅費（如[紐西蘭的道路使用費](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)），因此知道車輛何時在公共道路上行駛與私人道路上行駛，可以更輕鬆地計算應繳稅額
+  * 在車輛故障時知道派遣維修人員的位置
+
+* **駕駛員數據監控** - 確保駕駛員遵守速度限制、以適當的速度轉彎、提前且有效地剎車，並安全駕駛。連網車輛還可以配備攝像頭記錄事故，這些數據可以與保險掛鉤，為良好駕駛員提供優惠費率。
+
+* **駕駛時數合規性** - 確保駕駛員僅在法律允許的時數內駕駛，根據發動機啟動和關閉的時間進行監控。
+
+這些好處可以結合使用，例如，將駕駛時數合規性與位置追蹤結合，重新規劃駕駛員的路線，確保他們在允許的駕駛時數內到達目的地。這些還可以與其他車輛特定的數據結合，例如來自冷藏卡車的溫度數據，允許在當前路線無法保持貨物溫度時重新規劃路線。
+
+> 🎓 物流是將貨物從一個地方運輸到另一個地方的過程，例如從農場經過一個或多個倉庫運送到超市。農民將番茄裝箱，裝載到卡車上，運送到中央倉庫，然後再裝載到可能包含不同類型農產品的第二輛卡車上，最終送到超市。
+
+車輛追蹤的核心組件是 GPS——能夠在地球上精確定位的感測器。在本課程中，您將學習如何使用 GPS 感測器，首先從了解如何在地球上定義位置開始。
+
+## 地理空間座標
+
+地理空間座標用於定義地球表面上的點，類似於如何使用座標在電腦螢幕上繪製像素或在十字繡中定位針腳。對於單個點，您需要一對座標。例如，位於美國華盛頓州雷德蒙德的微軟園區的座標是 47.6423109, -122.1390293。
+
+### 緯度與經度
+
+地球是一個球體——一個三維的圓。因此，點的位置是通過將其分為 360 度來定義的，這與圓的幾何學相同。緯度測量從北到南的度數，經度測量從東到西的度數。
+
+> 💁 沒有人真正知道為什麼圓被分為 360 度的最初原因。[維基百科上的角度（度）頁面](https://wikipedia.org/wiki/Degree_(angle))介紹了一些可能的原因。
+
+![緯線從北極的 90°，到赤道的 0°，再到南極的 -90°](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.mo.png)
+
+緯度是通過圍繞地球並與赤道平行的線來測量的，將北半球和南半球各分為 90°。赤道是 0°，北極是 90°，也稱為北緯 90°，南極是 -90°，或南緯 90°。
+
+經度是測量東西方向的度數。經度的 0° 起點稱為*本初子午線*，於 1884 年被定義為一條從北極到南極穿過[英國格林威治皇家天文台](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich)的線。
+
+![經線從本初子午線的 0°，到西經 -180°，再到東經 180°](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.mo.png)
+
+> 🎓 子午線是一條從北極到南極的假想直線，形成一個半圓。
+
+要測量某一點的經度，您需要測量從本初子午線到穿過該點的子午線沿赤道的度數。經度範圍從 -180°（西經 180°），經過本初子午線的 0°，到 180°（東經 180°）。180° 和 -180° 指的是同一點，即反子午線或 180 度子午線。這是一條位於本初子午線對側的子午線。
+
+> 💁 反子午線不應與國際日期變更線混淆，雖然它們大致位於相同位置，但國際日期變更線並不是一條直線，會根據地緣政治邊界進行調整。
+
+✅ 做一些研究：試著找出您目前位置的緯度和經度。
+
+### 度、分、秒與十進制度數
+
+傳統上，緯度和經度的度數測量使用的是六十進制（sexagesimal）數字系統，這是一種由古巴比倫人使用的數字系統，他們最早測量並記錄了時間和距離。您可能每天都在使用六十進制而不自知，例如將小時分為 60 分鐘，將分鐘分為 60 秒。
+
+緯度和經度以度、分和秒為單位測量，其中 1 分是 1/60 度，1 秒是 1/60 分。
+
+例如，在赤道上：
+
+* 1° 緯度約為 **111.3 公里**
+* 1 分緯度為 111.3/60 = **1.855 公里**
+* 1 秒緯度為 1.855/60 = **0.031 公里**
+
+分的符號是一個單引號，秒的符號是雙引號。例如，2 度 17 分 43 秒可以寫作 2°17'43"。秒的小數部分以小數表示，例如半秒為 0°0'0.5"。
+
+電腦不使用六十進制，因此在大多數電腦系統中，這些座標以十進制度數表示。例如，2°17'43" 表示為 2.295277。通常省略度數符號。
+
+一個點的座標總是以 `緯度, 經度` 的格式給出，因此前面提到的微軟園區座標 47.6423109,-122.117198 表示：
+
+* 緯度為 47.6423109（赤道以北 47.6423109 度）
+* 經度為 -122.1390293（本初子午線以西 122.1390293 度）。
+
+![微軟園區位於 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.mo.png)
+
+## 全球定位系統（GPS）
+
+GPS 系統利用多顆繞地球運行的衛星來定位您的位置。您可能在不知不覺中使用過 GPS 系統，例如在手機上的地圖應用（如 Apple 地圖或 Google 地圖）中查看您的位置，或者在叫車應用（如 Uber 或 Lyft）中查看車輛的位置，或者在車輛中使用衛星導航（sat-nav）。
+
+> 🎓 衛星導航中的“衛星”指的就是 GPS 衛星！
+
+GPS 系統的工作原理是多顆衛星發送信號，信號中包含每顆衛星的當前位置和精確的時間戳。這些信號通過無線電波傳輸，並由 GPS 感測器中的天線接收。GPS 感測器會檢測這些信號，並根據當前時間測量信號從衛星到達感測器所需的時間。由於無線電波的速度是恆定的，GPS 感測器可以使用發送的時間戳計算感測器與衛星之間的距離。通過結合至少 3 顆衛星的數據和發送的位置，GPS 感測器能夠精確定位其在地球上的位置。
+
+> 💁 GPS 感測器需要天線來檢測無線電波。內建 GPS 的卡車和汽車通常將天線安裝在擋風玻璃或車頂，以獲得良好的信號。如果您使用的是單獨的 GPS 系統，例如智能手機或物聯網設備，則需要確保 GPS 系統或手機內建的天線能夠清楚地看到天空，例如安裝在擋風玻璃上。
+
+![通過知道感測器與多顆衛星的距離，可以計算出位置](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.mo.png)
+
+GPS 衛星繞地球運行，並非固定在感測器上方，因此位置數據包括海拔高度（相對於海平面）以及緯度和經度。
+
+GPS 曾經受到美國軍方的限制，準確度約為 5 米。這一限制於 2000 年被取消，現在 GPS 的準確度可達 30 公分。然而，由於信號干擾，並非總能達到這種準確度。
+
+✅ 如果您有智能手機，打開地圖應用，看看您的位置有多準確。可能需要一段時間讓手機檢測多顆衛星以獲得更準確的位置。
+💁 衛星內部配備了極為精準的原子鐘，但由於愛因斯坦的特殊相對論和廣義相對論所預測的現象，隨著速度增加時間會變慢，因此與地球上的原子鐘相比，衛星的時間每天會漂移38微秒（0.0000038秒）。這是因為衛星的運行速度比地球自轉速度更快。這種時間漂移現象已被用來證明特殊相對論和廣義相對論的預測，並且在設計GPS系統時必須進行調整。從字面上來說，GPS衛星上的時間運行得更慢。
+全球定位系統（GPS）已由多個國家和政治聯盟開發並部署，包括美國、俄羅斯、日本、印度、歐盟和中國。現代GPS感測器可以連接到大多數這些系統，以獲得更快、更準確的定位。
+
+> 🎓 每個部署中的衛星群被稱為星座。
+
+## 讀取GPS感測器數據
+
+大多數GPS感測器通過UART傳送GPS數據。
+
+> ⚠️ UART已在[專案2，課程2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart)中介紹。如果需要，請回顧該課程。
+
+您可以在您的物聯網設備上使用GPS感測器來獲取GPS數據。
+
+### 任務 - 連接GPS感測器並讀取GPS數據
+
+按照相關指南使用您的物聯網設備讀取GPS數據：
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [單板電腦 - Raspberry Pi](pi-gps-sensor.md)
+* [單板電腦 - 虛擬設備](virtual-device-gps-sensor.md)
+
+## NMEA GPS數據
+
+當您運行代碼時，您可能會看到輸出中出現一些看似亂碼的內容。事實上，這是標準的GPS數據，並且每一部分都有其意義。
+
+GPS感測器使用NMEA消息輸出數據，遵循NMEA 0183標準。NMEA是[全國海洋電子協會](https://www.nmea.org)的縮寫，這是一個美國的貿易組織，負責制定海洋電子設備之間的通信標準。
+
+> 💁 該標準是專有的，售價至少為2000美元，但有足夠的信息已公開，使得大部分標準已被逆向工程並可用於開源和其他非商業代碼。
+
+這些消息是基於文本的。每條消息由一個以`$`字符開頭的*句子*組成，後面是2個字符表示消息的來源（例如，美國GPS系統的GP，俄羅斯GPS系統GLONASS的GN），以及3個字符表示消息的類型。消息的其餘部分是用逗號分隔的字段，最後以換行符結束。
+
+一些可能接收到的消息類型包括：
+
+| 類型 | 描述 |
+| ---- | ----------- |
+| GGA | GPS定位數據，包括GPS感測器的緯度、經度和海拔，以及用於計算定位的可見衛星數量。 |
+| ZDA | 當前日期和時間，包括當地時區。 |
+| GSV | 可見衛星的詳細信息 - 定義為GPS感測器可以檢測到信號的衛星。 |
+
+> 💁 GPS數據包括時間戳，因此您的物聯網設備可以從GPS感測器獲取時間，而不需要依賴NTP伺服器或內部實時時鐘。
+
+GGA消息使用`(dd)dmm.mmmm`格式提供當前位置，並附帶一個字符表示方向。格式中的`d`表示度，`m`表示分，秒則以分的小數表示。例如，2°17'43"將表示為217.716666667 - 2度，17.716666667分。
+
+方向字符可以是`N`或`S`表示緯度的北或南，`E`或`W`表示經度的東或西。例如，緯度2°17'43"的方向字符為`N`，而-2°17'43"的方向字符為`S`。
+
+例如 - NMEA句子`$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* 緯度部分是`4738.538654,N`，轉換為十進制度數為47.6423109。`4738.538654`表示47.6423109，方向為`N`（北），因此是正緯度。
+
+* 經度部分是`12208.341758,W`，轉換為十進制度數為-122.1390293。`12208.341758`表示122.1390293°，方向為`W`（西），因此是負經度。
+
+## 解碼GPS感測器數據
+
+與其使用原始的NMEA數據，不如將其解碼為更有用的格式。有多個開源庫可以幫助從原始NMEA消息中提取有用的數據。
+
+### 任務 - 解碼GPS感測器數據
+
+按照相關指南使用您的物聯網設備解碼GPS感測器數據：
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 挑戰
+
+自己編寫一個NMEA解碼器！不依賴第三方庫解碼NMEA句子，您能否編寫自己的解碼器來從NMEA句子中提取緯度和經度？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## 回顧與自學
+
+* 在[維基百科的地理坐標系統頁面](https://wikipedia.org/wiki/Geographic_coordinate_system)上閱讀更多關於地理坐標的信息。
+* 在[維基百科的本初子午線頁面](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies)上了解地球以外其他天體的本初子午線。
+* 研究由歐盟、日本、俄羅斯、印度和美國等世界各國政府和政治聯盟開發的各種GPS系統。
+
+## 作業
+
+[調查其他GPS數據](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/assignment.md b/translations/mo/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..9d7715bb
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-27T00:49:23+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 調查其他 GPS 數據
+
+## 說明
+
+從您的 GPS 感測器接收到的 NMEA 訊息中，除了位置資訊外，還包含其他數據。請調查這些額外的數據，並將其應用於您的 IoT 裝置中。
+
+例如 - 您能否獲取當前的日期和時間？如果您使用的是微控制器，是否可以像在上一個專案中使用 NTP 信號設置時鐘一樣，使用 GPS 數據來設置時鐘？您能否獲取海拔高度（即海平面以上的高度）或當前速度？
+
+如果您使用的是虛擬 IoT 裝置，則可以使用工具 [nmeagen.org](https://www.nmeagen.org) 生成的 NMEA 訊息來獲取其中一些數據。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 獲取更多 GPS 數據 | 能夠獲取並使用更多 GPS 數據，無論是作為遙測數據還是用於設置 IoT 裝置 | 能夠獲取更多 GPS 數據，但無法使用這些數據 | 無法獲取更多 GPS 數據 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..9afee252
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-27T00:51:22+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 讀取 GPS 數據 - Raspberry Pi
+
+在本課程中，您將為 Raspberry Pi 添加一個 GPS 感測器，並從中讀取數據。
+
+## 硬體
+
+Raspberry Pi 需要一個 GPS 感測器。
+
+您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這款感測器可以連接到多個 GPS 系統，以快速且準確地定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
+
+這是一個 UART 感測器，因此會通過 UART 傳輸 GPS 數據。
+
+## 連接 GPS 感測器
+
+Grove GPS 感測器可以連接到 Raspberry Pi。
+
+### 任務 - 連接 GPS 感測器
+
+連接 GPS 感測器。
+
+![Grove GPS 感測器](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.mo.png)
+
+1. 將 Grove 電纜的一端插入 GPS 感測器上的插槽。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關機的情況下，將 Grove 電纜的另一端連接到安裝在 Pi 上的 Grove Base Hat 上標有 **UART** 的 UART 插槽。該插槽位於中間排，靠近 SD 卡插槽的一側，與 USB 埠和乙太網插槽相對的一端。
+
+    ![Grove GPS 感測器連接到 UART 插槽](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.mo.png)
+
+1. 將 GPS 感測器放置在附加天線可以看到天空的位置——理想情況下靠近窗戶或在戶外。天線周圍沒有障礙物時，信號會更清晰。
+
+## 編程 GPS 感測器
+
+現在可以為 Raspberry Pi 編寫程式，以使用連接的 GPS 感測器。
+
+### 任務 - 編程 GPS 感測器
+
+編寫設備程式。
+
+1. 啟動 Raspberry Pi，並等待其啟動完成。
+
+1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收到來自衛星的數據時每秒閃爍一次。啟動 Raspberry Pi 時，確保藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
+
+1. 啟動 VS Code，可以直接在 Raspberry Pi 上啟動，也可以通過 Remote SSH 擴展連接。
+
+    > ⚠️ 如果需要，您可以參考[第 1 課中有關設置和啟動 VS Code 的說明](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md)。
+
+1. 對於支持藍牙的新版本 Raspberry Pi，藍牙使用的串口與 Grove UART 埠使用的串口會發生衝突。為了解決這個問題，請執行以下操作：
+
+    1. 在 VS Code 的終端中，使用以下命令通過 `nano` 編輯 `/boot/config.txt` 文件，`nano` 是內建的終端文字編輯器：
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > 由於需要使用 `sudo` 權限（提升的權限）來編輯此文件，因此無法直接通過 VS Code 編輯。
+
+    1. 使用方向鍵移動到文件末尾，然後複製以下代碼並粘貼到文件末尾：
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        您可以使用設備的常規鍵盤快捷鍵粘貼（Windows、Linux 或 Raspberry Pi OS 上為 `Ctrl+v`，macOS 上為 `Cmd+v`）。
+
+    1. 按 `Ctrl+x` 保存文件並退出 nano。當系統詢問是否保存修改的緩衝區時，按 `y`，然後按 `Enter` 確認覆蓋 `/boot/config.txt`。
+
+        > 如果出現錯誤，您可以選擇不保存退出，然後重複這些步驟。
+
+    1. 使用以下命令在 nano 中編輯 `/boot/cmdline.txt` 文件：
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. 該文件包含多個用空格分隔的鍵/值對。刪除鍵為 `console` 的所有鍵/值對。它們可能看起來像這樣：
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        您可以使用方向鍵導航到這些條目，然後使用常規的 `del` 或 `backspace` 鍵刪除。
+
+        例如，如果原始文件如下所示：
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        新版本將如下所示：
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. 按照上述步驟保存文件並退出 nano。
+
+    1. 重新啟動 Raspberry Pi，然後在 Pi 重啟後重新連接到 VS Code。
+
+1. 在終端中，為 `pi` 用戶的主目錄創建一個名為 `gps-sensor` 的新文件夾。在該文件夾中創建一個名為 `app.py` 的文件。
+
+1. 在 VS Code 中打開該文件夾。
+
+1. GPS 模組通過串口發送 UART 數據。安裝 `pyserial` Pip 套件，以便從 Python 程式碼與串口通信：
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. 將以下代碼添加到您的 `app.py` 文件中：
+
+    ```python
+    import time
+    import serial
+    
+    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
+    serial.reset_input_buffer()
+    serial.flush()
+    
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    此代碼從 `pyserial` Pip 套件中導入 `serial` 模組。然後，它連接到 `/dev/ttyAMA0` 串口——這是 Grove Pi Base Hat 用於其 UART 埠的串口地址。接著，它清除該串口的任何現有數據。
+
+    接下來，定義了一個名為 `print_gps_data` 的函數，用於將傳遞給它的行打印到控制台。
+
+    然後，代碼進行無限循環，在每次循環中從串口讀取盡可能多的文本行。對於每一行，它都會調用 `print_gps_data` 函數。
+
+    在讀取所有數據後，循環會休眠 1 秒，然後再次嘗試。
+
+1. 運行此代碼。您將看到來自 GPS 感測器的原始輸出，類似於以下內容：
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+    > 如果在停止並重新啟動代碼時遇到以下錯誤之一，請在您的 while 循環中添加一個 `try - except` 塊。
+
+      ```output
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
+      ```
+
+    ```python
+    while True:
+        try:
+            line = serial.readline().decode('utf-8')
+              
+            while len(line) > 0:
+                print_gps_data()
+                line = serial.readline().decode('utf-8')
+      
+        # There's a random chance the first byte being read is part way through a character.
+        # Read another full line and continue.
+
+        except UnicodeDecodeError:
+            line = serial.readline().decode('utf-8')
+
+    time.sleep(1)
+    ```
+
+> 💁 您可以在 [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) 文件夾中找到此代碼。
+
+😀 恭喜！您的 GPS 感測器程式運行成功！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..5e74b93b
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-27T00:50:08+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "mo"
+}
+-->
+# 解碼 GPS 數據 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，你將解碼由 Raspberry Pi 或虛擬 IoT 裝置從 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
+
+## 解碼 GPS 數據
+
+一旦從串口讀取到原始 NMEA 數據，就可以使用開源 NMEA 庫進行解碼。
+
+### 任務 - 解碼 GPS 數據
+
+編寫程式以解碼 GPS 數據。
+
+1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案。
+
+1. 安裝 `pynmea2` 的 Pip 套件。此套件包含解碼 NMEA 訊息的程式碼。
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. 在 `app.py` 文件的導入部分新增以下程式碼，以導入 `pynmea2` 模組：
+
+    ```python
+    import pynmea2
+    ```
+
+1. 用以下內容替換 `print_gps_data` 函數的內容：
+
+    ```python
+    msg = pynmea2.parse(line)
+    if msg.sentence_type == 'GGA':
+        lat = pynmea2.dm_to_sd(msg.lat)
+        lon = pynmea2.dm_to_sd(msg.lon)
+
+        if msg.lat_dir == 'S':
+            lat = lat * -1
+
+        if msg.lon_dir == 'W':
+            lon = lon * -1
+
+        print(f'{lat},{lon} - from {msg.num_sats} satellites')
+    ```
+
+    此程式碼將使用 `pynmea2` 庫解析從 UART 串口讀取的行。
+
+    如果訊息的句子類型是 `GGA`，則表示這是一個位置固定訊息，並進行處理。緯度和經度值將從訊息中讀取，並從 NMEA `(d)ddmm.mmmm` 格式轉換為十進制度數。`dm_to_sd` 函數執行此轉換。
+
+    接著檢查緯度的方向，如果緯度是南方，則將其值轉換為負數。同樣地，若經度是西方，也會轉換為負數。
+
+    最後，座標將與用於定位的衛星數量一起打印到控制台。
+
+1. 執行程式碼。如果你使用的是虛擬 IoT 裝置，請確保 CounterFit 應用程式正在運行，並且 GPS 數據正在傳送。
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 你可以在 [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) 資料夾或 [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) 資料夾中找到此程式碼。
+
+😀 你的 GPS 感測器程式成功解碼數據！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..a768c49b
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-27T00:44:10+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 讀取 GPS 數據 - 虛擬物聯網硬件
+
+在本課程中，您將為虛擬物聯網設備添加一個 GPS 傳感器，並從中讀取數據。
+
+## 虛擬硬件
+
+虛擬物聯網設備將使用一個模擬的 GPS 傳感器，該傳感器可以通過 UART 串口訪問。
+
+實體 GPS 傳感器通常配備天線，用於接收來自 GPS 衛星的電波，並將 GPS 信號轉換為 GPS 數據。虛擬版本則模擬這一過程，允許您設置緯度和經度、發送原始 NMEA 語句，或者上傳包含多個位置的 GPX 文件，這些位置可以依次返回。
+
+> 🎓 NMEA 語句將在本課程後續部分進行講解
+
+### 在 CounterFit 中添加傳感器
+
+要使用虛擬 GPS 傳感器，您需要在 CounterFit 應用中添加一個。
+
+#### 任務 - 在 CounterFit 中添加傳感器
+
+在 CounterFit 應用中添加 GPS 傳感器。
+
+1. 在您的電腦上創建一個名為 `gps-sensor` 的新 Python 應用，並在其中創建一個名為 `app.py` 的文件以及一個 Python 虛擬環境，然後添加 CounterFit 的 pip 套件。
+
+    > ⚠️ 如果需要，您可以參考[課程 1 中創建和設置 CounterFit Python 項目的說明](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
+
+1. 安裝額外的 Pip 套件，以便安裝一個 CounterFit shim，該 shim 可以通過串口與基於 UART 的傳感器通信。確保您是在啟用了虛擬環境的終端中進行安裝。
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. 確保 CounterFit 網頁應用正在運行。
+
+1. 創建一個 GPS 傳感器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *UART GPS*。
+
+    1. 保持 *Port* 設置為 */dev/ttyAMA0*。
+
+    1. 點擊 **Add** 按鈕，在端口 `/dev/ttyAMA0` 上創建 GPS 傳感器。
+
+    ![GPS 傳感器設置](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.mo.png)
+
+    GPS 傳感器將被創建並顯示在傳感器列表中。
+
+    ![已創建的 GPS 傳感器](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.mo.png)
+
+## 編程 GPS 傳感器
+
+現在可以為虛擬物聯網設備編程以使用虛擬 GPS 傳感器。
+
+### 任務 - 編程 GPS 傳感器
+
+編程 GPS 傳感器應用。
+
+1. 確保 `gps-sensor` 應用已在 VS Code 中打開。
+
+1. 打開 `app.py` 文件。
+
+1. 在 `app.py` 文件的頂部添加以下代碼，以連接應用到 CounterFit：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. 在此代碼下方添加以下代碼，以導入一些所需的庫，包括 CounterFit 串口的庫：
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    此代碼從 `counterfit_shims_serial` Pip 套件中導入 `serial` 模塊。然後，它連接到 `/dev/ttyAMA0` 串口——這是虛擬 GPS 傳感器用於其 UART 端口的地址。
+
+1. 在此代碼下方添加以下代碼，以從串口讀取數據並將值打印到控制台：
+
+    ```python
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    定義了一個名為 `print_gps_data` 的函數，用於將傳入的行打印到控制台。
+
+    接下來，代碼進行無限循環，每次循環從串口讀取盡可能多的文本行。它為每行調用 `print_gps_data` 函數。
+
+    在所有數據讀取完成後，循環會休眠 1 秒，然後再次嘗試。
+
+1. 運行此代碼，確保使用與 CounterFit 應用運行的終端不同的終端，以便 CounterFit 應用保持運行。
+
+1. 從 CounterFit 應用中更改 GPS 傳感器的值。您可以通過以下方式之一進行更改：
+
+    * 將 **Source** 設置為 `Lat/Lon`，並設置明確的緯度、經度以及用於獲取 GPS 定位的衛星數量。此值僅會發送一次，因此勾選 **Repeat** 框以使數據每秒重複發送。
+
+      ![選擇緯度和經度的 GPS 傳感器](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.mo.png)
+
+    * 將 **Source** 設置為 `NMEA`，並在文本框中添加一些 NMEA 語句。所有這些值都會被發送，每次新的 GGA（位置修正）語句可讀取前會有 1 秒的延遲。
+
+      ![設置 NMEA 語句的 GPS 傳感器](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.mo.png)
+
+      您可以使用像 [nmeagen.org](https://www.nmeagen.org) 這樣的工具通過在地圖上繪製來生成這些語句。這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
+
+    * 將 **Source** 設置為 GPX 文件，並上傳包含軌跡位置的 GPX 文件。您可以從一些流行的地圖和徒步網站（如 [AllTrails](https://www.alltrails.com/)）下載 GPX 文件。這些文件包含多個 GPS 位置作為軌跡，GPS 傳感器將以 1 秒間隔返回每個新位置。
+
+      ![設置 GPX 文件的 GPS 傳感器](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.mo.png)
+
+      這些值僅會發送一次，因此勾選 **Repeat** 框以使數據在全部發送後每秒重複一次。
+
+    配置 GPS 設置後，選擇 **Set** 按鈕以將這些值提交到傳感器。
+
+1. 您將看到來自 GPS 傳感器的原始輸出，類似以下內容：
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    ```
+
+> 💁 您可以在 [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) 文件夾中找到此代碼。
+
+😀 您的 GPS 傳感器程序成功了！
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。  
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..fe5f25b2
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-27T00:52:09+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "mo"
+}
+-->
+# 解碼 GPS 數據 - Wio Terminal
+
+在本課程中，您將解碼從 Wio Terminal 的 GPS 感測器讀取的 NMEA 訊息，並提取緯度和經度。
+
+## 解碼 GPS 數據
+
+一旦從串口讀取到原始的 NMEA 數據，就可以使用開源的 NMEA 庫進行解碼。
+
+### 任務 - 解碼 GPS 數據
+
+編寫程式以解碼 GPS 數據。
+
+1. 如果尚未開啟，請打開 `gps-sensor` 應用程式專案。
+
+1. 在專案的 `platformio.ini` 文件中添加 [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) 庫的依賴。此庫包含解碼 NMEA 數據的程式碼。
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. 在 `main.cpp` 中，添加 TinyGPSPlus 庫的 include 指令：
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. 在 `Serial3` 的宣告下，宣告一個 TinyGPSPlus 物件以處理 NMEA 訊息：
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. 將 `printGPSData` 函數的內容更改為以下內容：
+
+    ```cpp
+    if (gps.encode(Serial3.read()))
+    {
+        if (gps.location.isValid())
+        {
+            Serial.print(gps.location.lat(), 6);
+            Serial.print(F(","));
+            Serial.print(gps.location.lng(), 6);
+            Serial.print(" - from ");
+            Serial.print(gps.satellites.value());
+            Serial.println(" satellites");
+        }
+    }
+    ```
+
+    此程式碼從 UART 串口讀取下一個字元到 `gps` NMEA 解碼器中。每讀取一個字元後，它會檢查解碼器是否讀取到有效的訊息，然後檢查是否讀取到有效的位置。如果位置有效，它會將位置和參與定位的衛星數量發送到串口監視器。
+
+1. 編譯並上傳程式碼到 Wio Terminal。
+
+1. 上傳完成後，您可以使用串口監視器查看 GPS 位置數據。
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 您可以在 [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的 GPS 感測器程式成功解碼數據！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..88443c37
--- /dev/null
+++ b/translations/mo/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-27T00:42:46+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "mo"
+}
+-->
+# 讀取 GPS 數據 - Wio Terminal
+
+在本課程中，您將為 Wio Terminal 添加一個 GPS 感測器，並從中讀取數據。
+
+## 硬體
+
+Wio Terminal 需要一個 GPS 感測器。
+
+您將使用的感測器是 [Grove GPS Air530 感測器](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)。這款感測器可以連接到多個 GPS 系統，提供快速且準確的定位。感測器由兩部分組成——感測器的核心電子元件，以及通過細線連接的外部天線，用於接收來自衛星的無線電波。
+
+這是一個 UART 感測器，因此會通過 UART 傳輸 GPS 數據。
+
+### 連接 GPS 感測器
+
+Grove GPS 感測器可以連接到 Wio Terminal。
+
+#### 任務 - 連接 GPS 感測器
+
+連接 GPS 感測器。
+
+![Grove GPS 感測器](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.mo.png)
+
+1. 將 Grove 線纜的一端插入 GPS 感測器上的插槽。它只能以一種方式插入。
+
+1. 在 Wio Terminal 未連接到電腦或其他電源的情況下，將 Grove 線纜的另一端連接到 Wio Terminal 左側的 Grove 插槽（面向螢幕時）。這是靠近電源按鈕的插槽。
+
+    ![Grove GPS 感測器連接到左側插槽](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.mo.png)
+
+1. 將 GPS 感測器放置在附帶天線可以看到天空的位置——理想情況下靠近窗戶或在戶外。天線周圍沒有障礙物時，信號會更清晰。
+
+1. 現在可以將 Wio Terminal 連接到您的電腦。
+
+1. GPS 感測器有兩個 LED 指示燈——藍色 LED 在傳輸數據時閃爍，綠色 LED 在接收到衛星數據時每秒閃爍一次。確保在啟動 Wio Terminal 時藍色 LED 閃爍。幾分鐘後，綠色 LED 會開始閃爍——如果沒有，您可能需要重新調整天線的位置。
+
+## 編程 GPS 感測器
+
+現在可以為 Wio Terminal 編寫程式碼以使用連接的 GPS 感測器。
+
+### 任務 - 編程 GPS 感測器
+
+為設備編寫程式碼。
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案，命名為 `gps-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
+
+1. 在 `main.cpp` 文件的頂部添加以下 include 指令。這會包含一個用於配置左側 Grove 埠為 UART 的標頭檔案。
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. 在此之下，添加以下程式碼行以聲明一個與 UART 埠連接的序列埠：
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. 您需要添加一些程式碼來將一些內部信號處理程序重定向到這個序列埠。在 `Serial3` 聲明之下添加以下程式碼：
+
+    ```cpp
+    void SERCOM3_0_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_1_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_2_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_3_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    ```
+
+1. 在 `setup` 函數中，在配置 `Serial` 埠的程式碼之下，使用以下程式碼配置 UART 序列埠：
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. 在 `setup` 函數中的這段程式碼之下，添加以下程式碼以將 Grove 引腳連接到序列埠：
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. 在 `loop` 函數之前，添加以下函數以將 GPS 數據發送到序列監視器：
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. 在 `loop` 函數中，添加以下程式碼以從 UART 序列埠讀取數據並將輸出打印到序列監視器：
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    此程式碼從 UART 序列埠讀取數據。`readStringUntil` 函數會讀取直到終止符（在本例中是一個換行符）。這將讀取整個 NMEA 語句（NMEA 語句以換行符結尾）。只要可以從 UART 序列埠讀取數據，就會讀取並通過 `printGPSData` 函數發送到序列監視器。一旦無法再讀取數據，`loop` 會延遲 1 秒（1,000 毫秒）。
+
+1. 編譯並上傳程式碼到 Wio Terminal。
+
+1. 上傳完成後，您可以使用序列監視器查看 GPS 數據。
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+> 💁 您可以在 [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 恭喜！您的 GPS 感測器程式成功運行！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/2-store-location-data/README.md b/translations/mo/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..58b333fc
--- /dev/null
+++ b/translations/mo/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,479 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-27T01:01:35+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "mo"
+}
+-->
+# 儲存位置數據
+
+![本課的手繪筆記概覽](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## 簡介
+
+在上一課中，你學會了如何使用 GPS 感測器來捕捉位置數據。若要將這些數據用於可視化一輛載滿食物的卡車的位置及其行程，這些數據需要被傳送到雲端的 IoT 服務，然後儲存起來。
+
+在本課中，你將學習不同的 IoT 數據儲存方式，並學會如何使用無伺服器程式碼來儲存來自 IoT 服務的數據。
+
+本課將涵蓋以下內容：
+
+* [結構化數據與非結構化數據](../../../../../3-transport/lessons/2-store-location-data)
+* [將 GPS 數據發送到 IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [熱路徑、溫路徑與冷路徑](../../../../../3-transport/lessons/2-store-location-data)
+* [使用無伺服器程式碼處理 GPS 事件](../../../../../3-transport/lessons/2-store-location-data)
+* [Azure 儲存帳戶](../../../../../3-transport/lessons/2-store-location-data)
+* [將無伺服器程式碼連接到儲存空間](../../../../../3-transport/lessons/2-store-location-data)
+
+## 結構化數據與非結構化數據
+
+電腦系統處理數據，而這些數據的形狀和大小各不相同。數據可能是單一數字、大量文字、影片和圖片，或者是 IoT 數據。數據通常可以分為兩類——*結構化數據*和*非結構化數據*。
+
+* **結構化數據** 是具有明確定義、固定結構的數據，通常對應於具有關聯性的數據表。例如，一個人的詳細資料，包括姓名、出生日期和地址。
+
+* **非結構化數據** 是沒有明確定義、固定結構的數據，包括結構可能經常變化的數據。例如，書面文件或試算表。
+
+✅ 做些研究：你能想到其他結構化和非結構化數據的例子嗎？
+
+> 💁 還有一種稱為半結構化數據的類型，它具有結構但不符合固定的數據表格式。
+
+IoT 數據通常被認為是非結構化數據。
+
+想像一下，你正在為一個大型商業農場的車隊添加 IoT 設備。你可能希望為不同類型的車輛使用不同的設備。例如：
+
+* 對於像拖拉機這樣的農場車輛，你需要 GPS 數據來確保它們在正確的田地上工作。
+* 對於運送食物到倉庫的送貨卡車，你需要 GPS 數據以及速度和加速度數據，以確保駕駛員安全駕駛，還需要駕駛身份和啟動/停止數據，以確保駕駛員遵守當地的工作時間法律。
+* 對於冷藏卡車，你還需要溫度數據，以確保食物在運輸過程中不會過熱或過冷而變質。
+
+這些數據可能會不斷變化。例如，如果 IoT 設備位於卡車駕駛室內，那麼當拖車更換時，它發送的數據可能會改變，例如只有在使用冷藏拖車時才發送溫度數據。
+
+✅ 還有什麼其他 IoT 數據可能被捕捉到？想一想卡車可能運載的貨物類型，以及維護數據。
+
+這些數據因車輛而異，但它們都會被發送到同一個 IoT 服務進行處理。IoT 服務需要能夠處理這些非結構化數據，並以一種既能支持搜索或分析，又能適應不同數據結構的方式進行儲存。
+
+### SQL 與 NoSQL 儲存
+
+資料庫是一種允許你儲存和查詢數據的服務。資料庫主要分為兩種類型——SQL 和 NoSQL。
+
+#### SQL 資料庫
+
+最早的資料庫是關聯式資料庫管理系統（RDBMS），也稱為關聯式資料庫。這些資料庫也被稱為 SQL 資料庫，因為它們使用結構化查詢語言（SQL）來添加、刪除、更新或查詢數據。這些資料庫由一個模式（schema）組成——一組明確定義的數據表，類似於試算表。每個表都有多個命名的欄位。當你插入數據時，你會向表中添加一行，並將值放入每個欄位中。這使得數據具有非常固定的結構——儘管你可以留空欄位，但如果你想添加一個新欄位，則必須在資料庫中執行此操作，並為現有行填充值。這些資料庫是關聯式的——即一個表可以與另一個表有關聯。
+
+![一個關聯式資料庫，其中用戶表的 ID 與購買表的用戶 ID 欄位相關聯，產品表的 ID 與購買表的產品 ID 欄位相關聯](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.mo.png)
+
+例如，如果你將用戶的個人詳細資料儲存在一個表中，你會為每個用戶分配一個內部唯一 ID，該 ID 用於包含用戶姓名和地址的表中的一行。如果你想在另一個表中儲存該用戶的其他詳細資料，例如購買記錄，你會在新表中為該用戶的 ID 添加一個欄位。當你查詢用戶時，可以使用他們的 ID 從一個表中獲取個人詳細資料，並從另一個表中獲取購買記錄。
+
+SQL 資料庫非常適合儲存結構化數據，並且當你希望數據與模式匹配時非常有用。
+
+✅ 如果你之前沒有使用過 SQL，花點時間閱讀 [SQL 的維基百科頁面](https://wikipedia.org/wiki/SQL)。
+
+一些知名的 SQL 資料庫包括 Microsoft SQL Server、MySQL 和 PostgreSQL。
+
+✅ 做些研究：閱讀一些這些 SQL 資料庫及其功能。
+
+#### NoSQL 資料庫
+
+NoSQL 資料庫之所以被稱為 NoSQL，是因為它們沒有 SQL 資料庫的固定結構。它們也被稱為文件型資料庫，因為它們可以儲存非結構化數據，例如文件。
+
+> 💁 儘管名稱如此，一些 NoSQL 資料庫允許你使用 SQL 查詢數據。
+
+![NoSQL 資料庫中的文件夾和文件](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.mo.png)
+
+NoSQL 資料庫沒有預定義的模式來限制數據的儲存方式，你可以插入任何非結構化數據，通常使用 JSON 文件。這些文件可以組織成文件夾，類似於電腦上的檔案。每個文件可以與其他文件具有不同的欄位——例如，如果你正在儲存農場車輛的 IoT 數據，有些可能有加速度計和速度數據欄位，其他可能有拖車內部溫度的欄位。如果你要添加一種新型卡車，例如內建秤來追蹤運輸的貨物重量，那麼你的 IoT 設備可以添加這個新欄位，並且可以在不更改資料庫的情況下儲存。
+
+一些知名的 NoSQL 資料庫包括 Azure CosmosDB、MongoDB 和 CouchDB。
+
+✅ 做些研究：閱讀一些這些 NoSQL 資料庫及其功能。
+
+在本課中，你將使用 NoSQL 儲存來儲存 IoT 數據。
+
+## 將 GPS 數據發送到 IoT Hub
+
+在上一課中，你從連接到 IoT 設備的 GPS 感測器捕捉了 GPS 數據。若要將這些 IoT 數據儲存在雲端，你需要將其發送到 IoT 服務。你將再次使用 Azure IoT Hub，這是你在上一個專案中使用的相同 IoT 雲服務。
+
+![從 IoT 設備向 IoT Hub 發送 GPS 遙測數據](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.mo.png)
+
+### 任務 - 將 GPS 數據發送到 IoT Hub
+
+1. 使用免費層創建一個新的 IoT Hub。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 4 課中創建 IoT Hub 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud)。
+
+    記得創建一個新的資源群組。將新資源群組命名為 `gps-sensor`，並為新的 IoT Hub 命名一個基於 `gps-sensor` 的唯一名稱，例如 `gps-sensor-<你的名字>`。
+
+    > 💁 如果你仍然保留上一個專案中的 IoT Hub，可以重複使用它。創建其他服務時，記得使用該 IoT Hub 的名稱及其所在的資源群組。
+
+1. 向 IoT Hub 添加一個新設備。將該設備命名為 `gps-sensor`，並獲取該設備的連接字串。
+
+1. 更新你的設備程式碼，使用上一個步驟中的設備連接字串，將 GPS 數據發送到新的 IoT Hub。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 4 課中將設備連接到 IoT 的指導](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service)。
+
+1. 發送 GPS 數據時，請使用以下 JSON 格式：
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. 每分鐘發送一次 GPS 數據，以免用完每日訊息配額。
+
+如果你使用的是 Wio Terminal，記得添加所有必要的庫，並使用 NTP 伺服器設置時間。你的程式碼還需要確保在發送 GPS 位置之前已從序列埠讀取所有數據，使用上一課中的現有程式碼。使用以下程式碼構建 JSON 文件：
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+如果你使用的是虛擬 IoT 設備，記得使用虛擬環境安裝所有必要的庫。
+
+對於 Raspberry Pi 和虛擬 IoT 設備，使用上一課中的現有程式碼獲取緯度和經度值，然後使用以下程式碼以正確的 JSON 格式發送它們：
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 你可以在 [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)、[code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) 或 [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) 文件夾中找到這些程式碼。
+
+運行你的設備程式碼，並使用 `az iot hub monitor-events` CLI 命令確保訊息正在流入 IoT Hub。
+
+## 熱路徑、溫路徑與冷路徑
+
+從 IoT 設備流向雲端的數據並不總是需要即時處理。有些數據需要即時處理，有些數據可以稍後處理，還有一些數據可以在很久之後處理。數據流向不同服務以在不同時間進行處理的方式被稱為熱路徑、溫路徑和冷路徑。
+
+### 熱路徑
+
+熱路徑指需要即時或接近即時處理的數據。你可以使用熱路徑數據來觸發警報，例如當車輛接近倉庫時，或者當冷藏卡車內的溫度過高時。
+
+若要使用熱路徑數據，你的程式碼需要在雲服務接收到事件時立即作出響應。
+
+### 溫路徑
+
+溫路徑指可以在接收到數據後稍作延遲進行處理的數據，例如用於報告或短期分析。你可以使用溫路徑數據來生成每日車輛里程報告，使用前一天收集的數據。
+
+溫路徑數據在被雲服務接收到後會被儲存在某種可以快速訪問的儲存空間中。
+
+### 冷路徑
+
+冷路徑指歷史數據，這些數據會被長期儲存，並在需要時進行處理。例如，你可以使用冷路徑數據來生成年度車輛里程報告，或者對路線進行分析以找到最節省燃料的路線。
+
+冷路徑數據儲存在數據倉庫中——這些資料庫專為儲存大量不會更改的數據而設計，並且可以快速輕鬆地查詢。通常，你的雲應用程式會定期執行一個任務，每天、每週或每月將數據從溫路徑儲存移動到數據倉庫。
+
+✅ 想一想你在這些課程中捕捉到的數據。它是熱路徑、溫路徑還是冷路徑數據？
+
+## 使用無伺服器程式碼處理 GPS 事件
+
+一旦數據流入你的 IoT Hub，你可以編寫一些無伺服器程式碼來監聽發佈到 Event-Hub 相容端點的事件。這是溫路徑——這些數據將被儲存，並在下一課中用於行程報告。
+
+![從 IoT 設備向 IoT Hub 發送 GPS 遙測數據，然後通過事件中心觸發器發送到 Azure Functions](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.mo.png)
+
+### 任務 - 使用無伺服器程式碼處理 GPS 事件
+
+1. 使用 Azure Functions CLI 創建一個 Azure Functions 應用程式。使用 Python 運行時，並在名為 `gps-trigger` 的文件夾中創建它，並使用相同的名稱作為 Functions App 專案名稱。記得創建一個虛擬環境來使用它。
+⚠️ 您可以參考[從第2章，第5課建立 Azure Functions 專案的指導](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application)（如有需要）。
+1. 新增一個 IoT Hub 事件觸發器，使用 IoT Hub 的 Event Hub 相容端點。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 IoT Hub 事件觸發器的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
+
+1. 在 `local.settings.json` 檔案中設定 Event Hub 相容端點的連接字串，並在 `function.json` 檔案中使用該條目的鍵值。
+
+1. 使用 Azurite 應用程式作為本地儲存模擬器。
+
+1. 執行你的 Functions 應用程式，確保它能接收到來自 GPS 裝置的事件。請確保你的 IoT 裝置也正在運行並傳送 GPS 資料。
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Azure 儲存帳戶
+
+![Azure 儲存服務標誌](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.mo.png)
+
+Azure 儲存帳戶是一種通用的儲存服務，可以以多種方式儲存資料。你可以將資料儲存為 Blob、佇列、表格或檔案，並且可以同時使用這些方式。
+
+### Blob 儲存
+
+*Blob* 的意思是二進位大型物件，但它已成為任何非結構化資料的代名詞。你可以將任何資料儲存在 Blob 儲存中，從包含 IoT 資料的 JSON 文件到圖片和影片檔案。Blob 儲存有 *容器* 的概念，這些容器是用來儲存資料的命名儲存桶，類似於關聯式資料庫中的表格。這些容器可以包含一個或多個資料夾來儲存 Blob，每個資料夾還可以包含其他資料夾，類似於電腦硬碟上的檔案儲存方式。
+
+在本課程中，你將使用 Blob 儲存來儲存 IoT 資料。
+
+✅ 做一些研究：閱讀 [Azure Blob 儲存](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### 表格儲存
+
+表格儲存允許你儲存半結構化資料。表格儲存實際上是一種 NoSQL 資料庫，因此不需要事先定義表格，但它被設計為在一個或多個表格中儲存資料，並使用唯一鍵來定義每一行。
+
+✅ 做一些研究：閱讀 [Azure 表格儲存](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### 佇列儲存
+
+佇列儲存允許你將大小最多為 64KB 的訊息儲存在佇列中。你可以將訊息新增到佇列的尾端，並從佇列的前端讀取。佇列會無限期儲存訊息，只要還有儲存空間，因此允許訊息長期儲存，並在需要時讀取。例如，如果你想要每月執行一次處理 GPS 資料的工作，你可以每天將資料新增到佇列，然後在月底處理佇列中的所有訊息。
+
+✅ 做一些研究：閱讀 [Azure 佇列儲存](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### 檔案儲存
+
+檔案儲存是將檔案儲存在雲端，任何應用程式或裝置都可以使用標準協議連接。你可以將檔案寫入檔案儲存，然後將其掛載為 PC 或 Mac 上的磁碟。
+
+✅ 做一些研究：閱讀 [Azure 檔案儲存](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## 將無伺服器程式碼連接到儲存服務
+
+你的 Functions 應用程式現在需要連接到 Blob 儲存，以儲存來自 IoT Hub 的訊息。有兩種方式可以做到：
+
+* 在函式程式碼中，使用 Blob 儲存的 Python SDK 連接到 Blob 儲存並將資料寫入 Blob。
+* 使用輸出函式綁定，將函式的返回值綁定到 Blob 儲存，並自動儲存 Blob。
+
+在本課程中，你將使用 Python SDK 來學習如何與 Blob 儲存互動。
+
+![從 IoT 裝置傳送 GPS 遙測數據到 IoT Hub，然後通過事件觸發器傳送到 Azure Functions，最後儲存到 Blob 儲存](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.mo.png)
+
+資料將以以下格式儲存為 JSON Blob：
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### 任務 - 將無伺服器程式碼連接到儲存服務
+
+1. 建立一個 Azure 儲存帳戶。命名為類似 `gps<你的名字>` 的名稱。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立儲存帳戶的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
+
+    如果你在之前的專案中已經有一個儲存帳戶，可以重複使用。
+
+    > 💁 你將能夠在本課程稍後的部分使用相同的儲存帳戶來部署 Azure Functions 應用程式。
+
+1. 執行以下命令以獲取儲存帳戶的連接字串：
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    將 `<storage_name>` 替換為你在上一步中建立的儲存帳戶名稱。
+
+1. 在 `local.settings.json` 檔案中新增一個條目，為你的儲存帳戶連接字串設定值，命名為 `STORAGE_CONNECTION_STRING`。
+
+1. 在 `requirements.txt` 檔案中新增以下內容，以安裝 Azure 儲存的 Pip 套件：
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    在你的虛擬環境中安裝此檔案中的套件。
+
+    > 如果遇到錯誤，請使用以下命令將虛擬環境中的 Pip 版本升級到最新版本，然後再試一次：
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. 在 `iot-hub-trigger` 的 `__init__.py` 檔案中，新增以下匯入語句：
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    `json` 系統模組將用於讀取和寫入 JSON，`os` 系統模組將用於讀取連接字串，`uuid` 系統模組將用於為 GPS 讀數生成唯一 ID。
+
+    `azure.storage.blob` 套件包含與 Blob 儲存互動的 Python SDK。
+
+1. 在 `main` 方法之前，新增以下輔助函式：
+
+    ```python
+    def get_or_create_container(name):
+        connection_str = os.environ['STORAGE_CONNECTION_STRING']
+        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
+    
+        for container in blob_service_client.list_containers():
+            if container.name == name:
+                return blob_service_client.get_container_client(container.name)
+        
+        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
+    ```
+
+    Python 的 Blob SDK 沒有輔助方法來檢查容器是否存在並在不存在時建立它。這段程式碼將從 `local.settings.json` 檔案（或部署到雲端後的應用程式設定）中載入連接字串，然後從中建立一個 `BlobServiceClient` 類別來與 Blob 儲存帳戶互動。接著，它會遍歷 Blob 儲存帳戶中的所有容器，尋找具有提供名稱的容器——如果找到，則返回一個可以與該容器互動以建立 Blob 的 `ContainerClient` 類別。如果找不到，則建立該容器並返回新容器的客戶端。
+
+    當新容器被建立時，會授予公共訪問權限以查詢容器中的 Blob。在下一課中，這將用於在地圖上可視化 GPS 資料。
+
+1. 與土壤濕度不同，這段程式碼希望儲存每個事件，因此在 `main` 函式的 `for event in events:` 迴圈中，`logging` 語句下方新增以下程式碼：
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    這段程式碼從事件的中繼資料中獲取裝置 ID，然後使用它來建立 Blob 名稱。Blob 可以儲存在資料夾中，裝置 ID 將用作資料夾名稱，因此每個裝置的所有 GPS 事件都會儲存在一個資料夾中。Blob 名稱是這個資料夾，後面跟著一個文件名稱，兩者之間用正斜線分隔，類似於 Linux 和 macOS 的路徑（Windows 也類似，但 Windows 使用反斜線）。文件名稱是使用 Python 的 `uuid` 模組生成的唯一 ID，檔案類型為 `json`。
+
+    例如，對於 `gps-sensor` 裝置 ID，Blob 名稱可能是 `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`。
+
+1. 在此程式碼下方新增以下內容：
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    這段程式碼使用 `get_or_create_container` 輔助類別獲取容器客戶端，然後使用 Blob 名稱獲取 Blob 客戶端物件。這些 Blob 客戶端可以引用現有的 Blob，或者像這裡一樣，引用新的 Blob。
+
+1. 在此程式碼後新增以下內容：
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    blob_body = {
+        'device_id' : device_id,
+        'timestamp' : event.iothub_metadata['enqueuedtime'],
+        'gps': event_body['gps']
+    }
+    ```
+
+    這段程式碼構建將寫入 Blob 儲存的 Blob 主體。它是一個 JSON 文件，包含裝置 ID、遙測數據發送到 IoT Hub 的時間，以及遙測中的 GPS 座標。
+
+    > 💁 使用訊息的入列時間而不是當前時間來獲取訊息發送的時間非常重要。如果 Functions 應用程式未運行，訊息可能會在 Hub 上停留一段時間。
+
+1. 在此程式碼下方新增以下內容：
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    這段程式碼記錄即將寫入的 Blob 及其詳細資訊，然後將 Blob 主體上傳為新 Blob 的內容。
+
+1. 執行 Functions 應用程式。你將在輸出中看到所有 GPS 事件的 Blob 被寫入：
+
+    ```output
+    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
+    ...
+    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
+    ```
+
+    > 💁 確保你沒有同時運行 IoT Hub 事件監視器。
+
+> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) 資料夾中找到這段程式碼。
+
+### 任務 - 驗證上傳的 Blob
+
+1. 要查看建立的 Blob，你可以使用 [Azure 儲存瀏覽器](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)，這是一個免費工具，允許你查看和管理儲存帳戶，或者使用 CLI。
+
+    1. 若要使用 CLI，首先需要一個帳戶金鑰。執行以下命令以獲取此金鑰：
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        將 `<storage_name>` 替換為儲存帳戶的名稱。
+
+        複製 `key1` 的值。
+
+    1. 執行以下命令以列出容器中的 Blob：
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為上一步中複製的 `key1` 值。
+
+        這將列出容器中的所有 Blob：
+
+        ```output
+        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
+        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
+        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
+        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        ```
+
+    1. 使用以下命令下載其中一個 Blob：
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        將 `<storage_name>` 替換為儲存帳戶的名稱，將 `<key1>` 替換為之前步驟中複製的 `key1` 值。
+
+        將 `<blob_name>` 替換為上一步輸出中 `Name` 欄位的完整名稱，包括資料夾名稱。將 `<file_name>` 替換為要儲存 Blob 的本地檔案名稱。
+
+    下載後，你可以在 VS Code 中打開 JSON 檔案，並看到包含 GPS 位置詳細資訊的 Blob：
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### 任務 - 將 Functions 應用程式部署到雲端
+
+現在你的 Functions 應用程式已經可以運行，你可以將它部署到雲端。
+
+1. 建立一個新的 Azure Functions 應用程式，使用你之前建立的儲存帳戶。命名為類似 `gps-sensor-` 並在末尾添加一個唯一識別符，例如隨機字詞或你的名字。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中建立 Functions 應用程式的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources)。
+
+1. 將 `IOT_HUB_CONNECTION_STRING` 和 `STORAGE_CONNECTION_STRING` 值上傳到應用程式設定。
+
+    > ⚠️ 如果需要，可以參考[專案 2，第 5 課中上傳應用程式設定的指引](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
+
+1. 將本地 Functions 應用程式部署到雲端。
+> ⚠️ 您可以參考[第2個專案，第5課的指導說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)，以便部署您的 Functions 應用程式到雲端（如果需要）。
+---
+
+## 🚀 挑戰
+
+GPS 數據並非完全準確，偵測到的位置可能會有幾公尺的誤差，尤其是在隧道和高樓林立的區域。
+
+思考一下衛星導航如何克服這個問題？你的衛星導航擁有哪些數據可以幫助它更準確地預測你的位置？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## 回顧與自學
+
+* 閱讀 [維基百科上的數據模型頁面](https://wikipedia.org/wiki/Data_model) 了解結構化數據
+* 閱讀 [維基百科上的半結構化數據頁面](https://wikipedia.org/wiki/Semi-structured_data) 了解半結構化數據
+* 閱讀 [維基百科上的非結構化數據頁面](https://wikipedia.org/wiki/Unstructured_data) 了解非結構化數據
+* 深入了解 Azure 儲存及不同的儲存類型，請參考 [Azure 儲存文件](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## 作業
+
+[調查函數綁定](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/2-store-location-data/assignment.md b/translations/mo/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..f2b350c4
--- /dev/null
+++ b/translations/mo/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-27T01:03:27+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 調查函數綁定
+
+## 說明
+
+函數綁定允許您的程式碼透過從 `main` 函數返回資料塊（blob），將其儲存到 Blob 儲存體中。Azure 儲存體帳戶、集合及其他詳細資訊是在 `function.json` 檔案中設定的。
+
+在使用 Azure 或其他 Microsoft 技術時，最好的資訊來源是 [Microsoft 文件網站 docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn)。在這個作業中，您需要閱讀 Azure Functions 綁定的相關文件，以了解如何設定輸出綁定。
+
+一些可以幫助您入門的頁面包括：
+
+* [Azure Functions 觸發器與綁定概念](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Azure Functions 的 Azure Blob 儲存體綁定概述](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Azure Functions 的 Azure Blob 儲存體輸出綁定](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## 評分標準
+
+| 評分標準 | 優異 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 設定 Blob 儲存體輸出綁定 | 能夠成功設定輸出綁定，返回資料塊並將其成功儲存到 Blob 儲存體中 | 能夠設定輸出綁定或返回資料塊，但無法成功將其儲存到 Blob 儲存體中 | 無法設定輸出綁定 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/3-visualize-location-data/README.md b/translations/mo/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..9b9274a7
--- /dev/null
+++ b/translations/mo/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,359 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-27T00:55:35+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "mo"
+}
+-->
+# 視覺化位置數據
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了 Azure Maps 與 IoT 的功能，這是本課程將涵蓋的服務。
+
+[![Azure Maps - 微軟 Azure 企業位置平台](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## 簡介
+
+在上一課中，您學習了如何從感測器獲取 GPS 數據並使用無伺服器代碼將其保存到雲端的存儲容器中。現在，您將探索如何在 Azure 地圖上視覺化這些點。您將學習如何在網頁上創建地圖，了解 GeoJSON 數據格式以及如何使用它在地圖上繪製所有捕獲的 GPS 點。
+
+在本課程中，我們將涵蓋：
+
+* [什麼是數據視覺化](../../../../../3-transport/lessons/3-visualize-location-data)
+* [地圖服務](../../../../../3-transport/lessons/3-visualize-location-data)
+* [創建 Azure Maps 資源](../../../../../3-transport/lessons/3-visualize-location-data)
+* [在網頁上顯示地圖](../../../../../3-transport/lessons/3-visualize-location-data)
+* [GeoJSON 格式](../../../../../3-transport/lessons/3-visualize-location-data)
+* [使用 GeoJSON 在地圖上繪製 GPS 數據](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 本課程將涉及少量 HTML 和 JavaScript。如果您想了解更多關於使用 HTML 和 JavaScript 進行網頁開發的內容，請查看 [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners)。
+
+## 什麼是數據視覺化
+
+數據視覺化，顧名思義，是以更容易讓人類理解的方式來視覺化數據。它通常與圖表和圖形相關，但任何以圖像方式呈現數據以幫助人類更好地理解數據並做出決策的方式都屬於數據視覺化。
+
+舉個簡單的例子——在農場項目中，您捕獲了土壤濕度的數據。以下是 2021 年 6 月 1 日每小時捕獲的土壤濕度數據表：
+
+| 日期             | 讀數   |
+| ---------------- | ------: |
+| 01/06/2021 00:00 |     257 |
+| 01/06/2021 01:00 |     268 |
+| 01/06/2021 02:00 |     295 |
+| 01/06/2021 03:00 |     305 |
+| 01/06/2021 04:00 |     325 |
+| 01/06/2021 05:00 |     359 |
+| 01/06/2021 06:00 |     398 |
+| 01/06/2021 07:00 |     410 |
+| 01/06/2021 08:00 |     429 |
+| 01/06/2021 09:00 |     451 |
+| 01/06/2021 10:00 |     460 |
+| 01/06/2021 11:00 |     452 |
+| 01/06/2021 12:00 |     420 |
+| 01/06/2021 13:00 |     408 |
+| 01/06/2021 14:00 |     431 |
+| 01/06/2021 15:00 |     462 |
+| 01/06/2021 16:00 |     432 |
+| 01/06/2021 17:00 |     402 |
+| 01/06/2021 18:00 |     387 |
+| 01/06/2021 19:00 |     360 |
+| 01/06/2021 20:00 |     358 |
+| 01/06/2021 21:00 |     354 |
+| 01/06/2021 22:00 |     356 |
+| 01/06/2021 23:00 |     362 |
+
+對於人類來說，理解這些數據可能很困難。這是一堵沒有意義的數字牆。作為視覺化這些數據的第一步，可以將其繪製成折線圖：
+
+![上述數據的折線圖](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.mo.png)
+
+這可以進一步改進，添加一條線來指示自動灌溉系統在土壤濕度讀數達到 450 時啟動的時間：
+
+![土壤濕度折線圖，顯示 450 的一條線](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.mo.png)
+
+這張圖表不僅快速顯示了土壤濕度水平，還顯示了灌溉系統啟動的點。
+
+圖表並不是唯一的數據視覺化工具。追蹤天氣的 IoT 設備可以通過網頁應用或移動應用使用符號來視覺化天氣條件，例如用雲朵符號表示陰天，用雨雲符號表示雨天等等。視覺化數據的方法有很多，有些是嚴肅的，有些是有趣的。
+
+✅ 想一想您曾經見過的數據視覺化方式。哪些方法最清晰，能讓您最快做出決策？
+
+最好的視覺化方式能讓人類快速做出決策。例如，展示工業機械所有讀數的儀表牆可能很難處理，但當某些事情出錯時，閃爍的紅燈能讓人類迅速做出決策。有時候，最好的視覺化方式就是一盞閃爍的燈！
+
+在處理 GPS 數據時，最清晰的視覺化方式是將數據繪製在地圖上。例如，顯示送貨卡車的地圖可以幫助加工廠的工人了解卡車何時到達。如果這張地圖不僅顯示卡車當前位置的圖片，還提供卡車內容的概念，那麼加工廠的工人就可以相應地進行計劃——如果他們看到一輛冷藏卡車接近，他們就知道要準備冷藏空間。
+
+## 地圖服務
+
+使用地圖是一項有趣的練習，有許多選擇，例如 Bing Maps、Leaflet、Open Street Maps 和 Google Maps。在本課程中，您將了解 [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) 以及如何使用它們顯示您的 GPS 數據。
+
+![Azure Maps 標誌](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.mo.png)
+
+Azure Maps 是“一組地理空間服務和 SDK，使用最新的地圖數據為網頁和移動應用提供地理背景。”開發者可以使用工具創建美觀的互動地圖，這些地圖可以提供推薦的交通路線、交通事故信息、室內導航、搜索功能、海拔信息、天氣服務等。
+
+✅ 試試一些 [地圖代碼範例](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+您可以將地圖顯示為空白畫布、瓦片、衛星圖像、疊加道路的衛星圖像、各種灰度地圖、顯示海拔的陰影地圖、夜景地圖以及高對比度地圖。通過與 [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) 集成，您可以在地圖上獲得實時更新。您可以啟用各種控制來控制地圖的行為和外觀，使地圖能夠對事件（如捏合、拖動和點擊）做出反應。為了控制地圖的外觀，您可以添加包括氣泡、線條、多邊形、熱圖等的圖層。您選擇的 SDK 決定了您實現的地圖樣式。
+
+您可以通過使用其 [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest)、其 [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn) 或者如果您正在構建移動應用，則使用其 [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android) 來訪問 Azure Maps API。
+
+在本課程中，您將使用 Web SDK 繪製地圖並顯示感測器的 GPS 位置路徑。
+
+## 創建 Azure Maps 資源
+
+第一步是創建 Azure Maps 帳戶。
+
+### 任務 - 創建 Azure Maps 資源
+
+1. 從終端或命令提示符運行以下命令，在您的 `gps-sensor` 資源組中創建 Azure Maps 資源：
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    這將創建一個名為 `gps-sensor` 的 Azure Maps 資源。使用的層級是 `S1`，這是一個付費層級，包含一系列功能，但提供了大量免費的調用。
+
+    > 💁 要查看使用 Azure Maps 的成本，請查看 [Azure Maps 價格頁面](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn)。
+
+1. 您需要獲取地圖資源的 API 密鑰。使用以下命令獲取此密鑰：
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    複製 `PrimaryKey` 的值。
+
+## 在網頁上顯示地圖
+
+現在您可以進行下一步，將地圖顯示在網頁上。我們將僅使用一個 `html` 文件來構建您的小型網頁應用；請記住，在生產或團隊環境中，您的網頁應用可能會有更多的組件！
+
+### 任務 - 在網頁上顯示地圖
+
+1. 在本地電腦的某個文件夾中創建一個名為 index.html 的文件。添加 HTML 標記以容納地圖：
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    地圖將加載到 `myMap` 的 `div` 中。一些樣式使其可以跨越頁面的寬度和高度。
+
+    > 🎓 `div` 是網頁的一個部分，可以命名和設置樣式。
+
+1. 在開頭的 `<head>` 標籤下，添加一個外部樣式表來控制地圖顯示，以及一個來自 Web SDK 的外部腳本來管理其行為：
+
+    ```html
+    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
+    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
+    ```
+
+    此樣式表包含地圖外觀的設置，而腳本文件包含加載地圖的代碼。添加此代碼類似於包含 C++ 頭文件或導入 Python 模塊。
+
+1. 在該腳本下方，添加一個腳本塊以啟動地圖。
+
+    ```javascript
+    <script type='text/javascript'>
+        function init() {
+            var map = new atlas.Map('myMap', {
+                center: [-122.26473, 47.73444],
+                zoom: 12,
+                authOptions: {
+                    authType: "subscriptionKey",
+                    subscriptionKey: "<subscription_key>",
+
+                }
+            });
+        }
+    </script>
+    ```
+
+    將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
+
+    如果您在網頁瀏覽器中打開 `index.html` 文件，您應該會看到一張地圖加載並聚焦在西雅圖地區。
+
+    ![顯示西雅圖（美國華盛頓州的一個城市）的地圖](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.mo.png)
+
+    ✅ 嘗試調整縮放和中心參數以更改地圖顯示。您可以添加與數據的緯度和經度相對應的不同坐標來重新定位地圖。
+
+> 💁 在本地工作網頁應用的更好方式是安裝 [http-server](https://www.npmjs.com/package/http-server)。您需要先安裝 [node.js](https://nodejs.org/) 和 [npm](https://www.npmjs.com/) 才能使用此工具。安裝這些工具後，您可以導航到 `index.html` 文件所在的位置並輸入 `http-server`。網頁應用將在本地網頁伺服器上打開 [http://127.0.0.1:8080/](http://127.0.0.1:8080/)。
+
+## GeoJSON 格式
+
+現在您已經設置了顯示地圖的網頁應用，接下來需要從存儲帳戶中提取 GPS 數據並在地圖上顯示一層標記。在此之前，我們先來了解 Azure Maps 所需的 [GeoJSON](https://wikipedia.org/wiki/GeoJSON) 格式。
+
+[GeoJSON](https://geojson.org/) 是一種開放標準的 JSON 規範，具有專門設計用於處理地理相關數據的特殊格式。您可以通過測試示例數據來了解它，使用 [geojson.io](https://geojson.io) 也是一個調試 GeoJSON 文件的有用工具。
+
+示例 GeoJSON 數據如下所示：
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+特別需要注意的是數據如何嵌套在 `FeatureCollection` 中的 `Feature`。在該對象中可以找到 `geometry`，其中的 `coordinates` 指示緯度和經度。
+
+✅ 在構建您的 GeoJSON 時，請注意對象中 `latitude` 和 `longitude` 的順序，否則您的點將不會出現在正確的位置！GeoJSON 期望點的數據順序為 `lon,lat`，而不是 `lat,lon`。
+
+`Geometry` 可以有不同的類型，例如單個點或多邊形。在此示例中，它是一個點，指定了兩個坐標：經度和緯度。
+✅ Azure Maps 支援標準的 GeoJSON，並且包含一些[增強功能](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn)，例如繪製圓形和其他幾何圖形的能力。
+
+## 使用 GeoJSON 在地圖上繪製 GPS 數據
+
+現在你已準備好使用上一課中建立的儲存資料。提醒一下，這些資料以多個檔案的形式存儲在 Blob 儲存中，因此你需要檢索這些檔案並解析它們，以便 Azure Maps 能夠使用這些數據。
+
+### 任務 - 配置儲存以便從網頁訪問
+
+如果你嘗試從儲存中調用數據，你可能會驚訝地發現瀏覽器的控制台中出現錯誤。這是因為你需要在此儲存上設置 [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) 權限，以允許外部網頁應用程式讀取其數據。
+
+> 🎓 CORS 代表 "跨來源資源共享"，通常需要在 Azure 中明確設置以確保安全性。它可以防止未預期的網站訪問你的數據。
+
+1. 執行以下命令以啟用 CORS：
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    將 `<storage_name>` 替換為你的儲存帳戶名稱。將 `<key1>` 替換為你的儲存帳戶的帳戶金鑰。
+
+    此命令允許任何網站（通配符 `*` 表示任何網站）發出 *GET* 請求，也就是從你的儲存帳戶獲取數據。`--services b` 表示僅對 Blob 應用此設置。
+
+### 任務 - 從儲存中加載 GPS 數據
+
+1. 將 `init` 函數的全部內容替換為以下代碼：
+
+    ```javascript
+    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
+        .then(response => response.text())
+        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
+        .then(xml => {
+            let blobList = Array.from(xml.querySelectorAll("Url"));
+                blobList.forEach(async blobUrl => {
+                    loadJSON(blobUrl.innerHTML)                
+        });
+    })
+    .then( response => {
+        map = new atlas.Map('myMap', {
+            center: [-122.26473, 47.73444],
+            zoom: 14,
+            authOptions: {
+                authType: "subscriptionKey",
+                subscriptionKey: "<subscription_key>",
+    
+            }
+        });
+        map.events.add('ready', function () {
+            var source = new atlas.source.DataSource();
+            map.sources.add(source);
+            map.layers.add(new atlas.layer.BubbleLayer(source));
+            source.add(features);
+        })
+    })
+    ```
+
+    將 `<storage_name>` 替換為你的儲存帳戶名稱。將 `<subscription_key>` 替換為你的 Azure Maps 帳戶的 API 金鑰。
+
+    這裡有幾個步驟。首先，代碼通過使用你的儲存帳戶名稱構建的 URL 端點從 Blob 容器中檢索 GPS 數據。此 URL 從 `gps-data` 中檢索，表示資源類型為容器（`restype=container`），並列出所有 Blob 的信息。此列表不會返回 Blob 本身，但會返回每個 Blob 的 URL，可用於加載 Blob 數據。
+
+    > 💁 你可以將此 URL 放入瀏覽器中查看容器中所有 Blob 的詳細信息。每個項目都會有一個 `Url` 屬性，你也可以在瀏覽器中加載該屬性以查看 Blob 的內容。
+
+    然後，代碼加載每個 Blob，調用 `loadJSON` 函數（稍後會創建）。接著，它創建地圖控制項，並添加代碼到 `ready` 事件。此事件在地圖顯示於網頁時被調用。
+
+    `ready` 事件創建了一個 Azure Maps 數據源——一個包含 GeoJSON 數據的容器，稍後會填充此數據源。然後此數據源用於創建一個氣泡圖層——即地圖上的一組圓形，圓心位於 GeoJSON 中的每個點。
+
+1. 在 `init` 函數下方的腳本塊中添加 `loadJSON` 函數：
+
+    ```javascript
+    var map, features;
+
+    function loadJSON(file) {
+        var xhr = new XMLHttpRequest();
+        features = [];
+        xhr.onreadystatechange = function () {
+            if (xhr.readyState === XMLHttpRequest.DONE) {
+                if (xhr.status === 200) {
+                    gps = JSON.parse(xhr.responseText)
+                    features.push(
+                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
+                    )
+                }
+            }
+        };
+        xhr.open("GET", file, true);
+        xhr.send();
+    }    
+    ```
+
+    此函數由 fetch 例程調用，用於解析 JSON 數據並將其轉換為經緯度座標作為 GeoJSON。
+    解析完成後，數據被設置為 GeoJSON 的 `Feature`。地圖將被初始化，並且小圓點會出現在你的數據所繪製的路徑周圍：
+
+1. 在瀏覽器中加載 HTML 頁面。它將加載地圖，然後從儲存中加載所有 GPS 數據並將其繪製在地圖上。
+
+    ![西雅圖附近的聖愛德華州立公園地圖，顯示公園邊緣路徑上的圓形](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.mo.png)
+
+> 💁 你可以在 [code](../../../../../3-transport/lessons/3-visualize-location-data/code) 資料夾中找到此代碼。
+
+---
+
+## 🚀 挑戰
+
+能夠在地圖上顯示靜態數據作為標記非常棒。你能否增強此網頁應用程式，添加動畫並顯示標記隨時間移動的路徑，使用帶有時間戳的 JSON 文件？這裡有一些[範例](https://azuremapscodesamples.azurewebsites.net/)展示如何在地圖中使用動畫。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## 回顧與自學
+
+Azure Maps 對於處理 IoT 設備特別有用。
+
+* 在 [Microsoft Docs 的 Azure Maps 文件](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) 中研究一些用途。
+* 通過 [Microsoft Learn 上的 Azure Maps 自學模組](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn)，加深你對地圖製作和航點的知識。
+
+## 作業
+
+[部署你的應用程式](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..340dd1e9
--- /dev/null
+++ b/translations/mo/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-27T00:56:51+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 部署您的應用程式
+
+## 指導說明
+
+有多種方式可以部署您的應用程式，讓它能與世界分享，包括使用 GitHub Pages 或眾多服務提供商中的一個。一個非常出色的方式是使用 Azure Static Web Apps。在這次作業中，請建立您的網頁應用程式並按照[這些指導說明](https://github.com/Azure/static-web-apps-cli)或觀看[這些影片](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3)將其部署到雲端。
+使用 Azure Static Web Apps 的一個好處是您可以在入口網站中隱藏任何 API 金鑰，因此請利用這個機會將您的 subscriptionKey 重構為變數並儲存在雲端。
+
+## 評分標準
+
+| 評分標準 | 卓越                                                                                                                                    | 合格                                                                                                                | 需要改進                                           |
+| -------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------- |
+|          | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，且其 subscriptionKey 已儲存在雲端並透過變數調用                           | 一個運作正常的網頁應用程式已在有文件記錄的 GitHub 儲存庫中展示，但其 subscriptionKey 未儲存在雲端                     | 網頁應用程式存在錯誤或無法正常運作                 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/4-geofences/README.md b/translations/mo/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..64560d65
--- /dev/null
+++ b/translations/mo/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-27T00:40:00+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "mo"
+}
+-->
+# 地理圍欄
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了地理圍欄以及如何在 Azure Maps 中使用它們，這些是本課程將涵蓋的主題：
+
+[![Microsoft Developer IoT 節目中的 Azure Maps 地理圍欄](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## 簡介
+
+在過去的三節課中，您已經使用物聯網 (IoT) 來定位從農場運送到加工中心的卡車。您捕獲了 GPS 數據，將其發送到雲端存儲，並在地圖上進行了可視化。下一步是提高供應鏈效率，當卡車即將到達加工中心時收到警報，這樣卸貨所需的工作人員可以提前準備好叉車和其他設備，確保車輛一到就能快速卸貨，避免支付卡車和司機的等待費用。
+
+在本課程中，您將學習地理圍欄——定義的地理空間區域，例如距加工中心 2 公里車程內的區域，以及如何測試 GPS 坐標是否在地理圍欄內或外，以便判斷您的 GPS 傳感器是否已到達或離開某個區域。
+
+本課程將涵蓋以下內容：
+
+* [什麼是地理圍欄](../../../../../3-transport/lessons/4-geofences)
+* [定義地理圍欄](../../../../../3-transport/lessons/4-geofences)
+* [測試點是否在地理圍欄內](../../../../../3-transport/lessons/4-geofences)
+* [從無伺服器代碼中使用地理圍欄](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 這是本項目中的最後一課，因此在完成本課程和作業後，別忘了清理您的雲端服務。您需要這些服務來完成作業，因此請務必先完成作業。
+>
+> 如有需要，請參考[清理項目指南](../../../clean-up.md)以獲取相關指導。
+
+## 什麼是地理圍欄
+
+地理圍欄是一個針對現實地理區域的虛擬邊界。地理圍欄可以是以點和半徑定義的圓形（例如建築物周圍 100 米的圓形），也可以是覆蓋某個區域的多邊形，例如學校區域、城市邊界或大學或辦公園區。
+
+![一些地理圍欄的例子，顯示 Microsoft 公司商店周圍的圓形地理圍欄，以及 Microsoft 西園區周圍的多邊形地理圍欄](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.mo.png)
+
+> 💁 您可能已經在不知不覺中使用過地理圍欄。如果您曾使用 iOS 提醒應用或 Google Keep 根據位置設置提醒，那麼您就使用過地理圍欄。這些應用會根據提供的位置設置地理圍欄，並在您的手機進入地理圍欄時提醒您。
+
+以下是一些需要知道車輛是否在地理圍欄內或外的原因：
+
+* **卸貨準備** - 收到車輛已到達現場的通知，可以讓工作人員準備好卸貨，減少車輛等待時間。這樣可以讓司機在一天內完成更多的交付，減少等待時間。
+* **稅務合規** - 一些國家（例如紐西蘭）根據車輛重量和僅在公共道路上行駛的距離對柴油車輛徵收道路稅。使用地理圍欄可以跟蹤車輛在公共道路上行駛的里程，而不是在農場或伐木區等私人道路上行駛的里程。
+* **盜竊監控** - 如果車輛應該只留在某個區域（例如農場），但離開了地理圍欄，則可能是被盜。
+* **位置合規** - 工作現場、農場或工廠的某些區域可能禁止某些車輛進入，例如防止運載人工肥料和農藥的車輛進入種植有機農產品的田地。如果進入地理圍欄，則車輛處於不合規狀態，司機可以收到通知。
+
+✅ 您能想到其他地理圍欄的用途嗎？
+
+Azure Maps（您在上一課中用來可視化 GPS 數據的服務）允許您定義地理圍欄，然後測試某個點是否在地理圍欄內或外。
+
+## 定義地理圍欄
+
+地理圍欄使用 GeoJSON 定義，與上一課中添加到地圖上的點相同。不過，在這種情況下，它不是由 `Point` 值組成的 `FeatureCollection`，而是包含 `Polygon` 的 `FeatureCollection`。
+
+```json
+{
+   "type": "FeatureCollection",
+   "features": [
+     {
+       "type": "Feature",
+       "geometry": {
+         "type": "Polygon",
+         "coordinates": [
+           [
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ],
+             [
+               -122.13389128446579,
+               47.63782047131512
+             ],
+             [
+               -122.13240802288054,
+               47.63783312249837
+             ],
+             [
+               -122.13238388299942,
+               47.63829037035086
+             ],
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ]
+           ]
+         ]
+       },
+       "properties": {
+         "geometryId": "1"
+       }
+     }
+   ]
+}
+```
+
+多邊形上的每個點都定義為一個經度和緯度的數組，這些點組成的數組被設置為 `coordinates`。在上一課中，`Point` 的 `coordinates` 是包含兩個值（緯度和經度）的數組，而在 `Polygon` 中，它是一個包含多個數組的數組，每個數組包含兩個值（經度和緯度）。
+
+> 💁 請記住，GeoJSON 使用 `經度, 緯度` 的格式，而不是 `緯度, 經度`。
+
+多邊形的坐標數組總是比多邊形上的點數多一個，最後一個點與第一個點相同，形成閉合的多邊形。例如，對於一個矩形，會有 5 個點。
+
+![一個帶有坐標的矩形](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.mo.png)
+
+在上圖中，有一個矩形。多邊形坐標從左上角的 47,-122 開始，然後向右移動到 47,-121，再向下移動到 46,-121，然後向左移動到 46,-122，最後回到起點 47,-122。這樣多邊形就有了 5 個點——左上角、右上角、右下角、左下角，然後是左上角以閉合多邊形。
+
+✅ 嘗試創建一個圍繞您家或學校的 GeoJSON 多邊形。可以使用像 [GeoJSON.io](https://geojson.io/) 這樣的工具。
+
+### 任務 - 定義地理圍欄
+
+要在 Azure Maps 中使用地理圍欄，首先需要將其上傳到您的 Azure Maps 帳戶。一旦上傳，您將獲得一個唯一的 ID，您可以使用該 ID 測試某個點是否在地理圍欄內。要將地理圍欄上傳到 Azure Maps，您需要使用地圖 Web API。您可以使用名為 [curl](https://curl.se) 的工具調用 Azure Maps Web API。
+
+> 🎓 Curl 是一個命令行工具，用於對 Web 端點發出請求。
+
+1. 如果您使用的是 Linux、macOS 或較新的 Windows 10 版本，您可能已經安裝了 curl。從終端或命令行運行以下命令進行檢查：
+
+    ```sh
+    curl --version
+    ```
+
+    如果未顯示 curl 的版本信息，則需要從 [curl 下載頁面](https://curl.se/download.html) 安裝它。
+
+    > 💁 如果您熟悉 Postman，也可以選擇使用它。
+
+1. 創建一個包含多邊形的 GeoJSON 文件。您將使用 GPS 傳感器測試此文件，因此請在您當前位置周圍創建一個多邊形。您可以手動編輯上面提供的 GeoJSON 示例，或者使用像 [GeoJSON.io](https://geojson.io/) 這樣的工具。
+
+    GeoJSON 必須包含一個 `FeatureCollection`，其中包含一個 `geometry` 類型為 `Polygon` 的 `Feature`。
+
+    您還**必須**在與 `geometry` 同級的位置添加一個 `properties` 元素，該元素必須包含一個 `geometryId`：
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    如果您使用 [GeoJSON.io](https://geojson.io/)，則需要手動將此項目添加到空的 `properties` 元素中，可以在下載 JSON 文件後添加，也可以在應用的 JSON 編輯器中添加。
+
+    此 `geometryId` 必須在此文件中唯一。您可以在同一個 GeoJSON 文件中作為多個 `Feature` 上傳多個地理圍欄，只要每個地理圍欄都有不同的 `geometryId`。如果從不同的文件在不同時間上傳，多邊形可以具有相同的 `geometryId`。
+
+1. 將此文件保存為 `geofence.json`，並在終端或控制台中導航到其保存位置。
+
+1. 運行以下 curl 命令以創建地理圍欄：
+
+    ```sh
+    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data @geofence.json
+    ```
+
+    將 URL 中的 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
+
+    該 URL 用於通過 `https://atlas.microsoft.com/mapData/upload` API 上傳地圖數據。調用中包括一個 `api-version` 參數，用於指定要使用的 Azure Maps API，這是為了允許 API 隨時間變化但保持向後兼容性。上傳的數據格式設置為 `geojson`。
+
+    這將運行對上傳 API 的 POST 請求，並返回一組響應標頭，其中包括一個名為 `location` 的標頭：
+
+    ```output
+    content-type: application/json
+    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
+    x-ms-azuremaps-region: West US 2
+    x-content-type-options: nosniff
+    strict-transport-security: max-age=31536000; includeSubDomains
+    x-cache: CONFIG_NOCACHE
+    date: Sat, 22 May 2021 21:34:57 GMT
+    content-length: 0
+    ```
+
+    > 🎓 在調用 Web 端點時，可以通過在 URL 後添加 `?`，然後以 `key=value` 的形式添加鍵值對來傳遞參數，鍵值對之間用 `&` 分隔。
+
+1. Azure Maps 不會立即處理此請求，因此您需要使用 `location` 標頭中給出的 URL 檢查上傳請求是否已完成。對此位置發出 GET 請求以查看狀態。您需要在 `location` URL 的末尾添加您的訂閱密鑰，方法是添加 `&subscription-key=<subscription_key>`，將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。運行以下命令：
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    將 `<location>` 替換為 `location` 標頭的值，將 `<subscription_key>` 替換為您的 Azure Maps 帳戶的 API 密鑰。
+
+1. 檢查響應中的 `status` 值。如果不是 `Succeeded`，請等待一分鐘後再試。
+
+1. 一旦狀態返回為 `Succeeded`，查看響應中的 `resourceLocation`。這包含 GeoJSON 對象的唯一 ID（稱為 UDID）的詳細信息。UDID 是 `metadata/` 之後的值，不包括 `api-version`。例如，如果 `resourceLocation` 是：
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    那麼 UDID 將是 `7c3776eb-da87-4c52-ae83-caadf980323a`。
+
+    請保留此 UDID 的副本，因為您將需要它來測試地理圍欄。
+
+## 測試點是否在地理圍欄內
+
+一旦多邊形上傳到 Azure Maps，您可以測試某個點是否在地理圍欄內或外。您可以通過發出 Web API 請求，傳遞地理圍欄的 UDID，以及要測試的點的緯度和經度來完成此操作。
+
+在發出此請求時，您還可以傳遞一個稱為 `searchBuffer` 的值。這告訴 Maps API 返回結果時的精確程度。這樣做的原因是 GPS 並不完全準確，有時位置可能會偏差幾米甚至更多。默認的搜索緩衝區為 50 米，但您可以設置 0 米到 500 米之間的值。
+
+當 API 調用返回結果時，結果的一部分是 `distance`，測量到地理圍欄邊緣最近點的距離。如果點在地理圍欄外，則為正值；如果在地理圍欄內，則為負值。如果此距離小於搜索緩衝區，則返回實際距離（以米為單位），否則值為 999 或 -999。999 表示該點距地理圍欄超過搜索緩衝區，-999 表示該點在地理圍欄內超過搜索緩衝區。
+
+![一個帶有 50 米搜索緩衝區的地理圍欄](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.mo.png)
+
+在上圖中，地理圍欄有一個 50 米的搜索緩衝區。
+
+* 地理圍欄中心的一個點，遠遠在搜索緩衝區內，距離為 **-999**
+* 搜索緩衝區外的一個點，距離為 **999**
+* 地理圍欄內且在搜索緩衝區內的一個點，距地理圍欄 6 米，距離為 **6m**
+* 地理圍欄外且在搜索緩衝區內的一個點，距地理圍欄 39 米，距離為 **39m**
+
+了解到地理圍欄邊緣的距離非常重要，並且需要結合其他信息（例如其他 GPS 讀數、速度和道路數據）來根據車輛位置做出決策。
+
+例如，假設 GPS 讀數顯示車輛沿著一條最終與地理圍欄相鄰的道路行駛。如果單個 GPS 值不準確，將車輛定位在地理圍欄內，儘管沒有車輛通行的入口，那麼可以忽略該值。
+
+![一條 GPS 路徑顯示車輛沿 520 公路經過 Microsoft 校園，GPS 讀數沿著道路分佈，除了有一個讀數在校園內，位於地理圍欄內](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.mo.png)
+在上圖中，微軟園區的一部分被設置了一個地理圍欄。紅線顯示了一輛卡車沿著520公路行駛，圓圈表示GPS讀數。大多數讀數是準確的，並且位於520公路上，但有一個不準確的讀數顯示在地理圍欄內。這個讀數顯然是不可能正確的——卡車不可能突然從520公路轉入園區，然後再回到520公路上。檢查地理圍欄的程式碼需要在執行地理圍欄測試結果之前，考慮之前的讀數。
+
+✅ 你需要檢查哪些額外的數據來判斷GPS讀數是否可以被認為是正確的？
+
+### 任務 - 測試點是否在地理圍欄內
+
+1. 首先構建用於Web API查詢的URL。格式如下：
+
+    ```output
+    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
+    ```
+
+    將 `<subscription_key>` 替換為你的Azure Maps帳戶的API金鑰。
+
+    將 `<UDID>` 替換為上一個任務中地理圍欄的UDID。
+
+    將 `<lat>` 和 `<lon>` 替換為你想要測試的緯度和經度。
+
+    此URL使用 `https://atlas.microsoft.com/spatial/geofence/json` API來查詢使用GeoJSON定義的地理圍欄。它針對的是 `1.0` API版本。`deviceId` 參數是必需的，應該是緯度和經度來源設備的名稱。
+
+    預設的搜索緩衝區是50米，你可以通過添加額外的參數 `searchBuffer=<distance>` 來更改此值，將 `<distance>` 設置為以米為單位的搜索緩衝區距離，範圍從0到500。
+
+1. 使用curl對此URL發送GET請求：
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 如果你收到 `BadRequest` 的響應碼，並帶有以下錯誤：
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > 那麼你的GeoJSON缺少帶有 `geometryId` 的 `properties` 部分。你需要修復你的GeoJSON，然後重複上述步驟重新上傳並獲取新的UDID。
+
+1. 響應將包含一個 `geometries` 列表，每個幾何體對應於用於創建地理圍欄的GeoJSON中定義的多邊形。每個幾何體有三個感興趣的字段：`distance`、`nearestLat` 和 `nearestLon`。
+
+    ```output
+    {
+        "geometries": [
+            {
+                "deviceId": "gps-sensor",
+                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
+                "geometryId": "1",
+                "distance": 999.0,
+                "nearestLat": 47.645875,
+                "nearestLon": -122.142713
+            }
+        ],
+        "expiredGeofenceGeometryId": [],
+        "invalidPeriodGeofenceGeometryId": []
+    }
+    ```
+
+    * `nearestLat` 和 `nearestLon` 是地理圍欄邊緣上最接近測試位置的點的緯度和經度。
+
+    * `distance` 是測試位置到地理圍欄邊緣最近點的距離。負數表示在地理圍欄內，正數表示在地理圍欄外。此值將小於50（預設搜索緩衝區），或999。
+
+1. 對地理圍欄內外的多個位置重複此操作。
+
+## 從無伺服器代碼中使用地理圍欄
+
+現在你可以為Functions應用程式添加一個新觸發器，用於測試IoT Hub的GPS事件數據是否在地理圍欄內。
+
+### 消費者組
+
+正如你在之前的課程中記得的，IoT Hub允許你重播已接收到但尚未處理的事件。但如果多個觸發器連接會發生什麼？它如何知道哪個觸發器處理了哪些事件？
+
+答案是它無法知道！因此，你可以定義多個單獨的連接來讀取事件，每個連接可以管理未讀消息的重播。這些被稱為*消費者組*。當你連接到端點時，可以指定要連接的消費者組。應用程式的每個組件將連接到不同的消費者組。
+
+![一個IoT Hub有三個消費者組，將相同的消息分發到三個不同的Functions應用程式](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.mo.png)
+
+理論上，每個消費者組最多可以連接5個應用程式，並且它們都會在消息到達時接收消息。最佳實踐是每個消費者組僅由一個應用程式訪問，以避免重複處理消息，並確保在重新啟動時正確處理所有排隊的消息。例如，如果你在本地啟動了Functions應用程式，同時在雲端運行，它們都會處理消息，導致存儲帳戶中存儲的Blob重複。
+
+如果你查看之前課程中創建的IoT Hub觸發器的 `function.json` 文件，你會在事件中心觸發器綁定部分看到消費者組：
+
+```json
+"consumerGroup": "$Default"
+```
+
+當你創建IoT Hub時，默認會創建 `$Default` 消費者組。如果你想添加額外的觸發器，可以使用新的消費者組。
+
+> 💁 在本課程中，你將使用與存儲GPS數據的函數不同的函數來測試地理圍欄。這是為了展示如何使用消費者組並分離代碼以使其更易於閱讀和理解。在生產應用程式中，你可能會以多種方式架構這些功能——將兩者放在一個函數中，使用存儲帳戶上的觸發器運行函數來檢查地理圍欄，或者使用多個函數。沒有“正確的方式”，這取決於應用程式的其他部分和你的需求。
+
+### 任務 - 創建一個新的消費者組
+
+1. 運行以下命令為你的IoT Hub創建一個名為 `geofence` 的新消費者組：
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為你用於IoT Hub的名稱。
+
+1. 如果你想查看IoT Hub的所有消費者組，運行以下命令：
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為你用於IoT Hub的名稱。這將列出所有消費者組。
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 當你在之前的課程中運行IoT Hub事件監視器時，它連接到了 `$Default` 消費者組。這就是為什麼你無法同時運行事件監視器和事件觸發器。如果你想同時運行兩者，那麼你可以為所有Functions應用程式使用其他消費者組，並將 `$Default` 保留給事件監視器。
+
+### 任務 - 創建一個新的IoT Hub觸發器
+
+1. 為你在之前課程中創建的 `gps-trigger` Functions應用程式添加一個新的IoT Hub事件觸發器。將此函數命名為 `geofence-trigger`。
+
+    > ⚠️ 如果需要，你可以參考[項目2，第5課中創建IoT Hub事件觸發器的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)。
+
+1. 在 `function.json` 文件中配置IoT Hub連接字符串。`local.settings.json` 在Functions應用程式中的所有觸發器之間共享。
+
+1. 更新 `function.json` 文件中 `consumerGroup` 的值以引用新的 `geofence` 消費者組：
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. 你需要在此觸發器中使用Azure Maps帳戶的訂閱金鑰，因此在 `local.settings.json` 文件中添加一個名為 `MAPS_KEY` 的新條目。
+
+1. 運行Functions應用程式以確保它正在連接並處理消息。之前課程中的 `iot-hub-trigger` 也將運行並將Blob上傳到存儲中。
+
+    > 為了避免在Blob存儲中出現重複的GPS讀數，你可以停止在雲端運行的Functions應用程式。要執行此操作，使用以下命令：
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
+    >
+    > 你可以稍後使用以下命令重新啟動它：
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > 將 `<functions_app_name>` 替換為你用於Functions應用程式的名稱。
+
+### 任務 - 從觸發器測試地理圍欄
+
+在本課程的早些時候，你使用curl查詢地理圍欄以查看某個點是否位於內部或外部。你可以從觸發器內部發送類似的Web請求。
+
+1. 要查詢地理圍欄，你需要其UDID。在 `local.settings.json` 文件中添加一個名為 `GEOFENCE_UDID` 的新條目，並填入此值。
+
+1. 打開新 `geofence-trigger` 觸發器的 `__init__.py` 文件。
+
+1. 在文件頂部添加以下導入：
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    `requests` 套件允許你發送Web API調用。由於Azure Maps沒有Python SDK，因此你需要通過Web API調用來從Python代碼中使用它。
+
+1. 在 `main` 方法的開頭添加以下兩行以獲取Maps訂閱金鑰：
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. 在 `for event in events` 循環內，添加以下代碼以從每個事件中獲取緯度和經度：
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    此代碼將事件正文中的JSON轉換為字典，然後從 `gps` 字段中提取 `lat` 和 `lon`。
+
+1. 使用 `requests` 時，與使用curl構建長URL不同，你可以僅使用URL部分並將參數作為字典傳遞。添加以下代碼以定義要調用的URL並配置參數：
+
+    ```python
+    url = 'https://atlas.microsoft.com/spatial/geofence/json'
+
+    params = {
+        'api-version': 1.0,
+        'deviceId': 'gps-sensor',
+        'subscription-key': maps_key,
+        'udid' : geofence_udid,
+        'lat' : lat,
+        'lon' : lon
+    }
+    ```
+
+    `params` 字典中的項目將匹配你通過curl調用Web API時使用的鍵值對。
+
+1. 添加以下代碼行以調用Web API：
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    這將使用參數調用URL，並返回一個響應對象。
+
+1. 在此代碼下方添加以下代碼：
+
+    ```python
+    distance = response_body['geometries'][0]['distance']
+
+    if distance == 999:
+        logging.info('Point is outside geofence')
+    elif distance > 0:
+        logging.info(f'Point is just outside geofence by a distance of {distance}m')
+    elif distance == -999:
+        logging.info(f'Point is inside geofence')
+    else:
+        logging.info(f'Point is just inside geofence by a distance of {distance}m')
+    ```
+
+    此代碼假設只有一個幾何體，並從該幾何體中提取距離。然後根據距離記錄不同的消息。
+
+1. 運行此代碼。你將在日誌輸出中看到GPS座標是否在地理圍欄內，或者如果該點在50米內，則顯示距離。使用基於GPS傳感器位置的不同地理圍欄嘗試此代碼，嘗試移動傳感器（例如通過手機WiFi共享或在虛擬IoT設備上使用不同的座標）以查看此變化。
+
+1. 準備好後，將此代碼部署到雲端的Functions應用程式中。不要忘記部署新的應用程式設置。
+
+    > ⚠️ 如果需要，你可以參考[項目2，第5課中上傳應用程式設置的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)。
+
+    > ⚠️ 如果需要，你可以參考[項目2，第5課中部署Functions應用程式的說明](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)。
+
+> 💁 你可以在 [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) 文件夾中找到此代碼。
+
+---
+
+## 🚀 挑戰
+
+在本課程中，你使用具有單個多邊形的GeoJSON文件添加了一個地理圍欄。你可以同時上傳多個多邊形，只要它們在 `properties` 部分中具有不同的 `geometryId` 值。
+
+嘗試上傳包含多個多邊形的GeoJSON文件，並調整你的代碼以找到GPS座標最接近或位於其中的多邊形。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## 複習與自學
+
+* 在[維基百科的地理圍欄頁面](https://en.wikipedia.org/wiki/Geo-fence)上閱讀更多關於地理圍欄及其一些使用案例的內容。
+* 在[Microsoft Azure Maps Spatial - Get Geofence文檔](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn)上閱讀更多關於Azure Maps地理圍欄API的內容。
+* 在[Microsoft文檔的Azure Event Hubs功能和術語 - 事件消費者文檔](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers)上閱讀更多關於消費者組的內容。
+
+## 作業
+
+[使用Twilio發送通知](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/3-transport/lessons/4-geofences/assignment.md b/translations/mo/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..f7b0d9a1
--- /dev/null
+++ b/translations/mo/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-27T00:41:47+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 使用 Twilio 發送通知
+
+## 說明
+
+在目前的程式碼中，你僅記錄了與地理圍欄的距離。在這次作業中，你需要新增通知功能，當 GPS 座標進入地理圍欄時，發送簡訊或電子郵件。
+
+Azure Functions 提供多種綁定選項，包括與第三方服務的整合，例如 Twilio，一個通訊平台。
+
+* 在 [Twilio.com](https://www.twilio.com) 註冊免費帳戶
+* 閱讀 [Microsoft 文件 Twilio 與 Azure Functions 綁定頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 Twilio SMS 綁定相關說明。
+* 閱讀 [Microsoft 文件 Azure Functions SendGrid 綁定頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) 上的 SendGrid 發送電子郵件綁定相關說明。
+* 將綁定新增至你的 Functions 應用程式，以便在 GPS 座標進入或離開地理圍欄時收到通知——僅選擇其中一種情況，而非兩者。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 配置函數綁定並接收電子郵件或簡訊 | 成功配置函數綁定，並在座標進入或離開地理圍欄時收到電子郵件或簡訊，但僅限其中一種情況 | 成功配置綁定，但無法發送電子郵件或簡訊，或僅在座標同時進入和離開地理圍欄時發送 | 無法配置綁定，也無法發送電子郵件或簡訊 |
+
+---
+
+**免責聲明**：  
+此文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/README.md b/translations/mo/4-manufacturing/README.md
new file mode 100644
index 00000000..f5d096c5
--- /dev/null
+++ b/translations/mo/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T21:40:31+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "mo"
+}
+-->
+# 製造與加工 - 使用物聯網改善食品加工
+
+當食品抵達中央集散中心或加工廠時，它並不總是直接運送到超市。很多時候，食品需要經過多個加工步驟，例如按品質進行分類。這是一個過去需要人工完成的過程——從田間開始，採摘工人只會挑選成熟的水果，然後在工廠中，水果會通過傳送帶，員工手動移除任何有損傷或腐爛的水果。我自己在學校暑假期間曾做過挑選和分類草莓的工作，可以證明這並不是一份有趣的工作。
+
+現代化的設置依賴物聯網進行分類。一些早期的設備，例如 [Weco](https://wecotek.com) 的分選機，使用光學傳感器檢測農產品的品質，例如拒絕未成熟的綠番茄。這些設備可以部署在農場的收割機上，也可以部署在加工廠中。
+
+隨著人工智慧 (AI) 和機器學習 (ML) 的進步，這些機器可以變得更加先進，使用經過訓練的 ML 模型來區分水果和異物，例如石頭、泥土或昆蟲。這些模型還可以被訓練來檢測水果的品質，不僅僅是損傷的水果，還包括早期檢測疾病或其他作物問題。
+
+> 🎓 *ML 模型* 這個術語指的是在一組數據上訓練機器學習軟體後的輸出。例如，您可以訓練一個 ML 模型來區分成熟和未成熟的番茄，然後使用該模型分析新圖片，判斷番茄是否成熟。
+
+在這四節課中，您將學習如何訓練基於影像的 AI 模型來檢測水果品質，如何在物聯網設備上使用這些模型，以及如何在邊緣運行這些模型——也就是在物聯網設備上而不是在雲端運行。
+
+> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保 [清理您的專案](../clean-up.md)。
+
+## 主題
+
+1. [訓練水果品質檢測器](./lessons/1-train-fruit-detector/README.md)
+1. [從物聯網設備檢測水果品質](./lessons/2-check-fruit-from-device/README.md)
+1. [在邊緣運行您的水果檢測器](./lessons/3-run-fruit-detector-edge/README.md)
+1. [從感測器觸發水果品質檢測](./lessons/4-trigger-fruit-detector/README.md)
+
+## 致謝
+
+所有課程由 [Jen Fox](https://github.com/jenfoxbot) 和 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..52b4af28
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T21:44:01+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "mo"
+}
+-->
+# 訓練水果品質檢測器
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了 Azure Custom Vision 服務，這是本課程將涵蓋的主題。
+
+[![Custom Vision – 機器學習變得簡單 | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## 簡介
+
+人工智慧（AI）和機器學習（ML）的快速發展為當今的開發者提供了廣泛的功能。ML 模型可以被訓練來識別圖像中的不同事物，包括未成熟的水果，這些技術可以應用於物聯網（IoT）設備中，幫助在收穫或工廠、倉庫的加工過程中對農產品進行分類。
+
+在本課程中，您將學習圖像分類——使用 ML 模型來區分不同事物的圖像。您將學會如何訓練一個圖像分類器來區分品質好的水果和品質差的水果，例如未成熟、過熟、碰傷或腐爛的水果。
+
+本課程將涵蓋以下內容：
+
+* [使用 AI 和 ML 進行食品分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [通過機器學習進行圖像分類](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [訓練圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [測試您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [重新訓練您的圖像分類器](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## 使用 AI 和 ML 進行食品分類
+
+養活全球人口是一項艱鉅的任務，尤其是在確保食品價格對所有人都負擔得起的情況下。勞動力成本是其中最大的開支之一，因此農民越來越多地轉向自動化和物聯網等工具來降低勞動成本。手工收穫勞動強度大（且通常是非常辛苦的工作），在富裕國家尤其被機械化所取代。然而，儘管使用機械收穫降低了成本，但也帶來了一個缺點——無法在收穫時對食品進行分類。
+
+並非所有作物都能均勻成熟。例如，番茄在大多數果實成熟時，藤上可能仍有一些綠色果實。雖然提前收穫這些果實是一種浪費，但對農民來說，使用機械一次性收穫所有果實，然後再處理未成熟的果實，成本更低且更方便。
+
+✅ 看看您附近農場或花園中正在生長的水果或蔬菜，或者商店裡的水果或蔬菜。它們是否都達到了相同的成熟度，還是存在差異？
+
+自動化收穫的興起將農產品的分類從田間轉移到了工廠。食品會通過長長的傳送帶，人工團隊會挑選出不符合質量標準的產品。雖然機械化收穫降低了成本，但手動分類食品仍然需要一定的開支。
+
+![如果檢測到紅色番茄，它會繼續前進。如果檢測到綠色番茄，槓桿會將其彈入廢料箱](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.mo.png)
+
+下一代技術是使用機器進行分類，這些機器可以內置於收穫機中，也可以用於加工廠。第一代這類機器使用光學傳感器檢測顏色，通過控制執行器將綠色番茄推入廢料箱，而紅色番茄則繼續沿著傳送帶網絡前進。
+
+在這段影片中，當番茄從一條傳送帶掉落到另一條時，綠色番茄會被檢測到並通過槓桿彈入廢料箱。
+
+✅ 在工廠或田間，這些光學傳感器需要什麼條件才能正常工作？
+
+最新一代的分類機器利用 AI 和 ML 的優勢，使用經過訓練的模型來區分優質和劣質的農產品，不僅僅是通過顏色差異（如綠色番茄與紅色番茄），還包括能夠表明疾病或碰傷的更細微的外觀差異。
+
+## 通過機器學習進行圖像分類
+
+傳統編程是將數據與算法結合，然後獲得輸出。例如，在上一個項目中，您將 GPS 坐標和地理圍欄作為輸入，應用 Azure Maps 提供的算法，並獲得該點是否在地理圍欄內的結果。輸入更多數據，就會獲得更多輸出。
+
+![傳統開發使用輸入和算法生成輸出。機器學習使用輸入和輸出數據來訓練模型，該模型可以使用新輸入數據生成新輸出](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.mo.png)
+
+機器學習則反其道而行之——您從數據和已知輸出開始，機器學習算法從數據中學習。然後，您可以使用這個經過訓練的算法（稱為 *機器學習模型* 或 *模型*），輸入新數據並獲得新輸出。
+
+> 🎓 機器學習算法從數據中學習的過程稱為 *訓練*。輸入和已知輸出稱為 *訓練數據*。
+
+例如，您可以向模型提供數百萬張未成熟香蕉的圖片作為輸入訓練數據，並將訓練輸出設置為 `未成熟`，同時提供數百萬張成熟香蕉的圖片作為訓練數據，輸出設置為 `成熟`。ML 算法會基於這些數據創建一個模型。然後，您可以向該模型提供一張新的香蕉圖片，它會預測該香蕉是成熟還是未成熟。
+
+> 🎓 ML 模型的結果稱為 *預測*
+
+![兩根香蕉，一根成熟的預測為 99.7% 成熟，0.3% 未成熟；另一根未成熟的預測為 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.mo.png)
+
+ML 模型不會給出二元答案，而是提供概率。例如，模型可能會給出一張香蕉圖片，預測 `成熟` 的概率為 99.7%，`未成熟` 的概率為 0.3%。您的代碼會選擇最可能的預測，並判斷該香蕉是成熟的。
+
+用於檢測這類圖像的 ML 模型稱為 *圖像分類器*——它接收帶標籤的圖像，然後根據這些標籤對新圖像進行分類。
+
+> 💁 這是一種簡化的描述，還有許多其他訓練模型的方法，例如無需標籤輸出的無監督學習。如果您想深入了解 ML，請參考 [ML for beginners，一個包含 24 節課的機器學習課程](https://aka.ms/ML-beginners)。
+
+## 訓練圖像分類器
+
+要成功訓練一個圖像分類器，您需要數百萬張圖片。然而，事實證明，一旦您擁有一個基於數百萬或數十億張各類圖片訓練的圖像分類器，您可以通過一小部分圖片重新訓練它，並獲得出色的結果，這個過程稱為 *遷移學習*。
+
+> 🎓 遷移學習是將現有 ML 模型的學習成果轉移到基於新數據的新模型上的過程。
+
+一旦圖像分類器已經針對各種圖像進行了訓練，它的內部結構就非常擅長識別形狀、顏色和模式。遷移學習允許模型利用它已經學會的圖像部分識別能力，來識別新圖像。
+
+![一旦您能識別形狀，這些形狀可以組合成不同的配置，例如船或貓](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.mo.png)
+
+您可以將其想像成兒童的形狀書籍，一旦您能識別半圓形、矩形和三角形，您就能根據這些形狀的配置識別出帆船或貓。圖像分類器可以識別形狀，而遷移學習則教會它什麼樣的組合構成帆船或貓——或者成熟的香蕉。
+
+有許多工具可以幫助您完成這一過程，包括基於雲的服務，這些服務可以幫助您訓練模型，然後通過 Web API 使用它。
+
+> 💁 訓練這些模型需要大量的計算能力，通常通過圖形處理單元（GPU）實現。與 Xbox 上讓遊戲畫面看起來令人驚嘆的專用硬件相同，GPU 也可以用來訓練機器學習模型。通過使用雲服務，您可以租用配備 GPU 的強大計算機來訓練這些模型，只需支付您使用的時間。
+
+## Custom Vision
+
+Custom Vision 是一種基於雲的工具，用於訓練圖像分類器。它允許您僅使用少量圖片來訓練分類器。您可以通過 Web 入口、Web API 或 SDK 上傳圖片，並為每張圖片添加 *標籤*，以標識該圖片的分類。然後，您可以訓練模型並測試其性能。一旦對模型感到滿意，您可以發布模型的版本，通過 Web API 或 SDK 訪問它。
+
+![Azure Custom Vision 標誌](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.mo.png)
+
+> 💁 您可以使用每個分類僅 5 張圖片來訓練 Custom Vision 模型，但圖片越多效果越好。至少 30 張圖片可以獲得更好的結果。
+
+Custom Vision 是 Microsoft 提供的一系列 AI 工具（稱為 Cognitive Services）的一部分。這些 AI 工具可以在無需訓練或僅需少量訓練的情況下使用，包括語音識別與翻譯、語言理解和圖像分析。這些工具在 Azure 上提供免費層。
+
+> 💁 免費層足以創建模型、訓練模型，然後用於開發工作。您可以在 [Microsoft 文檔上的 Custom Vision 限制與配額頁面](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) 上了解免費層的限制。
+
+### 任務 - 創建認知服務資源
+
+要使用 Custom Vision，您需要先使用 Azure CLI 在 Azure 中創建兩個認知服務資源，一個用於 Custom Vision 訓練，另一個用於 Custom Vision 預測。
+
+1. 為此項目創建一個名為 `fruit-quality-detector` 的資源組。
+
+1. 使用以下命令創建一個免費的 Custom Vision 訓練資源：
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    將 `<location>` 替換為創建資源組時使用的位置。
+
+    這將在您的資源組中創建一個 Custom Vision 訓練資源。它將被命名為 `fruit-quality-detector-training`，並使用免費層的 `F0` SKU。`--yes` 選項表示您同意認知服務的條款和條件。
+
+> 💁 如果您已經有一個免費帳戶正在使用任何認知服務，請使用 `S0` SKU。
+
+1. 使用以下命令創建一個免費的 Custom Vision 預測資源：
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    將 `<location>` 替換為創建資源組時使用的位置。
+
+    這將在您的資源組中創建一個 Custom Vision 預測資源。它將被命名為 `fruit-quality-detector-prediction`，並使用免費層的 `F0` SKU。`--yes` 選項表示您同意認知服務的條款和條件。
+
+### 任務 - 創建圖像分類器項目
+
+1. 打開 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口，並使用您 Azure 帳戶的 Microsoft 帳戶登錄。
+
+1. 按照 [Microsoft 文檔中分類器快速入門的創建新項目部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) 的指導創建一個新的 Custom Vision 項目。UI 可能會有所變化，這些文檔始終是最新的參考。
+
+    將您的項目命名為 `fruit-quality-detector`。
+
+    創建項目時，請確保使用您之前創建的 `fruit-quality-detector-training` 資源。選擇 *分類* 項目類型、*多分類* 分類類型，並選擇 *食品* 領域。
+
+    ![Custom Vision 項目的設置，名稱設置為 fruit-quality-detector，無描述，資源設置為 fruit-quality-detector-training，項目類型設置為分類，分類類型設置為多分類，領域設置為食品](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.mo.png)
+
+✅ 花些時間探索您的圖像分類器的 Custom Vision UI。
+
+### 任務 - 訓練您的圖像分類器項目
+
+要訓練圖像分類器，您需要多張水果的圖片，包括品質好的和品質差的，並將其標記為好或壞，例如成熟的香蕉和過熟的香蕉。
+💁 這些分類器可以用來分類任何圖像，因此如果你手邊沒有品質不同的水果，你可以使用兩種不同類型的水果，或者貓和狗！
+理想情況下，每張照片應該只包含水果，背景要保持一致或有多種背景選擇。確保背景中沒有任何與成熟或未成熟水果相關的特定元素。
+
+> 💁 很重要的是不要有特定的背景或與分類標籤無關的物品，否則分類器可能會根據背景進行分類。有一個皮膚癌分類器曾經用正常和癌症痣的照片進行訓練，而癌症痣的照片中都有尺子用來測量大小。結果分類器幾乎100%準確地識別了照片中的尺子，而不是癌症痣。
+
+影像分類器運行時解析度非常低。例如，Custom Vision可以處理最大10240x10240的訓練和預測影像，但模型實際訓練和運行時使用的是227x227的影像。較大的影像會縮小到這個尺寸，因此確保您要分類的物品在影像中占據較大的部分，否則在縮小的影像中可能會太小而無法被分類器識別。
+
+1. 收集分類器所需的照片。每個標籤至少需要5張照片來訓練分類器，但越多越好。此外，還需要一些額外的照片來測試分類器。這些照片應該是同一物品的不同照片。例如：
+
+    * 使用2根成熟的香蕉，從不同角度拍攝每根香蕉的幾張照片，至少拍攝7張（5張用於訓練，2張用於測試），但最好更多。
+
+        ![2根不同香蕉的照片](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.mo.png)
+
+    * 使用2根未成熟的香蕉重複相同的過程。
+
+    您應該至少有10張訓練照片，其中至少5張成熟，5張未成熟，還有4張測試照片，2張成熟，2張未成熟。您的照片應該是png或jpeg格式，大小小於6MB。如果您使用iPhone拍攝，它可能是高解析度的HEIC格式，需進行轉換並可能縮小尺寸。照片越多越好，並且成熟和未成熟的數量應該相近。
+
+    如果您沒有成熟和未成熟的水果，可以使用不同的水果或任何可用的兩種物品。您也可以在[images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images)文件夾中找到一些成熟和未成熟香蕉的示例照片供您使用。
+
+1. 按照[Microsoft Docs上的分類器快速入門中上傳和標記影像的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images)上傳您的訓練影像。將成熟的水果標記為`ripe`，未成熟的水果標記為`unripe`。
+
+    ![上傳成熟和未成熟香蕉照片的對話框](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.mo.png)
+
+1. 按照[Microsoft Docs上的分類器快速入門中訓練分類器的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier)訓練影像分類器。
+
+    您將看到訓練類型的選擇。選擇**快速訓練**。
+
+分類器將開始訓練。訓練完成需要幾分鐘。
+
+> 🍌 如果您在分類器訓練期間決定吃掉您的水果，請確保您已經準備好足夠的測試影像！
+
+## 測試您的影像分類器
+
+分類器訓練完成後，您可以通過提供新的影像進行分類測試。
+
+### 任務 - 測試您的影像分類器
+
+1. 按照[Microsoft Docs上的測試模型文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model)測試您的影像分類器。使用您之前創建的測試影像，而不是任何用於訓練的影像。
+
+    ![一根未成熟香蕉被預測為未成熟，概率為98.9%，成熟概率為1.1%](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.mo.png)
+
+1. 嘗試使用您所有的測試影像並觀察概率。
+
+## 重新訓練您的影像分類器
+
+當您測試分類器時，它可能不會給出您期望的結果。影像分類器使用機器學習根據影像中的特定特徵來預測影像是否匹配某個標籤。它並不理解影像中的內容——它不知道香蕉是什麼，也不理解什麼使香蕉成為香蕉而不是船。您可以通過使用分類器錯誤的影像重新訓練來改進分類器。
+
+每次使用快速測試選項進行預測時，影像和結果都會被存儲。您可以使用這些影像重新訓練您的模型。
+
+### 任務 - 重新訓練您的影像分類器
+
+1. 按照[Microsoft Docs上的使用預測影像進行訓練文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training)使用每張影像的正確標籤重新訓練您的模型。
+
+1. 模型重新訓練完成後，使用新的影像進行測試。
+
+---
+
+## 🚀 挑戰
+
+如果您使用一張草莓的照片測試一個訓練過香蕉的模型，或者使用一張充氣香蕉的照片、一個穿香蕉服的人、甚至一個黃色卡通角色（例如辛普森家族中的角色），您認為會發生什麼？
+
+試試看，看看預測結果是什麼。您可以使用[Bing影像搜索](https://www.bing.com/images/trending)找到影像進行測試。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## 回顧與自學
+
+* 當您訓練分類器時，您會看到*Precision*、*Recall*和*AP*的值，這些值用於評估所創建的模型。通過[Microsoft Docs上的分類器快速入門中評估分類器的部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier)了解這些值的含義。
+* 通過[Microsoft Docs上的如何改進您的Custom Vision模型](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn)了解如何改進您的分類器。
+
+## 作業
+
+[為多種水果和蔬菜訓練您的分類器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..68b949cf
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T21:45:32+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 為多種水果和蔬菜訓練分類器
+
+## 說明
+
+在這節課中，你已經訓練了一個影像分類器來區分成熟和未成熟的水果，但僅限於一種水果。分類器可以被訓練來識別多種水果，其成功率會因水果的種類以及成熟與未成熟之間的差異而有所不同。
+
+例如，對於成熟時會改變顏色的水果，影像分類器可能不如顏色感測器有效，因為影像分類器通常使用灰度影像而非全彩影像。
+
+使用其他水果來訓練你的分類器，看看效果如何，特別是當水果外觀相似時。例如，蘋果和番茄。
+
+## 評分標準
+
+| 標準 | 卓越 | 合格 | 需要改進 |
+| ---- | ---- | ---- | -------- |
+| 為多種水果訓練分類器 | 能夠成功訓練分類器識別多種水果 | 能夠成功訓練分類器識別一種額外的水果 | 無法訓練分類器識別更多水果 |
+| 判斷分類器的效果 | 能夠正確評論分類器在不同水果上的效果 | 能夠觀察並提出分類器效果的建議 | 無法評論分類器的效果 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..65e630e1
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T21:47:29+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "mo"
+}
+-->
+# 從物聯網設備檢查水果品質
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## 簡介
+
+在上一課中，你學習了影像分類器，以及如何訓練它來檢測好壞水果。要在物聯網應用中使用這個影像分類器，你需要能夠使用某種相機捕捉影像，並將影像傳送到雲端進行分類。
+
+在本課中，你將學習相機感測器，以及如何使用物聯網設備捕捉影像。你還將學習如何從物聯網設備調用影像分類器。
+
+本課將涵蓋以下內容：
+
+* [相機感測器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [使用物聯網設備捕捉影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [發布你的影像分類器](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [從物聯網設備分類影像](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [改進模型](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## 相機感測器
+
+相機感測器，顧名思義，是可以連接到物聯網設備的相機。它們可以拍攝靜態影像或捕捉串流視頻。有些會返回原始影像數據，其他則會將影像數據壓縮成如 JPEG 或 PNG 的影像文件。通常，與物聯網設備配合使用的相機比你習慣的相機要小得多，解析度也較低，但你也可以獲得解析度高的相機，媲美高端手機。你可以選擇各種可互換鏡頭、多相機設置、紅外熱成像相機或紫外線相機。
+
+![場景中的光線通過鏡頭並聚焦在 CMOS 感測器上](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.mo.png)
+
+大多數相機感測器使用影像感測器，其中每個像素都是一個光電二極管。鏡頭將影像聚焦到影像感測器上，數千或數百萬個光電二極管檢測落在每個二極管上的光線，並將其記錄為像素數據。
+
+> 💁 鏡頭會將影像倒置，相機感測器會將影像翻轉回正確方向。你的眼睛也是如此——你看到的影像在眼睛後部是倒置的，而你的大腦會將其校正。
+
+> 🎓 影像感測器被稱為主動像素感測器（APS），最流行的 APS 類型是互補金屬氧化物半導體感測器，簡稱 CMOS。你可能聽過 CMOS 感測器這個術語用於相機感測器。
+
+相機感測器是數位感測器，通過數位數據傳送影像數據，通常需要使用提供通信的庫。相機使用像 SPI 這樣的協議進行連接，以便傳送大量數據——影像的大小遠大於溫度感測器等感測器的單一數值。
+
+✅ 物聯網設備在影像大小方面有哪些限制？請思考微控制器硬體的限制。
+
+## 使用物聯網設備捕捉影像
+
+你可以使用物聯網設備捕捉影像進行分類。
+
+### 任務 - 使用物聯網設備捕捉影像
+
+按照相關指南使用物聯網設備捕捉影像：
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [單板電腦 - Raspberry Pi](pi-camera.md)
+* [單板電腦 - 虛擬設備](virtual-device-camera.md)
+
+## 發布你的影像分類器
+
+你在上一課中訓練了影像分類器。在你能從物聯網設備使用它之前，你需要發布模型。
+
+### 模型迭代
+
+當你在上一課中訓練模型時，你可能注意到 **Performance** 標籤顯示了側邊的迭代。在你第一次訓練模型時，你會看到 *Iteration 1*。當你使用預測影像改進模型時，你會看到 *Iteration 2*。
+
+每次訓練模型時，你都會得到一個新的迭代。這是一種跟蹤基於不同數據集訓練的模型版本的方法。當你進行 **Quick Test** 時，有一個下拉選單可以用來選擇迭代，這樣你就可以比較多次迭代的結果。
+
+當你對某次迭代感到滿意時，你可以發布它，使其可供外部應用使用。這樣，你可以有一個已發布的版本供設備使用，然後基於多次迭代工作在新版本上，當你對新版本感到滿意時再發布。
+
+### 任務 - 發布迭代
+
+迭代是從 Custom Vision 入口網站發布的。
+
+1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未打開。然後打開你的 `fruit-quality-detector` 專案。
+
+1. 從頂部選項中選擇 **Performance** 標籤。
+
+1. 從側邊的 *Iterations* 列表中選擇最新的迭代。
+
+1. 為該迭代選擇 **Publish** 按鈕。
+
+    ![發布按鈕](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.mo.png)
+
+1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `fruit-quality-detector-prediction` 資源。名稱保持為 `Iteration2`，然後選擇 **Publish** 按鈕。
+
+1. 發布後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細信息，你需要這些信息來從物聯網設備調用模型。下方部分標記為 *If you have an image file*，這是你需要的詳細信息。複製顯示的 URL，類似於：
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的長 ID。
+
+    同時複製 *Prediction-Key* 值。這是一個安全密鑰，當你調用模型時必須傳遞。只有傳遞此密鑰的應用可以使用模型，其他應用將被拒絕。
+
+    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.mo.png)
+
+✅ 當新迭代發布時，它會有不同的名稱。你認為如何更改物聯網設備使用的迭代？
+
+## 從物聯網設備分類影像
+
+現在你可以使用這些連接詳細信息從物聯網設備調用影像分類器。
+
+### 任務 - 從物聯網設備分類影像
+
+按照相關指南使用物聯網設備分類影像：
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-classify-image.md)
+
+## 改進模型
+
+你可能會發現，使用連接到物聯網設備的相機時，結果與你的預期不符。預測結果並不總是像使用從電腦上傳的影像那樣準確。這是因為模型是基於不同的數據進行訓練的，而不是用於預測的數據。
+
+要獲得影像分類器的最佳結果，你需要使用與預測影像盡可能相似的影像來訓練模型。例如，如果你使用手機相機捕捉影像進行訓練，影像的質量、清晰度和顏色會與連接到物聯網設備的相機不同。
+
+![兩張香蕉圖片，一張是物聯網設備拍攝的低解析度影像，光線較差；另一張是手機拍攝的高解析度影像，光線良好](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.mo.png)
+
+在上圖中，左邊的香蕉圖片是使用 Raspberry Pi 相機拍攝的，右邊的圖片是使用 iPhone 在相同位置拍攝的同一香蕉。可以明顯看到質量差異——iPhone 的圖片更清晰，顏色更亮，對比度更高。
+
+✅ 還有哪些因素可能導致物聯網設備捕捉的影像預測不準確？請思考物聯網設備可能使用的環境，哪些因素會影響捕捉的影像？
+
+要改進模型，你可以使用物聯網設備捕捉的影像重新訓練模型。
+
+### 任務 - 改進模型
+
+1. 使用物聯網設備分類多張成熟和未成熟水果的影像。
+
+1. 在 Custom Vision 入口網站中，使用 *Predictions* 標籤上的影像重新訓練模型。
+
+    > ⚠️ 如果需要，可以參考 [第一課中重新訓練分類器的指導](../1-train-fruit-detector/README.md#retrain-your-image-classifier)。
+
+1. 如果你的影像與用於訓練的原始影像差異很大，可以在 *Training Images* 標籤中選擇所有原始影像並選擇 **Delete** 按鈕刪除它們。要選擇影像，將光標移到影像上，會出現一個勾選，選擇該勾選即可選擇或取消選擇影像。
+
+1. 訓練模型的新迭代並按照上述步驟發布。
+
+1. 更新程式碼中的端點 URL，重新運行應用程式。
+
+1. 重複這些步驟，直到你對預測結果感到滿意。
+
+---
+
+## 🚀 挑戰
+
+影像解析度或光線對預測有多大影響？
+
+嘗試在設備程式碼中更改影像解析度，看看是否對影像質量有影響。也嘗試更改光線。
+
+如果你要製作一個生產設備出售給農場或工廠，你會如何確保它始終提供一致的結果？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## 回顧與自學
+
+你使用入口網站訓練了自訂視覺模型。這依賴於有可用的影像——在現實世界中，你可能無法獲得與設備相機捕捉的影像匹配的訓練數據。你可以通過使用訓練 API 直接從設備進行訓練，使用物聯網設備捕捉的影像訓練模型來解決這個問題。
+
+* 閱讀 [使用 Custom Vision SDK 快速入門](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) 中的訓練 API。
+
+## 作業
+
+[回應分類結果](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..acdd0636
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T21:48:19+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 回應分類結果
+
+## 指示
+
+您的設備已對影像進行分類，並擁有預測的數值。您的設備可以利用這些資訊執行某些操作——例如將資料傳送至 IoT Hub 供其他系統處理，或者控制一個執行器（例如 LED），在水果未成熟時點亮。
+
+請為您的設備添加程式碼，以您選擇的方式進行回應——可以是將資料傳送至 IoT Hub，控制執行器，或者結合兩者，將資料傳送至 IoT Hub，並使用無伺服器程式碼判斷水果是否成熟，然後回傳指令以控制執行器。
+
+## 評分標準
+
+| 評分項目 | 卓越 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 回應預測結果 | 能夠根據相同數值的預測結果一致地實現回應。 | 能夠實現一個不依賴預測結果的回應，例如僅將原始資料傳送至 IoT Hub。 | 無法編程設備以回應預測結果。 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..32100aff
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T21:49:27+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉影像 - Raspberry Pi
+
+在本課程中，您將為 Raspberry Pi 添加一個相機感測器，並從中讀取影像。
+
+## 硬體
+
+Raspberry Pi 需要一個相機。
+
+您將使用的相機是 [Raspberry Pi Camera Module](https://www.raspberrypi.org/products/camera-module-v2/)。這款相機專為 Raspberry Pi 設計，通過 Pi 上的專用連接器連接。
+
+> 💁 這款相機使用 [Camera Serial Interface，一種由移動產業處理器接口聯盟制定的協議](https://wikipedia.org/wiki/Camera_Serial_Interface)，簡稱 MIPI-CSI。這是一種專用的影像傳輸協議。
+
+## 連接相機
+
+相機可以通過一條扁平排線連接到 Raspberry Pi。
+
+### 任務 - 連接相機
+
+![Raspberry Pi 相機](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.mo.png)
+
+1. 關閉 Raspberry Pi 的電源。
+
+1. 將隨相機附帶的扁平排線連接到相機上。為此，輕輕拉動插座上的黑色塑料夾，使其稍微彈出，然後將排線滑入插座，藍色面朝遠離鏡頭的一側，金屬針腳條紋面朝鏡頭的一側。插到底後，將黑色塑料夾推回原位。
+
+    您可以在 [Raspberry Pi 相機模組入門文檔](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) 中找到一個動畫，展示如何打開夾子並插入排線。
+
+    ![扁平排線插入相機模組](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.mo.png)
+
+1. 從 Raspberry Pi 上取下 Grove Base Hat。
+
+1. 將扁平排線穿過 Grove Base Hat 上的相機槽。確保排線的藍色面朝向標有 **A0**、**A1** 等的類比端口。
+
+    ![扁平排線穿過 Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.mo.png)
+
+1. 將扁平排線插入 Raspberry Pi 上的相機端口。同樣，拉起黑色塑料夾，插入排線，然後將夾子推回原位。排線的藍色面應朝向 USB 和以太網端口。
+
+    ![扁平排線連接到 Raspberry Pi 的相機插座](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.mo.png)
+
+1. 重新安裝 Grove Base Hat。
+
+## 編程相機
+
+現在可以使用 [PiCamera](https://pypi.org/project/picamera/) Python 庫來編程 Raspberry Pi 以使用相機。
+
+### 任務 - 啟用舊版相機模式
+
+隨著 Raspberry Pi OS Bullseye 的發布，操作系統中內置的相機軟體發生了變化，導致 PiCamera 默認無法使用。目前正在開發一個替代方案，名為 PiCamera2，但尚未準備好使用。
+
+目前，您可以將 Raspberry Pi 設置為舊版相機模式，以使 PiCamera 正常工作。相機插座默認也是禁用的，但啟用舊版相機軟體會自動啟用插座。
+
+1. 啟動 Raspberry Pi，等待其完成啟動。
+
+1. 啟動 VS Code，可以直接在 Raspberry Pi 上操作，或者通過 Remote SSH 擴展連接。
+
+1. 在終端中執行以下命令：
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    這將切換設置以啟用舊版相機軟體，然後重新啟動 Raspberry Pi 以使設置生效。
+
+1. 等待 Raspberry Pi 重新啟動，然後重新啟動 VS Code。
+
+### 任務 - 編程相機
+
+編程設備。
+
+1. 在終端中，於 `pi` 用戶的主目錄中創建一個名為 `fruit-quality-detector` 的新資料夾。在此資料夾中創建一個名為 `app.py` 的檔案。
+
+1. 在 VS Code 中打開此資料夾。
+
+1. 要與相機互動，可以使用 PiCamera Python 庫。使用以下命令安裝該 Pip 套件：
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. 將以下代碼添加到您的 `app.py` 檔案中：
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    此代碼導入了一些所需的庫，包括 `PiCamera` 庫。
+
+1. 在此代碼下方添加以下代碼以初始化相機：
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    此代碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度（最高可達 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
+
+    `camera.rotation = 0` 行設置影像的旋轉角度。扁平排線從相機底部進入，但如果您的相機為了更方便地對準要分類的物品而旋轉了，則可以將此行更改為相應的旋轉角度。
+
+    ![相機懸掛在飲料罐上方](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.mo.png)
+
+    例如，如果您將扁平排線懸掛在相機上方，則將旋轉角度設置為 180：
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    相機啟動需要幾秒鐘，因此需要 `time.sleep(2)`。
+
+1. 在此代碼下方添加以下代碼以將影像捕捉為二進位數據：
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    此代碼創建了一個 `BytesIO` 對象來存儲二進位數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。該對象有一個位置指示器，用於指示當前數據的位置，因此 `image.seek(0)` 行將位置移回起始點，以便稍後可以讀取所有數據。
+
+1. 在此代碼下方添加以下代碼以將影像保存到文件：
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    此代碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並寫入該文件。
+
+    > 💁 您可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是，在本課程的後續部分，您可以將影像發送到影像分類器。
+
+1. 將相機對準某個物體並運行此代碼。
+
+1. 一張影像將被捕捉並保存為當前資料夾中的 `image.jpg` 文件。您可以在 VS Code 的檔案瀏覽器中看到此文件。選擇該文件以查看影像。如果需要旋轉，請根據需要更新 `camera.rotation = 0` 行，然後重新拍攝。
+
+> 💁 您可以在 [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) 資料夾中找到此代碼。
+
+😀 您的相機程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..f0995bb5
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T21:50:35+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "mo"
+}
+-->
+# 分類圖片 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，你將把相機捕捉的圖片發送到 Custom Vision 服務進行分類。
+
+## 發送圖片到 Custom Vision
+
+Custom Vision 服務提供了一個 Python SDK，可用於分類圖片。
+
+### 任務 - 發送圖片到 Custom Vision
+
+1. 在 VS Code 中打開 `fruit-quality-detector` 資料夾。如果你使用的是虛擬 IoT 裝置，請確保虛擬環境已在終端機中運行。
+
+1. 用於發送圖片到 Custom Vision 的 Python SDK 可作為 Pip 套件安裝。使用以下指令進行安裝：
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. 在 `app.py` 文件的頂部添加以下 import 語句：
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    這會引入一些 Custom Vision 庫中的模組，一個用於使用預測金鑰進行身份驗證，另一個提供可調用 Custom Vision 的預測客戶端類。
+
+1. 在文件末尾添加以下程式碼：
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    將 `<prediction_url>` 替換為你在本課程早些時候從 *Prediction URL* 對話框中複製的 URL。將 `<prediction key>` 替換為你從同一對話框中複製的預測金鑰。
+
+1. *Prediction URL* 對話框提供的預測 URL 是為直接調用 REST 端點設計的。Python SDK 在不同的地方使用 URL 的部分。添加以下程式碼以分解此 URL 為所需的部分：
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    這會分解 URL，提取出 `https://<location>.api.cognitive.microsoft.com` 的端點、專案 ID 和已發佈的迭代名稱。
+
+1. 創建一個預測器物件以執行預測，使用以下程式碼：
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials` 將預測金鑰封裝起來。這些隨後用於創建指向端點的預測客戶端物件。
+
+1. 使用以下程式碼將圖片發送到 Custom Vision：
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    這會將圖片回卷到起始位置，然後將其發送到預測客戶端。
+
+1. 最後，使用以下程式碼顯示結果：
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    這會迴圈所有返回的預測並在終端機中顯示它們。返回的概率是 0-1 的浮點數，其中 0 表示與標籤匹配的可能性為 0%，1 表示與標籤匹配的可能性為 100%。
+
+    > 💁 圖片分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個圖片與該標籤匹配的概率。
+
+1. 運行你的程式，讓相機對準一些水果，或者使用適當的圖片集，或者如果使用虛擬 IoT 硬體，讓水果在你的網路攝影機中可見。你會在控制台中看到輸出：
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    你將能看到拍攝的圖片，以及這些值在 Custom Vision 的 **Predictions** 標籤中顯示。
+
+    ![一根香蕉在 Custom Vision 中被預測為成熟的概率為 56.8%，未成熟的概率為 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.mo.png)
+
+> 💁 你可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) 資料夾中找到這段程式碼。
+
+😀 你的水果品質分類程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..392b1d95
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T21:53:19+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉影像 - 虛擬物聯網硬體
+
+在本課程中，您將為虛擬物聯網設備添加一個相機感測器，並從中讀取影像。
+
+## 硬體
+
+虛擬物聯網設備將使用模擬相機，該相機可以傳送檔案中的影像或來自您的網路攝影機的影像。
+
+### 在 CounterFit 中添加相機
+
+要使用虛擬相機，您需要在 CounterFit 應用程式中添加一個。
+
+#### 任務 - 在 CounterFit 中添加相機
+
+在 CounterFit 應用程式中添加相機。
+
+1. 在您的電腦上建立一個名為 `fruit-quality-detector` 的資料夾，並在其中建立一個名為 `app.py` 的 Python 應用程式，設置 Python 虛擬環境，並添加 CounterFit 的 pip 套件。
+
+    > ⚠️ 如果需要，您可以參考[第 1 課中建立和設置 CounterFit Python 專案的指導](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md)。
+
+1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以通過模擬部分 [Picamera Pip 套件](https://pypi.org/project/picamera/) 與相機感測器進行通信。請確保您是在啟動虛擬環境的終端中進行安裝。
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. 確保 CounterFit 網頁應用程式正在運行。
+
+1. 創建相機：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Camera*。
+
+    1. 將 *Name* 設置為 `Picamera`。
+
+    1. 選擇 **Add** 按鈕以創建相機。
+
+    ![相機設置](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.mo.png)
+
+    相機將被創建並顯示在感測器列表中。
+
+    ![創建的相機](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.mo.png)
+
+## 編程相機
+
+現在可以編程虛擬物聯網設備以使用虛擬相機。
+
+### 任務 - 編程相機
+
+編程設備。
+
+1. 確保 `fruit-quality-detector` 應用程式已在 VS Code 中打開。
+
+1. 打開 `app.py` 文件。
+
+1. 在 `app.py` 文件的頂部添加以下程式碼，以連接應用程式到 CounterFit：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. 在您的 `app.py` 文件中添加以下程式碼：
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    此程式碼導入了一些需要的庫，包括來自 counterfit_shims_picamera 庫的 `PiCamera` 類。
+
+1. 在此程式碼下方添加以下程式碼以初始化相機：
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    此程式碼創建了一個 PiCamera 對象，並將解析度設置為 640x480。雖然支持更高的解析度，但影像分類器僅處理更小的影像（227x227），因此無需捕捉和傳送更大的影像。
+
+    `camera.rotation = 0` 行設置影像的旋轉角度（以度為單位）。如果需要旋轉來自網路攝影機或檔案的影像，請根據需要設置。例如，如果您希望將網路攝影機中橫向模式的香蕉影像更改為縱向模式，請設置 `camera.rotation = 90`。
+
+1. 在此程式碼下方添加以下程式碼以捕捉影像為二進制數據：
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    此程式碼創建了一個 `BytesIO` 對象來存儲二進制數據。影像以 JPEG 文件的形式從相機讀取並存儲在此對象中。該對象有一個位置指示器，用於指示數據中的位置，以便需要時可以將更多數據寫入末尾，因此 `image.seek(0)` 行將此位置移回起始位置，以便稍後可以讀取所有數據。
+
+1. 在此程式碼下方添加以下程式碼以將影像保存到文件：
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    此程式碼打開一個名為 `image.jpg` 的文件進行寫入，然後從 `BytesIO` 對象中讀取所有數據並將其寫入文件。
+
+    > 💁 您可以直接將影像捕捉到文件，而不是使用 `BytesIO` 對象，只需將文件名傳遞給 `camera.capture` 調用即可。使用 `BytesIO` 對象的原因是稍後在本課程中，您可以將影像傳送到您的影像分類器。
+
+1. 配置 CounterFit 中相機將捕捉的影像。您可以將 *Source* 設置為 *File*，然後上傳影像文件，或者將 *Source* 設置為 *WebCam*，影像將從您的網路攝影機捕捉。選擇影像或網路攝影機後，請確保選擇 **Set** 按鈕。
+
+    ![CounterFit 中設置檔案為影像來源，以及網路攝影機顯示一個人手持香蕉的預覽](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.mo.png)
+
+1. 影像將被捕捉並保存為 `image.jpg`，位於當前資料夾中。您將在 VS Code 的檔案瀏覽器中看到此文件。選擇該文件以查看影像。如果需要旋轉，請根據需要更新 `camera.rotation = 0` 行並重新拍攝影像。
+
+> 💁 您可以在 [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的相機程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..1415ee26
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T21:55:17+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉影像 - Wio Terminal
+
+在這部分課程中，你將為 Wio Terminal 添加一個相機，並從中捕捉影像。
+
+## 硬體
+
+Wio Terminal 需要一個相機。
+
+你將使用的相機是 [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)。這是一個基於 OV2640 影像感測器的 2 百萬像素相機。它通過 SPI 介面進行影像捕捉，並使用 I2C 配置感測器。
+
+## 連接相機
+
+ArduCam 沒有 Grove 插槽，而是通過 Wio Terminal 上的 GPIO 引腳連接到 SPI 和 I2C 匯流排。
+
+### 任務 - 連接相機
+
+連接相機。
+
+![ArduCam 感測器](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.mo.png)
+
+1. ArduCam 底部的引腳需要連接到 Wio Terminal 的 GPIO 引腳。為了更容易找到正確的引腳，將隨 Wio Terminal 附帶的 GPIO 引腳貼紙貼在引腳周圍：
+
+    ![帶有 GPIO 引腳貼紙的 Wio Terminal](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.mo.png)
+
+1. 使用跳線，進行以下連接：
+
+    | ArduCAM 引腳 | Wio Terminal 引腳 | 描述                                   |
+    | ------------ | ----------------- | -------------------------------------- |
+    | CS           | 24 (SPI_CS)       | SPI 芯片選擇                           |
+    | MOSI         | 19 (SPI_MOSI)     | SPI 控制器輸出，外設輸入               |
+    | MISO         | 21 (SPI_MISO)     | SPI 控制器輸入，外設輸出               |
+    | SCK          | 23 (SPI_SCLK)     | SPI 串行時鐘                           |
+    | GND          | 6 (GND)           | 接地 - 0V                              |
+    | VCC          | 4 (5V)            | 5V 電源供應                            |
+    | SDA          | 3 (I2C1_SDA)      | I2C 串行數據                           |
+    | SCL          | 5 (I2C1_SCL)      | I2C 串行時鐘                           |
+
+    ![用跳線連接 ArduCam 和 Wio Terminal](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.mo.png)
+
+    GND 和 VCC 連接為 ArduCam 提供 5V 電源。它以 5V 運行，不同於以 3V 運行的 Grove 感測器。這個電源直接來自為設備供電的 USB-C 連接。
+
+    > 💁 對於 SPI 連接，ArduCam 上的引腳標籤和 Wio Terminal 中代碼使用的引腳名稱仍然使用舊的命名約定。本課程中的說明將使用新的命名約定，除非代碼中使用了引腳名稱。
+
+1. 現在可以將 Wio Terminal 連接到你的電腦。
+
+## 編程設備以連接相機
+
+現在可以為 Wio Terminal 編程以使用連接的 ArduCAM 相機。
+
+### 任務 - 編程設備以連接相機
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `fruit-quality-detector`。在 `setup` 函數中添加代碼以配置串行埠。
+
+1. 添加代碼以連接 WiFi，將你的 WiFi 憑據放在名為 `config.h` 的檔案中。不要忘記將所需的庫添加到 `platformio.ini` 檔案中。
+
+1. ArduCam 庫無法作為 Arduino 庫從 `platformio.ini` 檔案中安裝。相反，需要從其 GitHub 頁面安裝源代碼。你可以通過以下方式獲取：
+
+    * 從 [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git) 克隆倉庫
+    * 前往 GitHub 上的倉庫 [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) 並從 **Code** 按鈕下載代碼為 zip 檔案
+
+1. 你只需要此代碼中的 `ArduCAM` 資料夾。將整個資料夾複製到專案中的 `lib` 資料夾中。
+
+    > ⚠️ 必須複製整個資料夾，因此代碼位於 `lib/ArduCam` 中。不要僅將 `ArduCam` 資料夾的內容複製到 `lib` 資料夾中，而是將整個資料夾複製過去。
+
+1. ArduCam 庫代碼適用於多種類型的相機。你想要使用的相機類型是通過編譯器標誌配置的——這使得構建的庫盡可能小，通過移除你未使用的相機的代碼來實現。要將庫配置為 OV2640 相機，請在 `platformio.ini` 檔案末尾添加以下內容：
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    這設置了兩個編譯器標誌：
+
+      * `ARDUCAM_SHIELD_V2` 用於告訴庫相機位於 Arduino 板上，稱為 shield。
+      * `OV2640_CAM` 用於告訴庫僅包含 OV2640 相機的代碼。
+
+1. 在 `src` 資料夾中添加一個名為 `camera.h` 的標頭檔案。這將包含與相機通信的代碼。在此檔案中添加以下代碼：
+
+    ```cpp
+    #pragma once
+    
+    #include <ArduCAM.h>
+    #include <Wire.h>
+    
+    class Camera
+    {
+    public:
+        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
+        {
+            _format = format;
+            _image_size = image_size;
+        }
+    
+        bool init()
+        {
+            // Reset the CPLD
+            _arducam.write_reg(0x07, 0x80);
+            delay(100);
+    
+            _arducam.write_reg(0x07, 0x00);
+            delay(100);
+    
+            // Check if the ArduCAM SPI bus is OK
+            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
+            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
+            {
+                return false;
+            }
+                
+            // Change MCU mode
+            _arducam.set_mode(MCU2LCD_MODE);
+    
+            uint8_t vid, pid;
+    
+            // Check if the camera module type is OV2640
+            _arducam.wrSensorReg8_8(0xff, 0x01);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
+            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
+            {
+                return false;
+            }
+            
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+            _arducam.OV2640_set_Light_Mode(Auto);
+            _arducam.OV2640_set_Special_effects(Normal);
+            delay(1000);
+    
+            return true;
+        }
+    
+        void startCapture()
+        {
+            _arducam.flush_fifo();
+            _arducam.clear_fifo_flag();
+            _arducam.start_capture();
+        }
+    
+        bool captureReady()
+        {
+            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
+        }
+    
+        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
+        {
+            if (!captureReady()) return false;
+    
+            // Get the image file length
+            uint32_t length = _arducam.read_fifo_length();
+            buffer_length = length;
+    
+            if (length >= MAX_FIFO_SIZE)
+            {
+                return false;
+            }
+            if (length == 0)
+            {
+                return false;
+            }
+    
+            // create the buffer
+            byte *buf = new byte[length];
+    
+            uint8_t temp = 0, temp_last = 0;
+            int i = 0;
+            uint32_t buffer_pos = 0;
+            bool is_header = false;
+    
+            _arducam.CS_LOW();
+            _arducam.set_fifo_burst();
+            
+            while (length--)
+            {
+                temp_last = temp;
+                temp = SPI.transfer(0x00);
+                //Read JPEG data from FIFO
+                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
+                {
+                    buf[buffer_pos] = temp;
+    
+                    buffer_pos++;
+                    i++;
+                    
+                    _arducam.CS_HIGH();
+                }
+                if (is_header == true)
+                {
+                    //Write image data to buffer if not full
+                    if (i < 256)
+                    {
+                        buf[buffer_pos] = temp;
+                        buffer_pos++;
+                        i++;
+                    }
+                    else
+                    {
+                        _arducam.CS_HIGH();
+    
+                        i = 0;
+                        buf[buffer_pos] = temp;
+    
+                        buffer_pos++;
+                        i++;
+    
+                        _arducam.CS_LOW();
+                        _arducam.set_fifo_burst();
+                    }
+                }
+                else if ((temp == 0xD8) & (temp_last == 0xFF))
+                {
+                    is_header = true;
+    
+                    buf[buffer_pos] = temp_last;
+                    buffer_pos++;
+                    i++;
+    
+                    buf[buffer_pos] = temp;
+                    buffer_pos++;
+                    i++;
+                }
+            }
+            
+            _arducam.clear_fifo_flag();
+    
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+    
+            // return the buffer
+            *buffer = buf;
+        }
+    
+    private:
+        ArduCAM _arducam;
+        int _format;
+        int _image_size;
+    };
+    ```
+
+    這是使用 ArduCam 庫配置相機的低層代碼，並在需要時通過 SPI 匯流排提取影像。這段代碼非常特定於 ArduCam，因此你目前不需要擔心它的工作原理。
+
+1. 在 `main.cpp` 中，在其他 `include` 語句下方添加以下代碼以包含此新檔案並創建相機類的實例：
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    這創建了一個 `Camera`，將影像保存為 640x480 分辨率的 JPEG。雖然支持更高的分辨率（最高 3280x2464），但影像分類器處理的影像尺寸要小得多（227x227），因此無需捕捉和傳輸更大的影像。
+
+1. 在此下方添加以下代碼以定義一個設置相機的函數：
+
+    ```cpp
+    void setupCamera()
+    {
+        pinMode(PIN_SPI_SS, OUTPUT);
+        digitalWrite(PIN_SPI_SS, HIGH);
+    
+        Wire.begin();
+        SPI.begin();
+    
+        if (!camera.init())
+        {
+            Serial.println("Error setting up the camera!");
+        }
+    }
+    ```
+
+    此 `setupCamera` 函數首先將 SPI 芯片選擇引腳（`PIN_SPI_SS`）配置為高電平，使 Wio Terminal 成為 SPI 控制器。然後啟動 I2C 和 SPI 匯流排。最後，它初始化相機類，配置相機感測器設置並確保所有連接正確。
+
+1. 在 `setup` 函數的末尾調用此函數：
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. 構建並上傳此代碼，並檢查串行監視器的輸出。如果你看到 `Error setting up the camera!`，請檢查接線，確保所有電纜正確連接 ArduCam 的引腳和 Wio Terminal 的 GPIO 引腳，並且所有跳線都正確插入。
+
+## 捕捉影像
+
+現在可以為 Wio Terminal 編程，使其在按下按鈕時捕捉影像。
+
+### 任務 - 捕捉影像
+
+1. 微控制器會不斷運行你的代碼，因此如果不響應感測器，觸發拍照並不容易。Wio Terminal 有按鈕，因此可以設置相機由其中一個按鈕觸發。在 `setup` 函數的末尾添加以下代碼，以配置 C 按鈕（頂部的三個按鈕之一，最靠近電源開關的那個）。
+
+    ![最靠近電源開關的 C 按鈕](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.mo.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    `INPUT_PULLUP` 模式本質上反轉了一個輸入。例如，通常按鈕在未按下時會發送低信號，按下時發送高信號。設置為 `INPUT_PULLUP` 時，未按下時發送高信號，按下時發送低信號。
+
+1. 在 `loop` 函數之前添加一個空函數以響應按鈕按下：
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. 在按鈕被按下時，在 `loop` 方法中調用此函數：
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    此代碼檢查按鈕是否被按下。如果按下，則調用 `buttonPressed` 函數，並且循環延遲 2 秒。這是為了給按鈕釋放留出時間，以免長按被註冊為兩次按下。
+
+    > 💁 Wio Terminal 上的按鈕設置為 `INPUT_PULLUP`，因此未按下時發送高信號，按下時發送低信號。
+
+1. 在 `buttonPressed` 函數中添加以下代碼：
+
+    ```cpp
+    camera.startCapture();
+ 
+    while (!camera.captureReady())
+        delay(100);
+
+    Serial.println("Image captured");
+
+    byte *buffer;
+    uint32_t length;
+
+    if (camera.readImageToBuffer(&buffer, length))
+    {
+        Serial.print("Image read to buffer with length ");
+        Serial.println(length);
+
+        delete(buffer);
+    }
+    ```
+
+    此代碼通過調用 `startCapture` 開始相機捕捉。相機硬體不會在你請求時返回數據，而是發送一個指令開始捕捉，相機將在背景中捕捉影像，將其轉換為 JPEG，並將其存儲在相機本地緩衝區中。然後，`captureReady` 調用檢查影像捕捉是否完成。
+
+    一旦捕捉完成，影像數據將通過 `readImageToBuffer` 調用從相機的緩衝區複製到本地緩衝區（字節數組）。然後將緩衝區的長度發送到串行監視器。
+
+1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像，並在串行監視器上看到影像大小。
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    不同的影像會有不同的大小。它們被壓縮為 JPEG，JPEG 文件的大小取決於影像內容。
+
+> 💁 你可以在 [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal) 資料夾中找到此代碼。
+
+😀 你已成功使用 Wio Terminal 捕捉影像。
+
+## 可選 - 使用 SD 卡驗證相機影像
+
+查看相機捕捉的影像最簡單的方法是將它們寫入 Wio Terminal 中的 SD 卡，然後在電腦上查看。如果你有一張備用的 microSD 卡和電腦上的 microSD 卡插槽或適配器，可以完成此步驟。
+
+Wio Terminal 僅支持最大 16GB 的 microSD 卡。如果你有更大的 SD 卡，則無法使用。
+
+### 任務 - 使用 SD 卡驗證相機影像
+
+1. 使用電腦上的相關應用程式（macOS 的磁碟工具、Windows 的檔案總管或 Linux 的命令行工具）將 microSD 卡格式化為 FAT32 或 exFAT。
+
+1. 將 microSD 卡插入電源開關下方的插槽。確保完全插入直到卡扣住並保持到位，你可能需要使用指甲或細小工具推入。
+
+1. 在 `main.cpp` 檔案頂部添加以下 include 語句：
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. 在 `setup` 函數之前添加以下函數：
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    這使用 SPI 匯流排配置 SD 卡。
+
+1. 在 `setup` 函數中調用此函數：
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. 在 `buttonPressed` 函數上方添加以下代碼：
+
+    ```cpp
+    int fileNum = 1;
+
+    void saveToSDCard(byte *buffer, uint32_t length)
+    {
+        char buff[16];
+        sprintf(buff, "%d.jpg", fileNum);
+        fileNum++;
+    
+        File outFile = SD.open(buff, FILE_WRITE );
+        outFile.write(buffer, length);
+        outFile.close();
+
+        Serial.print("Image written to file ");
+        Serial.println(buff);
+    }
+    ```
+
+    這定義了一個用於文件計數的全域變數。這用於影像文件名，因此可以捕捉多個影像並使用遞增的文件名 - `1.jpg`、`2.jpg` 等。
+
+    然後定義了 `saveToSDCard` 函數，該函數接收一個字節數據緩衝區和緩衝區的長度。使用文件計數創建一個文件名，並遞增文件計數以準備下一個文件。然後將緩衝區中的二進位數據寫入文件。
+
+1. 在 `buttonPressed` 函數中調用 `saveToSDCard` 函數。此調用應該在刪除緩衝區 **之前**：
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. 構建並上傳此代碼，並檢查串行監視器的輸出。每次按下 C 按鈕時，將捕捉一張影像並保存到 SD 卡。
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 16392
+    Image written to file 1.jpg
+    Image captured
+    Image read to buffer with length 14344
+    Image written to file 2.jpg
+    ```
+
+1. 關閉 microSD 卡電源，稍微推入並釋放以彈出，然後取出。你可能需要使用細小工具完成此操作。將 microSD 卡插入電腦以查看影像。
+
+    ![使用 ArduCam 捕捉的香蕉照片](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.mo.jpg)
+💁 相機的白平衡可能需要幾張圖片來進行自我調整。您會根據拍攝的圖片顏色注意到這一點，前幾張可能顏色看起來不太正確。您可以通過修改程式碼，在 `setup` 函數中拍攝幾張被忽略的圖片來解決這個問題。
+
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..e30ee20a
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T21:51:56+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "mo"
+}
+-->
+# 將影像分類 - Wio Terminal
+
+在本課程中，您將把相機拍攝的影像傳送到 Custom Vision 服務進行分類。
+
+## 將影像分類
+
+Custom Vision 服務提供了一個 REST API，您可以從 Wio Terminal 呼叫該 API 來分類影像。這個 REST API 是透過 HTTPS 連線（安全的 HTTP 連線）來存取的。
+
+當與 HTTPS 端點互動時，客戶端程式碼需要向被存取的伺服器請求公鑰憑證，並使用該憑證加密傳輸的資料。您的網頁瀏覽器會自動完成這個過程，但微控制器不會。您需要手動請求這個憑證，並使用它來建立與 REST API 的安全連線。這些憑證是固定的，因此一旦獲取憑證，您可以將其硬編碼到應用程式中。
+
+這些憑證包含公鑰，無需保密。您可以將它們用於原始碼中，並公開分享，例如在 GitHub 上。
+
+### 任務 - 設置 SSL 客戶端
+
+1. 如果尚未開啟，請打開 `fruit-quality-detector` 應用程式專案。
+
+1. 打開 `config.h` 標頭檔案，並新增以下內容：
+
+    ```cpp
+    const char *CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    這是 *Microsoft Azure DigiCert Global Root G2 憑證*，它是許多 Azure 服務全球使用的憑證之一。
+
+    > 💁 若要確認這是需要使用的憑證，請在 macOS 或 Linux 上執行以下指令。如果您使用的是 Windows，可以透過 [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) 執行此指令：
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > 輸出將列出 DigiCert Global Root G2 憑證。
+
+1. 打開 `main.cpp`，新增以下 include 指令：
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. 在 include 指令下方，宣告一個 `WifiClientSecure` 的實例：
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    此類別包含與 HTTPS 網路端點通訊的程式碼。
+
+1. 在 `connectWiFi` 方法中，設置 WiFiClientSecure 使用 DigiCert Global Root G2 憑證：
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### 任務 - 將影像分類
+
+1. 在 `platformio.ini` 檔案的 `lib_deps` 清單中新增以下內容作為額外的一行：
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    這會匯入 [ArduinoJson](https://arduinojson.org)，一個 Arduino 的 JSON 函式庫，將用於解碼來自 REST API 的 JSON 回應。
+
+1. 在 `config.h` 中，新增 Custom Vision 服務的預測 URL 和金鑰的常數：
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    將 `<PREDICTION_URL>` 替換為 Custom Vision 的預測 URL。將 `<PREDICTION_KEY>` 替換為預測金鑰。
+
+1. 在 `main.cpp` 中，新增 ArduinoJson 函式庫的 include 指令：
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. 在 `main.cpp` 中，於 `buttonPressed` 函式上方新增以下函式：
+
+    ```cpp
+    void classifyImage(byte *buffer, uint32_t length)
+    {
+        HTTPClient httpClient;
+        httpClient.begin(client, PREDICTION_URL);
+        httpClient.addHeader("Content-Type", "application/octet-stream");
+        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
+    
+        int httpResponseCode = httpClient.POST(buffer, length);
+    
+        if (httpResponseCode == 200)
+        {
+            String result = httpClient.getString();
+    
+            DynamicJsonDocument doc(1024);
+            deserializeJson(doc, result.c_str());
+    
+            JsonObject obj = doc.as<JsonObject>();
+            JsonArray predictions = obj["predictions"].as<JsonArray>();
+    
+            for(JsonVariant prediction : predictions) 
+            {
+                String tag = prediction["tagName"].as<String>();
+                float probability = prediction["probability"].as<float>();
+    
+                char buff[32];
+                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+                Serial.println(buff);
+            }
+        }
+    
+        httpClient.end();
+    }
+    ```
+
+    此程式碼首先宣告一個 `HTTPClient`，這是一個包含與 REST API 互動方法的類別。接著，它使用先前設置的 Azure 公鑰透過 `WiFiClientSecure` 實例連接到預測 URL。
+
+    一旦連接成功，它會傳送標頭資訊，這些資訊描述即將對 REST API 發出的請求。`Content-Type` 標頭表示 API 呼叫將傳送原始二進位資料，`Prediction-Key` 標頭則傳遞 Custom Vision 的預測金鑰。
+
+    接著，對 HTTP 客戶端發出 POST 請求，並上傳一個位元組陣列。這個陣列包含當此函式被呼叫時，從相機拍攝的 JPEG 影像。
+
+    > 💁 POST 請求用於傳送資料並獲取回應。還有其他請求類型，例如 GET 請求，用於檢索資料。您的網頁瀏覽器使用 GET 請求來載入網頁。
+
+    POST 請求會返回一個回應狀態碼。這些是定義良好的值，其中 200 表示 **OK**，即 POST 請求成功。
+
+    > 💁 您可以在 [Wikipedia 的 HTTP 狀態碼列表頁面](https://wikipedia.org/wiki/List_of_HTTP_status_codes) 中查看所有回應狀態碼。
+
+    如果返回 200，則從 HTTP 客戶端讀取結果。這是一個來自 REST API 的文字回應，包含預測結果的 JSON 文件。JSON 的格式如下：
+
+    ```jSON
+    {
+        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
+        "project":"135607e5-efac-4855-8afb-c93af3380531",
+        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
+        "created":"2021-06-10T17:58:58.959Z",
+        "predictions":[
+            {
+                "probability":0.5582016,
+                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
+                "tagName":"ripe"
+            },
+            {
+                "probability":0.44179836,
+                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
+                "tagName":"unripe"
+            }
+        ]
+    }
+    ```
+
+    這裡重要的部分是 `predictions` 陣列。它包含預測結果，每個標籤都有一個條目，包含標籤名稱和機率。返回的機率是從 0 到 1 的浮點數，0 表示與該標籤匹配的機率為 0%，1 表示 100%。
+
+    > 💁 影像分類器會返回所有使用過的標籤的百分比。每個標籤都會有一個影像與該標籤匹配的機率。
+
+    此 JSON 被解碼後，將每個標籤的機率傳送到序列監視器。
+
+1. 在 `buttonPressed` 函式中，將儲存到 SD 卡的程式碼替換為對 `classifyImage` 的呼叫，或者在影像寫入後但 **在刪除緩衝區之前** 新增該呼叫：
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 如果您替換了儲存到 SD 卡的程式碼，可以清理您的程式碼，移除 `setupSDCard` 和 `saveToSDCard` 函式。
+
+1. 上傳並執行您的程式碼。將相機對準一些水果並按下 C 按鈕。您將在序列監視器中看到輸出：
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    您將能夠看到拍攝的影像，並在 Custom Vision 的 **Predictions** 標籤中看到這些值。
+
+    ![Custom Vision 中的香蕉預測結果：成熟 56.8%，未成熟 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.mo.png)
+
+> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 您的水果品質分類器程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..ed93e753
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,626 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T22:00:01+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "mo"
+}
+-->
+# 在邊緣設備上運行水果檢測器
+
+![本課程概述的手繪筆記](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了如何在物聯網設備上運行圖像分類器，這是本課程的主題。
+
+[![Azure IoT Edge上的自訂視覺AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## 簡介
+
+在上一課中，你使用了圖像分類器來區分成熟和未成熟的水果，並將物聯網設備上的相機捕捉到的圖像通過網路傳送到雲端服務。這些操作需要時間，會產生費用，並且根據所使用的圖像數據類型，可能會涉及隱私問題。
+
+在本課中，你將學習如何在邊緣設備上運行機器學習（ML）模型——即在自己的網路上運行物聯網設備，而不是在雲端。你將了解邊緣計算相較於雲端計算的優勢和劣勢，如何將AI模型部署到邊緣設備，以及如何從物聯網設備訪問它。
+
+本課程將涵蓋以下內容：
+
+* [邊緣計算](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [註冊物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [設置物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [導出模型](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [準備容器以進行部署](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [部署容器](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [使用物聯網邊緣設備](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## 邊緣計算
+
+邊緣計算是指將處理物聯網數據的計算機儘可能靠近數據生成的地方。與其在雲端進行處理，邊緣計算將處理移至雲端的邊緣——你的內部網路。
+
+![一個架構圖顯示雲端的網路服務和本地網路上的物聯網設備](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.mo.png)
+
+到目前為止的課程中，你的設備一直在收集數據並將數據發送到雲端進行分析，運行無伺服器函數或AI模型。
+
+![一個架構圖顯示本地網路上的物聯網設備連接到邊緣設備，邊緣設備再連接到雲端](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.mo.png)
+
+邊緣計算將部分雲端服務移至與物聯網設備相同網路上的計算機，僅在需要時與雲端通信。例如，你可以在邊緣設備上運行AI模型來分析水果的成熟度，並僅將分析結果（如成熟水果與未成熟水果的數量）發送回雲端。
+
+✅ 思考一下你已經構建的物聯網應用程序，其中哪些部分可以移至邊緣。
+
+### 優勢
+
+邊緣計算的優勢包括：
+
+1. **速度** - 邊緣計算非常適合時間敏感的數據，因為操作是在與設備相同的網路上完成，而不是通過網路進行呼叫。這使得速度更快，因為內部網路的速度通常比網路連接快得多，數據傳輸距離也更短。
+
+    > 💁 儘管網路連接使用光纖電纜使數據能以光速傳輸，但數據在全球範圍內傳輸到雲端提供商仍需要時間。例如，從歐洲向美國的雲端服務發送數據，僅跨越大西洋的光纖電纜就需要至少28毫秒，這還不包括數據到達光纖電纜的時間、電信號轉換為光信號以及另一端的反向轉換時間，然後再從光纖電纜到雲端提供商。
+
+    邊緣計算還需要更少的網路流量，降低了因網路連接有限帶寬的擁塞而導致數據減速的風險。
+
+1. **遠程可訪問性** - 邊緣計算在網路連接有限或無法連接，或者連接成本過高時仍然有效。例如在基礎設施有限的災難救援地區或發展中國家工作時。
+
+1. **成本更低** - 在邊緣設備上執行數據收集、存儲、分析和觸發操作可以減少雲端服務的使用，從而降低物聯網應用程序的整體成本。最近出現了專為邊緣計算設計的設備，例如 [NVIDIA 的 Jetson Nano](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)，這些設備可以使用GPU硬件運行AI工作負載，成本低於100美元。
+
+1. **隱私和安全性** - 使用邊緣計算，數據保留在你的網路中，不會上傳到雲端。這通常是敏感和個人識別信息的首選，尤其是因為數據在分析後不需要存儲，這大大降低了數據洩漏的風險。例如醫療數據和安全攝像機的影像。
+
+1. **處理不安全設備** - 如果你有已知存在安全漏洞的設備，不希望直接連接到你的網路或網路連接，可以將它們連接到一個獨立網路上的網關物聯網邊緣設備。這個邊緣設備可以同時連接到更廣泛的網路或網路連接，並管理數據流的來回。
+
+1. **支持不兼容設備** - 如果你有無法直接連接到物聯網中心的設備，例如只能使用HTTP連接的設備或僅有藍牙連接的設備，可以使用物聯網邊緣設備作為網關設備，將消息轉發到物聯網中心。
+
+✅ 做一些研究：邊緣計算還有哪些其他優勢？
+
+### 劣勢
+
+邊緣計算也有劣勢，某些情況下雲端可能是更好的選擇：
+
+1. **規模和靈活性** - 雲端計算可以根據網路和數據需求即時調整資源，增加或減少伺服器和其他資源。增加更多邊緣計算機則需要手動添加更多設備。
+
+1. **可靠性和韌性** - 雲端計算通常提供多個伺服器，甚至多個地點的冗餘和災難恢復。要在邊緣上達到相同的冗餘水平需要大量投資和配置工作。
+
+1. **維護** - 雲端服務提供商提供系統維護和更新。
+
+✅ 做一些研究：邊緣計算還有哪些其他劣勢？
+
+劣勢基本上是使用雲端的優勢的反面——你需要自己構建和管理這些設備，而不是依賴雲端提供商的專業知識和規模。
+
+某些風險可以通過邊緣計算的特性來減輕。例如，如果你有一個邊緣設備在工廠中運行，收集機器的數據，你不需要考慮某些災難恢復場景。如果工廠停電，那麼你不需要備份邊緣設備，因為生成數據的機器也會因停電而停止運行。
+
+對於物聯網系統，你通常需要雲端和邊緣計算的結合，根據系統、客戶和維護者的需求來利用每種服務。
+
+## Azure IoT Edge
+
+![Azure IoT Edge標誌](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.mo.png)
+
+Azure IoT Edge 是一項服務，可以幫助你將工作負載從雲端移至邊緣。你可以將設備設置為邊緣設備，並從雲端部署代碼到該邊緣設備。這使得你可以結合雲端和邊緣的能力。
+
+> 🎓 *工作負載* 是指任何執行某種工作的服務，例如AI模型、應用程序或無伺服器函數。
+
+例如，你可以在雲端訓練一個圖像分類器，然後從雲端將其部署到邊緣設備。你的物聯網設備隨後將圖像發送到邊緣設備進行分類，而不是通過網路發送圖像。如果需要部署模型的新版本，你可以在雲端訓練並使用IoT Edge將新版本更新到邊緣設備。
+
+> 🎓 部署到IoT Edge的軟件被稱為 *模組*。默認情況下，IoT Edge運行與IoT Hub通信的模組，例如 `edgeAgent` 和 `edgeHub` 模組。當你部署圖像分類器時，它會作為額外的模組部署。
+
+IoT Edge內建於IoT Hub中，因此你可以使用管理物聯網設備的同一服務來管理邊緣設備，並具有相同的安全級別。
+
+IoT Edge從 *容器* 中運行代碼——容器是獨立的應用程序，與計算機上的其他應用程序隔離運行。當你運行容器時，它就像在你的計算機內部運行的獨立計算機，擁有自己的軟件、服務和應用程序。大多數情況下，容器無法訪問計算機上的任何內容，除非你選擇與容器共享某些內容，例如文件夾。容器通過開放的端口暴露服務，你可以連接到該端口或將其暴露到網路。
+
+![一個網頁請求被重定向到容器](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.mo.png)
+
+例如，你可以有一個容器在端口80上運行網站，這是默認的HTTP端口，然後你可以將其暴露在你的計算機上，也是在端口80。
+
+✅ 做一些研究：了解容器和像Docker或Moby這樣的服務。
+
+你可以使用Custom Vision下載圖像分類器並將其作為容器部署，直接運行在設備上或通過IoT Edge部署。一旦它們在容器中運行，你可以使用與雲端版本相同的REST API訪問它，但端點指向運行容器的邊緣設備。
+
+## 註冊物聯網邊緣設備
+
+要使用物聯網邊緣設備，必須在IoT Hub中註冊。
+
+### 任務 - 註冊物聯網邊緣設備
+
+1. 在 `fruit-quality-detector` 資源群組中創建一個IoT Hub。給它一個基於 `fruit-quality-detector` 的唯一名稱。
+
+1. 在你的IoT Hub中註冊一個名為 `fruit-quality-detector-edge` 的物聯網邊緣設備。執行此操作的命令與註冊非邊緣設備的命令類似，只需添加 `--edge-enabled` 標誌。
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為你的IoT Hub的名稱。
+
+1. 使用以下命令獲取設備的連接字串：
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為你的IoT Hub的名稱。
+
+    複製輸出中顯示的連接字串。
+
+## 設置物聯網邊緣設備
+
+在你的IoT Hub中創建邊緣設備註冊後，你可以設置邊緣設備。
+
+### 任務 - 安裝並啟動IoT Edge運行時
+
+**IoT Edge運行時僅運行Linux容器。** 它可以在Linux上運行，也可以在Windows上通過Linux虛擬機運行。
+
+* 如果你使用Raspberry Pi作為物聯網設備，那麼它運行的是受支持的Linux版本，可以托管IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字串。
+
+    > 💁 請記住，Raspberry Pi OS是Debian Linux的一個變體。
+
+* 如果你沒有使用Raspberry Pi，但有一台Linux計算機，你可以運行IoT Edge運行時。按照[Microsoft文檔上的Linux版Azure IoT Edge安裝指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn)安裝IoT Edge並設置連接字串。
+
+* 如果你使用Windows，可以在Linux虛擬機中安裝IoT Edge運行時，按照[Microsoft文檔上的在Windows設備上部署首個IoT Edge模組快速入門的安裝和啟動IoT Edge運行時部分](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime)。到達 *部署模組* 部分時可以停止。
+
+* 如果你使用macOS，可以在雲端創建虛擬機（VM）作為你的IoT Edge設備。這些是你可以在雲端創建並通過網路訪問的計算機。你可以創建一個安裝了IoT Edge的Linux VM。按照[運行IoT Edge的虛擬機創建指南](vm-iotedge.md)進行操作。
+
+## 導出模型
+
+要在邊緣運行分類器，需要從Custom Vision導出。Custom Vision可以生成兩種類型的模型——標準模型和緊湊型模型。緊湊型模型使用各種技術來減小模型的大小，使其足夠小以便下載並部署到物聯網設備。
+
+當你創建圖像分類器時，你使用了 *Food* 域，這是針對食物圖像訓練的模型版本。在Custom Vision中，你可以更改項目的域，使用你的訓練數據訓練一個新域的新模型。Custom Vision支持的所有域都可以作為標準和緊湊型版本。
+
+### 任務 - 使用Food（緊湊型）域訓練你的模型
+1. 開啟 [CustomVision.ai](https://customvision.ai) 的 Custom Vision 入口網站，並登入（如果尚未開啟）。接著打開你的 `fruit-quality-detector` 專案。
+
+1. 選擇 **設定** 按鈕（⚙ 圖示）。
+
+1. 在 *Domains* 清單中，選擇 *Food (compact)*。
+
+1. 在 *Export Capabilities* 下，確認選擇了 *Basic platforms (Tensorflow, CoreML, ONNX, ...)*。
+
+1. 在設定頁面的底部，選擇 **儲存變更**。
+
+1. 使用 **訓練** 按鈕重新訓練模型，並選擇 *快速訓練*。
+
+### 任務 - 匯出你的模型
+
+當模型訓練完成後，需要將其匯出為容器。
+
+1. 選擇 **效能** 分頁，找到使用 compact domain 訓練的最新迭代版本。
+
+1. 點擊頂部的 **匯出** 按鈕。
+
+1. 選擇 **DockerFile**，然後選擇與你的邊緣設備相符的版本：
+
+    * 如果你在 Linux 電腦、Windows 電腦或虛擬機器上運行 IoT Edge，選擇 *Linux* 版本。
+    * 如果你在 Raspberry Pi 上運行 IoT Edge，選擇 *ARM (Raspberry Pi 3)* 版本。
+
+> 🎓 Docker 是管理容器最受歡迎的工具之一，而 DockerFile 是一組用於設置容器的指令。
+
+1. 選擇 **匯出** 讓 Custom Vision 建立相關檔案，然後點擊 **下載** 以壓縮檔案形式下載。
+
+1. 將檔案儲存到你的電腦，然後解壓縮資料夾。
+
+## 為部署準備容器
+
+![容器被建置後推送到容器註冊表，然後通過 IoT Edge 從容器註冊表部署到邊緣設備](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.mo.png)
+
+下載模型後，需要將其建置為容器，然後推送到容器註冊表——一個用於儲存容器的線上位置。IoT Edge 可以從註冊表下載容器並推送到你的設備。
+
+![Azure 容器註冊表標誌](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.mo.png)
+
+本課程中使用的容器註冊表是 Azure Container Registry。這不是免費服務，因此為了節省費用，請確保在完成後[清理你的專案](../../../clean-up.md)。
+
+> 💁 你可以在 [Azure Container Registry 價格頁面](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) 查看使用 Azure Container Registry 的成本。
+
+### 任務 - 安裝 Docker
+
+為了建置和部署分類器，你可能需要安裝 [Docker](https://www.docker.com/)。
+
+只有當你計劃從與安裝 IoT Edge 的設備不同的設備建置容器時，才需要這樣做——因為在安裝 IoT Edge 的過程中，Docker 已經為你安裝好了。
+
+1. 如果你在與 IoT Edge 設備不同的設備上建置 Docker 容器，請按照 [Docker 安裝頁面](https://www.docker.com/products/docker-desktop) 的指導安裝 Docker Desktop 或 Docker 引擎。安裝後確保其正在運行。
+
+### 任務 - 建立容器註冊表資源
+
+1. 在終端機或命令提示字元中執行以下命令以建立 Azure Container Registry 資源：
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    將 `<Container registry name>` 替換為容器註冊表的唯一名稱，只能使用字母和數字。以 `fruitqualitydetector` 為基礎命名。此名稱將成為訪問容器註冊表的 URL 的一部分，因此需要全域唯一。
+
+1. 使用以下命令登入 Azure Container Registry：
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+1. 將容器註冊表設置為管理模式，以便生成密碼，執行以下命令：
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+1. 使用以下命令生成容器註冊表的密碼：
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+    複製 `PASSWORD` 的值，稍後會用到。
+
+### 任務 - 建置你的容器
+
+從 Custom Vision 下載的是一個 DockerFile，包含如何建置容器的指令，以及將在容器內運行的應用程式代碼，用於託管你的 Custom Vision 模型和 REST API。你可以使用 Docker 從 DockerFile 建置一個標記的容器，然後將其推送到容器註冊表。
+
+> 🎓 容器會被賦予一個標籤，定義其名稱和版本。當需要更新容器時，可以使用相同的標籤但較新的版本進行建置。
+
+1. 打開終端機或命令提示字元，導航到從 Custom Vision 下載並解壓縮的模型資料夾。
+
+1. 執行以下命令以建置並標記映像：
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    將 `<platform>` 替換為容器將運行的平台。如果你在 Raspberry Pi 上運行 IoT Edge，設置為 `linux/armhf`，否則設置為 `linux/amd64`。
+
+    > 💁 如果你在運行 IoT Edge 的設備上執行此命令，例如 Raspberry Pi，可以省略 `--platform <platform>` 部分，因為它默認為當前平台。
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+    > 💁 如果你在 Linux 或 Raspberry Pi OS 上運行，可能需要使用 `sudo` 執行此命令。
+
+    Docker 將建置映像，配置所需的所有軟體。映像將被標記為 `classifier:v1`。
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
+    [+] Building 102.4s (11/11) FINISHED
+     => [internal] load build definition from Dockerfile
+     => => transferring dockerfile: 131B
+     => [internal] load .dockerignore
+     => => transferring context: 2B
+     => [internal] load metadata for docker.io/library/python:3.7-slim
+     => [internal] load build context
+     => => transferring context: 905B
+     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
+     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
+     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
+     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
+     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
+     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
+     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
+     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
+     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
+     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
+     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
+     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
+     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
+     => [2/6] RUN pip install -U pip
+     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
+     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
+     => [5/6] COPY app /app
+     => [6/6] WORKDIR /app
+     => exporting to image
+     => => exporting layers
+     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
+     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    ```
+
+### 任務 - 將容器推送到容器註冊表
+
+1. 使用以下命令將容器推送到容器註冊表：
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+    > 💁 如果你在 Linux 上運行，可能需要使用 `sudo` 執行此命令。
+
+    容器將被推送到容器註冊表。
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
+    5f70bf18a086: Pushed 
+    8a1ba9294a22: Pushed 
+    56cf27184a76: Pushed 
+    b32154f3f5dd: Pushed 
+    36103e9a3104: Pushed 
+    e2abb3cacca0: Pushed 
+    4213fd357bbe: Pushed 
+    7ea163ba4dce: Pushed 
+    537313a13d90: Pushed 
+    764055ebc9a7: Pushed 
+    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
+    ```
+
+1. 為了驗證推送，你可以使用以下命令列出註冊表中的容器：
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    將 `<Container registry name>` 替換為你使用的容器註冊表名稱。
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    你將在輸出中看到你的分類器。
+
+## 部署你的容器
+
+現在可以將容器部署到 IoT Edge 設備。要部署，你需要定義一個部署清單——一個列出將部署到邊緣設備的模組的 JSON 文件。
+
+### 任務 - 建立部署清單
+
+1. 在電腦上某處建立一個名為 `deployment.json` 的新檔案。
+
+1. 在此檔案中新增以下內容：
+
+    ```json
+    {
+        "content": {
+            "modulesContent": {
+                "$edgeAgent": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "runtime": {
+                            "type": "docker",
+                            "settings": {
+                                "minDockerVersion": "v1.25",
+                                "loggingOptions": "",
+                                "registryCredentials": {
+                                    "ClassifierRegistry": {
+                                        "username": "<Container registry name>",
+                                        "password": "<Container registry password>",
+                                        "address": "<Container registry name>.azurecr.io"
+                                      }
+                                }
+                            }
+                        },
+                        "systemModules": {
+                            "edgeAgent": {
+                                "type": "docker",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
+                                    "createOptions": "{}"
+                                }
+                            },
+                            "edgeHub": {
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
+                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
+                                }
+                            }
+                        },
+                        "modules": {
+                            "ImageClassifier": {
+                                "version": "1.0",
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
+                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
+                                }
+                            }
+                        }
+                    }
+                },
+                "$edgeHub": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "routes": {
+                            "upstream": "FROM /messages/* INTO $upstream"
+                        },
+                        "storeAndForwardConfiguration": {
+                            "timeToLiveSecs": 7200
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 你可以在 [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) 資料夾中找到此檔案。
+
+    將三個 `<Container registry name>` 替換為你使用的容器註冊表名稱。一個在 `ImageClassifier` 模組部分，另外兩個在 `registryCredentials` 部分。
+
+    將 `registryCredentials` 部分中的 `<Container registry password>` 替換為你的容器註冊表密碼。
+
+1. 從包含部署清單的資料夾執行以下命令：
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    將 `<hub_name>` 替換為你的 IoT Hub 名稱。
+
+    映像分類器模組將被部署到你的邊緣設備。
+
+### 任務 - 驗證分類器是否正在運行
+
+1. 連接到 IoT Edge 設備：
+
+    * 如果你使用 Raspberry Pi 運行 IoT Edge，通過終端機使用 ssh 或通過 VS Code 的遠端 SSH 會話連接。
+    * 如果你在 Windows 上的 Linux 容器中運行 IoT Edge，按照 [驗證成功配置指南](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) 的步驟連接到 IoT Edge 設備。
+    * 如果你在虛擬機器上運行 IoT Edge，可以使用你在建立 VM 時設置的 `adminUsername` 和 `password`，以及 IP 地址或 DNS 名稱進行 SSH 連接：
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        或：
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        當提示時輸入你的密碼。
+
+1. 連接後，執行以下命令以獲取 IoT Edge 模組列表：
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 你可能需要使用 `sudo` 執行此命令。
+
+    你將看到正在運行的模組：
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge list
+    NAME             STATUS           DESCRIPTION      CONFIG
+    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
+    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
+    ```
+
+1. 使用以下命令檢查映像分類器模組的日誌：
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 你可能需要使用 `sudo` 執行此命令。
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
+    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
+    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
+    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
+    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
+    Loading model...Success!
+    Loading labels...2 found. Success!
+     * Serving Flask app "app" (lazy loading)
+     * Environment: production
+       WARNING: This is a development server. Do not use it in a production deployment.
+       Use a production WSGI server instead.
+     * Debug mode: off
+     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
+    ```
+
+### 任務 - 測試映像分類器
+
+1. 你可以使用 CURL 測試映像分類器，通過運行 IoT Edge 代理的電腦的 IP 地址或主機名進行測試。找到 IP 地址：
+
+    * 如果你在運行 IoT Edge 的同一台機器上，可以使用 `localhost` 作為主機名。
+    * 如果你使用的是 VM，可以使用 VM 的 IP 地址或 DNS 名稱。
+    * 否則，你可以獲取運行 IoT Edge 的機器的 IP 地址：
+      * 在 Windows 10 上，請參考 [查找 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)。
+      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)。
+      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分。
+
+1. 你可以使用以下 curl 命令測試容器與本地檔案：
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 地址或主機名。將 `<file_Name>` 替換為要測試的檔案名稱。
+
+    你將在輸出中看到預測結果：
+
+    ```output
+    {
+        "created": "2021-07-05T21:44:39.573181",
+        "id": "",
+        "iteration": "",
+        "predictions": [
+            {
+                "boundingBox": null,
+                "probability": 0.9995615482330322,
+                "tagId": "",
+                "tagName": "ripe"
+            },
+            {
+                "boundingBox": null,
+                "probability": 0.0004384400090202689,
+                "tagId": "",
+                "tagName": "unripe"
+            }
+        ],
+        "project": ""
+    }
+    ```
+
+    > 💁 這裡不需要提供預測金鑰，因為這不是使用 Azure 資源。相反，安全性將基於內部網路的內部安全需求進行配置，而不是依賴公共端點和 API 金鑰。
+
+## 使用你的 IoT Edge 設備
+
+現在你的映像分類器已部署到 IoT Edge 設備，你可以從 IoT 設備使用它。
+
+### 任務 - 使用你的 IoT Edge 設備
+
+按照相關指南使用 IoT Edge 分類器進行映像分類：
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [單板電腦 - Raspberry Pi/虛擬 IoT 設備](single-board-computer.md)
+
+### 模型重新訓練
+
+在 IoT Edge 上運行映像分類器的一個缺點是它們未連接到你的 Custom Vision 專案。如果你查看 Custom Vision 的 **預測** 分頁，將看不到使用基於 Edge 的分類器分類的映像。
+
+這是預期行為——映像不會被發送到雲端進行分類，因此它們不會在雲端中可用。使用 IoT Edge 的一個優點是隱私性，確保映像不會離開你的網路，另一個優點是能夠離線工作，因此當設備沒有網路連接時不依賴於上傳映像。缺點是改進你的模型——你需要實現另一種方式來儲存映像，這些映像可以手動重新分類以改進和重新訓練映像分類器。
+
+✅ 思考如何上傳映像以重新訓練分類器。
+
+---
+
+## 🚀 挑戰
+
+在邊緣設備上運行 AI 模型可能比在雲端更快——網路跳躍更短。它們也可能更慢，因為運行模型的硬體可能不如雲端強大。
+
+進行一些計時，並比較調用邊緣設備是否比調用雲端更快或更慢？思考解釋差異或缺乏差異的原因。研究如何使用專用硬體在邊緣上更快地運行 AI 模型。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## 回顧與自學
+
+* 閱讀更多關於容器的內容，請參考 [Wikipedia 上的作業系統級虛擬化頁面](https://wikipedia.org/wiki/OS-level_virtualization)。
+* 閱讀更多有關邊緣運算的內容，特別是5G如何幫助擴展邊緣運算的相關資訊，請參考[NetworkWorld 上的「什麼是邊緣運算及其重要性」文章](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)  
+* 透過觀看[Microsoft Channel9 上 Learn Live 節目中的「學習如何在邊緣上使用 Azure IoT Edge 的預建 AI 服務進行語言檢測」集數](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)，了解更多在 IoT Edge 上運行 AI 服務的知識。
+
+## 作業
+
+[在邊緣運行其他服務](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..bc7b969e
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T22:01:49+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 在邊緣運行其他服務
+
+## 指導說明
+
+不僅僅是影像分類器可以在邊緣運行，任何可以打包成容器的應用都可以部署到 IoT Edge 設備上。無伺服器代碼（如您在之前課程中創建的觸發器）可以作為 Azure Functions 運行在容器中，因此也可以在 IoT Edge 上運行。
+
+選擇之前的某一課程，嘗試將 Azure Functions 應用運行在 IoT Edge 容器中。您可以在 [教程：將 Azure Functions 部署為 IoT Edge 模組 - Microsoft 文檔](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) 中找到使用不同 Functions 應用項目進行操作的指南。
+
+## 評分標準
+
+| 評分標準 | 卓越 | 合格 | 需要改進 |
+| -------- | ----- | ----- | -------- |
+| 將 Azure Functions 應用部署到 IoT Edge | 能夠成功將 Azure Functions 應用部署到 IoT Edge，並使用 IoT 設備從 IoT 數據運行觸發器 | 能夠將 Functions 應用部署到 IoT Edge，但無法成功觸發 | 無法將 Functions 應用部署到 IoT Edge |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..2d7885ae
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T22:04:19+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "mo"
+}
+-->
+# 使用基於 IoT Edge 的影像分類器來分類影像 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，您將使用運行於 IoT Edge 裝置上的影像分類器。
+
+## 使用 IoT Edge 分類器
+
+IoT 裝置可以重新導向以使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，將 `<IP address or name>` 替換為運行 IoT Edge 的電腦的 IP 位址或主機名稱。
+
+Custom Vision 的 Python 函式庫僅適用於雲端託管的模型，而不適用於 IoT Edge 上的模型。這意味著您需要使用 REST API 來呼叫分類器。
+
+### 任務 - 使用 IoT Edge 分類器
+
+1. 如果尚未開啟，請在 VS Code 中開啟 `fruit-quality-detector` 專案。如果您使用的是虛擬 IoT 裝置，請確保虛擬環境已啟動。
+
+1. 開啟 `app.py` 檔案，並移除來自 `azure.cognitiveservices.vision.customvision.prediction` 和 `msrest.authentication` 的匯入語句。
+
+1. 在檔案頂部新增以下匯入語句：
+
+    ```python
+    import requests
+    ```
+
+1. 刪除從 `image_file.write(image.read())` 到檔案結尾的所有程式碼。
+
+1. 在檔案結尾新增以下程式碼：
+
+    ```python
+    prediction_url = '<URL>'
+    headers = {
+        'Content-Type' : 'application/octet-stream'
+    }
+    image.seek(0)
+    response = requests.post(prediction_url, headers=headers, data=image)
+    results = response.json()
+    
+    for prediction in results['predictions']:
+        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
+    ```
+
+    將 `<URL>` 替換為您的分類器的 URL。
+
+    此程式碼會向分類器發送一個 REST POST 請求，將影像作為請求的主體發送。結果以 JSON 格式返回，並解碼以列印出概率。
+
+1. 執行您的程式碼，將相機對準一些水果，或使用適當的影像集，或者如果使用虛擬 IoT 硬體，則讓水果在您的網路攝影機中可見。您將在控制台中看到輸出：
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 您可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的水果品質分類器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..35f3d1fa
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T22:02:48+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "mo"
+}
+-->
+# 建立運行 IoT Edge 的虛擬機器
+
+在 Azure 中，你可以建立一台虛擬機器——一台雲端中的電腦，你可以隨意配置並在其上運行自己的軟體。
+
+> 💁 你可以在 [維基百科的虛擬機器頁面](https://wikipedia.org/wiki/Virtual_machine) 上了解更多關於虛擬機器的資訊。
+
+## 任務 - 設置 IoT Edge 虛擬機器
+
+1. 執行以下指令來建立一台已預先安裝 Azure IoT Edge 的虛擬機器：
+
+    ```sh
+    az deployment group create \
+                --resource-group fruit-quality-detector \
+                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
+                --parameters dnsLabelPrefix=<vm_name> \
+                --parameters adminUsername=<username> \
+                --parameters deviceConnectionString="<connection_string>" \
+                --parameters authenticationType=password \
+                --parameters adminPasswordOrKey="<password>"
+    ```
+
+    將 `<vm_name>` 替換為這台虛擬機器的名稱。這個名稱需要在全球範圍內唯一，因此可以使用類似 `fruit-quality-detector-vm-` 加上你的名字或其他值作為結尾。
+
+    將 `<username>` 和 `<password>` 替換為用於登入虛擬機器的使用者名稱和密碼。這些需要相對安全，因此不能使用 admin/password 這樣的簡單組合。
+
+    將 `<connection_string>` 替換為你的 `fruit-quality-detector-edge` IoT Edge 裝置的連接字串。
+
+    這將建立一台配置為 `DS1 v2` 類型的虛擬機器。這些類別表示機器的性能，也因此影響成本。這台虛擬機器有 1 顆 CPU 和 3.5GB 的記憶體。
+
+    > 💰 你可以在 [Azure 虛擬機器定價指南](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) 上查看這些虛擬機器的最新價格。
+
+    一旦虛擬機器建立完成，IoT Edge 執行環境將自動安裝，並配置為連接到你的 IoT Hub 作為 `fruit-quality-detector-edge` 裝置。
+
+1. 你需要虛擬機器的 IP 位址或 DNS 名稱來從中調用影像分類器。執行以下指令來獲取這些資訊：
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    複製 `PublicIps` 欄位或 `Fqdns` 欄位的值。
+
+1. 虛擬機器是需要花費金錢的。截至撰寫本文時，一台 DS1 虛擬機器的成本約為每小時 $0.06。為了降低成本，你應該在不使用時關閉虛擬機器，並在完成此專案後刪除它。
+
+    你可以配置虛擬機器在每天的特定時間自動關閉。這樣即使你忘記手動關閉，也不會被收取超過自動關機時間的費用。使用以下指令來設置：
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    將 `<vm_name>` 替換為你的虛擬機器名稱。
+
+    將 `<shutdown_time_utc>` 替換為你希望虛擬機器關機的 UTC 時間，使用 4 位數字表示 HHMM。例如，如果你希望在 UTC 午夜關機，則設置為 `0000`。如果是美國西岸晚上 7:30，則設置為 `0230`（美國西岸晚上 7:30 對應 UTC 時間為凌晨 2:30）。
+
+1. 你的影像分類器將在這個邊緣裝置上運行，並監聽 80 埠（標準 HTTP 埠）。預設情況下，虛擬機器的入站埠是被封鎖的，因此你需要啟用 80 埠。埠是通過網路安全群組啟用的，因此首先你需要知道虛擬機器的網路安全群組名稱，可以通過以下指令獲取：
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    複製 `Name` 欄位的值。
+
+1. 執行以下指令，為網路安全群組新增一條規則以開啟 80 埠：
+
+    ```sh
+    az network nsg rule create \
+                        --resource-group fruit-quality-detector \
+                        --name Port_80 \
+                        --protocol tcp \
+                        --priority 1010 \
+                        --destination-port-range 80 \
+                        --nsg-name <nsg name>
+    ```
+
+    將 `<nsg name>` 替換為上一個步驟中獲取的網路安全群組名稱。
+
+### 任務 - 管理你的虛擬機器以降低成本
+
+1. 當你不使用虛擬機器時，應該將其關閉。使用以下指令關閉虛擬機器：
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    將 `<vm_name>` 替換為你的虛擬機器名稱。
+
+    > 💁 也有一個 `az vm stop` 指令可以停止虛擬機器，但這會保留電腦資源分配給你，因此仍然會像虛擬機器在運行時一樣收費。
+
+1. 要重新啟動虛擬機器，使用以下指令：
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    將 `<vm_name>` 替換為你的虛擬機器名稱。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..3d64f1aa
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T22:03:41+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "mo"
+}
+-->
+# 使用 IoT Edge 基於影像分類器進行影像分類 - Wio Terminal
+
+在本課程的這部分，您將使用運行在 IoT Edge 裝置上的影像分類器。
+
+## 使用 IoT Edge 影像分類器
+
+IoT 裝置可以重新導向使用 IoT Edge 影像分類器。影像分類器的 URL 是 `http://<IP address or name>/image`，其中 `<IP address or name>` 需要替換為運行 IoT Edge 的電腦的 IP 地址或主機名稱。
+
+### 任務 - 使用 IoT Edge 影像分類器
+
+1. 如果尚未打開 `fruit-quality-detector` 應用程式專案，請打開它。
+
+1. 影像分類器作為 REST API 運行，使用的是 HTTP 而非 HTTPS，因此呼叫需要使用僅支援 HTTP 呼叫的 WiFi 客戶端。這意味著不需要憑證。刪除 `config.h` 文件中的 `CERTIFICATE`。
+
+1. `config.h` 文件中的預測 URL 需要更新為新的 URL。您也可以刪除 `PREDICTION_KEY`，因為這不再需要。
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    將 `<URL>` 替換為您的分類器的 URL。
+
+1. 在 `main.cpp` 中，將 WiFi Client Secure 的 include 指令改為導入標準的 HTTP 版本：
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. 將 `WiFiClient` 的宣告更改為 HTTP 版本：
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. 找到在 WiFi 客戶端上設置憑證的那一行。從 `connectWiFi` 函數中移除 `client.setCACert(CERTIFICATE);` 這一行。
+
+1. 在 `classifyImage` 函數中，移除 `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` 這一行，該行用於在標頭中設置預測密鑰。
+
+1. 上傳並運行您的程式。將相機對準一些水果並按下 C 按鈕。您將在序列監視器中看到輸出：
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 您的水果品質分類器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..e3864ab5
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T22:06:59+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "mo"
+}
+-->
+# 從感測器觸發水果品質檢測
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## 簡介
+
+物聯網應用並不僅僅是單一設備捕捉數據並將其發送到雲端。通常，它涉及多個設備協同工作，使用感測器從物理世界捕捉數據，根據這些數據做出決策，並通過執行器或可視化方式與物理世界進行交互。
+
+在本課程中，您將深入了解如何設計複雜的物聯網應用，整合多個感測器、多個雲端服務來分析和存儲數據，並通過執行器顯示響應。您將學習如何設計一個水果品質控制系統的原型，包括使用接近感測器觸發物聯網應用，以及該原型的架構。
+
+本課程將涵蓋以下內容：
+
+* [設計複雜的物聯網應用](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [設計水果品質控制系統](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [從感測器觸發水果品質檢測](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [水果品質檢測器使用的數據](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [使用開發者設備模擬多個物聯網設備](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [進入量產階段](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，請記得清理您的雲端服務。您需要這些服務來完成作業，因此請確保先完成作業。
+>
+> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指導。
+
+## 設計複雜的物聯網應用
+
+物聯網應用由許多元件組成，包括各種設備和網路服務。
+
+物聯網應用可以描述為由*設備*（事物）發送數據生成*洞察*，這些*洞察*再生成*行動*以改善業務或流程。例如，一個引擎（事物）發送溫度數據。這些數據用於評估引擎是否正常運行（洞察）。洞察則用於主動優化引擎的維護計劃（行動）。
+
+* 不同的設備收集不同的數據。
+* 物聯網服務基於這些數據提供洞察，有時還會結合其他來源的數據。
+* 這些洞察驅動行動，包括控制設備中的執行器或可視化數據。
+
+### 物聯網架構參考
+
+![物聯網架構參考](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.mo.png)
+
+上圖展示了一個物聯網架構參考。
+
+> 🎓 *架構參考*是一個可以在設計新系統時用作參考的示例架構。在這種情況下，如果您正在構建新的物聯網系統，可以遵循此架構參考，並根據需要替換自己的設備和服務。
+
+* **事物**是從感測器收集數據的設備，可能與邊緣服務交互以解釋這些數據，例如使用影像分類器解釋影像數據。設備的數據被發送到物聯網服務。
+* **洞察**來自無伺服器應用或存儲數據的分析。
+* **行動**可以是發送給設備的指令，或是可視化數據以幫助人類做出決策。
+
+![Azure 物聯網架構參考](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.mo.png)
+
+上圖展示了本課程中涵蓋的一些元件和服務，以及它們如何在物聯網架構參考中相互連結。
+
+* **事物** - 您已撰寫設備程式碼以從感測器捕捉數據，並使用 Custom Vision 在雲端和邊緣設備上分析影像。這些數據被發送到 IoT Hub。
+* **洞察** - 您已使用 Azure Functions 回應發送到 IoT Hub 的訊息，並將數據存儲在 Azure Storage 中以供後續分析。
+* **行動** - 您已根據雲端的決策控制執行器並發送指令到設備，並使用 Azure Maps 可視化數據。
+
+✅ 思考您使用過的其他物聯網設備，例如智能家居設備。這些設備及其軟體中涉及哪些事物、洞察和行動？
+
+此模式可以根據需要擴展，添加更多設備和服務。
+
+### 數據與安全性
+
+在定義系統架構時，您需要不斷考慮數據和安全性。
+
+* 您的設備發送和接收哪些數據？
+* 如何保護和加密這些數據？
+* 如何控制對設備和雲端服務的訪問？
+
+✅ 思考您擁有的任何物聯網設備的數據安全性。哪些數據是個人數據，應在傳輸和存儲時保持私密？哪些數據不應存儲？
+
+## 設計水果品質控制系統
+
+現在讓我們將事物、洞察和行動的概念應用到水果品質檢測器，設計一個更大的端到端應用。
+
+假設您被要求構建一個水果品質檢測器，用於加工廠。水果在輸送帶系統上移動，目前員工手動檢查水果並移除任何未成熟的水果。為了降低成本，廠主希望建立一個自動化系統。
+
+✅ 隨著物聯網（以及技術）的興起，許多手動工作正在被機器取代。進行一些研究：估計有多少工作因物聯網而消失？又有多少新工作因物聯網設備的建造而創造？
+
+您需要構建一個系統，當水果到達輸送帶時進行檢測，拍攝照片並使用在邊緣運行的 AI 模型進行檢查。結果被發送到雲端存儲，如果水果未成熟，則發出通知以便移除未成熟的水果。
+
+|   |   |
+| - | - |
+| **事物** | 檢測輸送帶上到達的水果<br>拍攝照片並分類水果<br>運行分類器的邊緣設備<br>通知未成熟水果的設備 |
+| **洞察** | 決定檢查水果的成熟度<br>存儲成熟度分類的結果<br>判斷是否需要警告未成熟水果 |
+| **行動** | 發送指令給設備拍攝水果並使用影像分類器進行檢查<br>發送指令給設備警告未成熟水果 |
+
+### 應用原型設計
+
+![水果品質檢測的物聯網架構參考](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.mo.png)
+
+上圖展示了此原型應用的架構參考。
+
+* 配備接近感測器的物聯網設備檢測到水果到達。這會向雲端發送訊息，表示檢測到水果。
+* 雲端中的無伺服器應用向另一設備發送指令，拍攝照片並進行分類。
+* 配備相機的物聯網設備拍攝照片並將其發送到在邊緣運行的影像分類器。結果隨後被發送到雲端。
+* 雲端中的無伺服器應用存儲這些信息以供後續分析，查看未成熟水果的百分比。如果水果未成熟，則向另一配備 LED 的物聯網設備發送指令，通知工廠工人有未成熟水果。
+
+> 💁 整個物聯網應用可以作為單一設備實現，所有啟動影像分類和控制 LED 的邏輯都內建其中。它可以僅使用 IoT Hub 來追蹤檢測到的未成熟水果數量並配置設備。在本課程中，該應用被擴展以展示大型物聯網應用的概念。
+
+在原型中，您將在單一設備上實現所有功能。如果您使用的是微控制器，則需要使用單獨的邊緣設備運行影像分類器。您已經學習了構建所需的大部分內容。
+
+## 從感測器觸發水果品質檢測
+
+物聯網設備需要某種觸發器來指示水果準備進行分類。一種觸發器是通過測量到感測器的距離來判斷水果是否在輸送帶上的正確位置。
+
+![接近感測器發送雷射光束到物體（如香蕉），並計算光束反射回來的時間](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.mo.png)
+
+接近感測器可用於測量感測器與物體之間的距離。它們通常發射電磁輻射光束，例如雷射光束或紅外線光，然後檢測反射回來的輻射。從光束發射到信號反射回來的時間可用於計算到感測器的距離。
+
+> 💁 您可能在不知情的情況下使用過接近感測器。大多數智能手機在您將其靠近耳朵時會關閉螢幕，以防止耳垂意外結束通話。這是通過接近感測器實現的，感測器在通話期間檢測到螢幕附近的物體並禁用觸控功能，直到手機距離一定範圍外。
+
+### 任務 - 使用距離感測器觸發水果品質檢測
+
+按照相關指南，使用接近感測器檢測物體並使用您的物聯網設備：
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [單板電腦 - Raspberry Pi](pi-proximity.md)
+* [單板電腦 - 虛擬設備](virtual-device-proximity.md)
+
+## 水果品質檢測器使用的數據
+
+原型水果檢測器有多個元件相互通信。
+
+![元件之間的通信](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.mo.png)
+
+* 接近感測器測量到水果的距離並將其發送到 IoT Hub
+* 控制相機的指令從 IoT Hub 發送到相機設備
+* 影像分類的結果被發送到 IoT Hub
+* 控制 LED 警告未成熟水果的指令從 IoT Hub 發送到配備 LED 的設備
+
+在構建應用之前，最好先定義這些訊息的結構。
+
+> 💁 幾乎每位有經驗的開發者都曾因發送的數據與預期數據不一致而花費數小時、數天甚至數週追蹤錯誤。
+
+例如 - 如果您正在發送溫度信息，如何定義 JSON？您可以使用名為 `temperature` 的欄位，也可以使用常見縮寫 `temp`。
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+與：
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+您還需要考慮單位 - 溫度是以 °C 還是 °F 表示？如果您使用消費者設備測量溫度並更改顯示單位，則需要確保發送到雲端的單位保持一致。
+
+✅ 進行一些研究：單位問題如何導致價值 1.25 億美元的火星氣候探測器墜毀？
+
+思考水果品質檢測器發送的數據。如何定義每個訊息？在哪裡分析數據並決定發送哪些數據？
+
+例如 - 使用接近感測器觸發影像分類。物聯網設備測量距離，但決策在哪裡做出？設備是否決定水果足夠接近並發送訊息告訴 IoT Hub 觸發分類？或者它是否發送距離測量並讓 IoT Hub 做出決策？
+
+這些問題的答案是 - 視情況而定。每個使用案例都不同，因此作為物聯網開發者，您需要了解您正在構建的系統、它的使用方式以及檢測到的數據。
+
+* 如果由 IoT Hub 做出決策，您需要發送多個距離測量。
+* 如果發送過多訊息，會增加 IoT Hub 的成本以及物聯網設備所需的頻寬（尤其是在有數百萬設備的工廠中）。這也可能會減慢設備速度。
+* 如果在設備上做出決策，您需要提供配置設備的方法以微調機器。
+
+## 使用開發者設備模擬多個物聯網設備
+
+為了構建您的原型，您需要讓您的物聯網開發套件模擬多個設備，發送遙測數據並回應指令。
+
+### 在 Raspberry Pi 或虛擬物聯網硬體上模擬多個物聯網設備
+
+使用像 Raspberry Pi 這樣的單板電腦時，您可以同時運行多個應用程式。這意味著您可以通過創建多個應用程式（每個應用程式代表一個“物聯網設備”）來模擬多個物聯網設備。例如，您可以將每個設備實現為單獨的 Python 文件並在不同的終端會話中運行它們。
+💁 請注意，某些硬體在同時被多個應用程式存取時可能無法正常運作。
+### 模擬微控制器上的多個設備
+
+微控制器在模擬多個設備方面更為複雜。與單板電腦不同，微控制器無法同時運行多個應用程式，必須將所有獨立的物聯網設備邏輯整合到一個應用程式中。
+
+以下是一些讓這個過程更簡單的建議：
+
+* 為每個物聯網設備建立一個或多個類別，例如名為 `DistanceSensor`、`ClassifierCamera`、`LEDController` 的類別。每個類別可以有自己的 `setup` 和 `loop` 方法，由主程式的 `setup` 和 `loop` 函數調用。
+* 在一個集中位置處理命令，並根據需要將命令分配到相關的設備類別。
+* 在主程式的 `loop` 函數中，需要考慮每個不同設備的時間安排。例如，如果有一個設備類別需要每10秒處理一次，另一個需要每1秒處理一次，那麼在主程式的 `loop` 函數中使用1秒的延遲。每次 `loop` 調用都會觸發需要每秒處理的設備的相關程式碼，並使用計數器來計算每次循環，當計數器達到10時處理另一個設備（然後重置計數器）。
+
+## 移至生產階段
+
+原型將成為最終生產系統的基礎。當移至生產階段時，可能會有以下差異：
+
+* 耐用的元件 - 使用能夠承受工廠中的噪音、熱量、震動和壓力的硬體。
+* 使用內部通信 - 部分元件會直接通信，避免跳到雲端，只將數據發送到雲端進行存儲。具體方式取決於工廠的設置，可以是直接通信，也可以通過使用網關設備在邊緣運行部分物聯網服務。
+* 配置選項 - 每個工廠和使用案例都不同，因此硬體需要具備可配置性。例如，接近感測器可能需要在不同距離檢測不同的水果。與其將觸發分類的距離硬編碼，您可能希望通過雲端進行配置，例如使用設備雙胞胎。
+* 自動化水果移除 - 不再使用LED來提示水果未成熟，而是使用自動化設備進行移除。
+
+✅ 做些研究：生產設備與開發套件還有哪些其他不同之處？
+
+---
+
+## 🚀 挑戰
+
+在本課中，您學到了設計物聯網系統所需的一些概念。回想之前的項目，它們如何適配上述的參考架構？
+
+選擇一個之前的項目，思考設計一個更複雜的解決方案，結合多種功能超越項目中所涵蓋的內容。繪製架構圖，並思考您需要的所有設備和服務。
+
+例如 - 一個車輛追蹤設備，結合GPS和感測器來監控冷藏卡車中的溫度、引擎啟動和關閉時間，以及司機的身份。涉及哪些設備、服務、傳輸的數據，以及安全和隱私的考量？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## 回顧與自學
+
+* 閱讀更多關於物聯網架構的內容：[Azure IoT 參考架構文檔 - Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* 閱讀更多關於設備雙胞胎的內容：[了解並使用 IoT Hub 中的設備雙胞胎文檔 - Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* 閱讀關於 OPC-UA 的內容，這是一種用於工業自動化的機器對機器通信協議：[OPC-UA 頁面 - Wikipedia](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## 作業
+
+[建立一個水果品質檢測器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..bd622052
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T22:08:12+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 建立水果品質檢測器
+
+## 說明
+
+來建立水果品質檢測器吧！
+
+運用你到目前為止學到的一切，製作一個原型的水果品質檢測器。利用在邊緣運行的 AI 模型，根據距離觸發影像分類，將分類結果儲存到儲存空間中，並根據水果的成熟度控制 LED 燈。
+
+你應該能夠使用之前所有課程中撰寫的程式碼來組合完成這個專案。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 配置所有服務 | 能夠成功設置 IoT Hub、Azure Functions 應用程式和 Azure 儲存空間 | 能夠設置 IoT Hub，但無法設置 Azure Functions 應用程式或 Azure 儲存空間 | 無法設置任何 IoT 相關服務 |
+| 監測距離並在物體接近預定距離時將數據發送到 IoT Hub，並通過指令觸發相機 | 能夠測量距離並在物體足夠接近時向 IoT Hub 發送訊息，並成功發送指令觸發相機 | 能夠測量距離並將數據發送到 IoT Hub，但無法發送指令觸發相機 | 無法測量距離或將訊息發送到 IoT Hub，也無法觸發指令 |
+| 捕捉影像、進行分類並將結果發送到 IoT Hub | 能夠捕捉影像，使用邊緣設備進行分類，並將結果發送到 IoT Hub | 能夠分類影像，但未使用邊緣設備，或無法將結果發送到 IoT Hub | 無法對影像進行分類 |
+| 根據分類結果，通過發送指令控制裝置上的 LED 開啟或關閉 | 能夠根據水果未成熟的分類結果，通過指令成功開啟 LED 燈 | 能夠發送指令到裝置，但無法控制 LED 燈 | 無法發送指令來控制 LED 燈 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..22f60aa1
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T22:09:14+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "mo"
+}
+-->
+# 檢測接近 - Raspberry Pi
+
+在本課程中，您將為 Raspberry Pi 添加一個接近感測器，並從中讀取距離。
+
+## 硬體
+
+Raspberry Pi 需要一個接近感測器。
+
+您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來檢測距離。此感測器的範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
+
+雷射測距儀位於感測器的背面，也就是 Grove 插座的相反側。
+
+這是一個 I²C 感測器。
+
+### 連接飛行時間感測器
+
+Grove 飛行時間感測器可以連接到 Raspberry Pi。
+
+#### 任務 - 連接飛行時間感測器
+
+連接飛行時間感測器。
+
+![Grove 飛行時間感測器](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.mo.png)
+
+1. 將 Grove 電纜的一端插入飛行時間感測器上的插座。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Grove Base hat 上標有 **I²C** 的插座之一。這些插座位於底部排，靠近相機電纜插槽，與 GPIO 引腳的相反端。
+
+![Grove 飛行時間感測器連接到 I²C 插座](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.mo.png)
+
+## 程式設計飛行時間感測器
+
+現在可以為 Raspberry Pi 編程以使用已連接的飛行時間感測器。
+
+### 任務 - 程式設計飛行時間感測器
+
+編程設備。
+
+1. 啟動 Raspberry Pi，並等待其完成啟動。
+
+1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，可以直接在 Raspberry Pi 上操作，也可以通過 Remote SSH 擴展連接。
+
+1. 安裝 rpi-vl53l0x Pip 套件，這是一個與 VL53L0X 飛行時間距離感測器互動的 Python 套件。使用以下 pip 命令安裝：
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. 在此專案中建立一個名為 `distance-sensor.py` 的新檔案。
+
+    > 💁 模擬多個 IoT 設備的一個簡單方法是將每個設備放在不同的 Python 檔案中，然後同時運行它們。
+
+1. 將以下程式碼添加到此檔案中：
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    此程式碼導入 Grove I²C 總線庫，以及 Grove 飛行時間感測器內建核心硬體的感測器庫。
+
+1. 在此程式碼下方，添加以下程式碼以訪問感測器：
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    此程式碼使用 Grove I²C 總線宣告一個距離感測器，然後啟動感測器。
+
+1. 最後，添加一個無限迴圈以讀取距離：
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    此程式碼等待感測器準備好讀取值，然後將其打印到控制台。
+
+1. 運行此程式碼。
+
+    > 💁 別忘了此檔案名為 `distance-sensor.py`！請確保通過 Python 運行它，而不是 `app.py`。
+
+1. 您將在控制台中看到距離測量值。將物體放置在感測器附近，您將看到距離測量值：
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
+
+    ![飛行時間感測器背面的測距儀指向一根香蕉](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.mo.png)
+
+> 💁 您可以在 [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) 資料夾中找到此程式碼。
+
+😀 您的接近感測器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..26714044
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T22:11:15+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "mo"
+}
+-->
+# 偵測接近 - 虛擬物聯網硬體
+
+在本課程的這部分，您將為虛擬物聯網設備添加一個接近感測器，並從中讀取距離。
+
+## 硬體
+
+虛擬物聯網設備將使用模擬的距離感測器。
+
+在實體物聯網設備中，您會使用帶有雷射測距模組的感測器來偵測距離。
+
+### 在 CounterFit 中添加距離感測器
+
+要使用虛擬距離感測器，您需要在 CounterFit 應用程式中添加一個。
+
+#### 任務 - 在 CounterFit 中添加距離感測器
+
+在 CounterFit 應用程式中添加距離感測器。
+
+1. 在 VS Code 中打開 `fruit-quality-detector` 程式碼，並確保虛擬環境已啟動。
+
+1. 安裝額外的 Pip 套件，以安裝一個 CounterFit shim，該 shim 可以通過模擬 [rpi-vl53l0x Pip 套件](https://pypi.org/project/rpi-vl53l0x/) 與距離感測器通信。這是一個與 [VL53L0X 飛行時間距離感測器](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) 互動的 Python 套件。確保您是在啟動虛擬環境的終端中安裝此套件。
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. 確保 CounterFit 網頁應用程式正在運行。
+
+1. 創建一個距離感測器：
+
+    1. 在 *Sensors* 面板的 *Create sensor* 框中，展開 *Sensor type* 下拉框並選擇 *Distance*。
+
+    1. 將 *Units* 保持為 `Millimeter`。
+
+    1. 此感測器是一個 I2C 感測器，因此將地址設置為 `0x29`。如果您使用的是實體 VL53L0X 感測器，它的地址會被硬編碼為此值。
+
+    1. 選擇 **Add** 按鈕以創建距離感測器。
+
+    ![距離感測器設置](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.mo.png)
+
+    距離感測器將被創建並顯示在感測器列表中。
+
+    ![已創建的距離感測器](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.mo.png)
+
+## 程式化距離感測器
+
+現在可以程式化虛擬物聯網設備以使用模擬的距離感測器。
+
+### 任務 - 程式化飛行時間感測器
+
+1. 在 `fruit-quality-detector` 專案中創建一個名為 `distance-sensor.py` 的新檔案。
+
+    > 💁 模擬多個物聯網設備的一個簡單方法是將每個設備放在不同的 Python 檔案中，然後同時運行它們。
+
+1. 使用以下程式碼啟動與 CounterFit 的連接：
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. 在此程式碼下方添加以下程式碼：
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    這會導入 VL53L0X 飛行時間感測器的感測器庫 shim。
+
+1. 在此程式碼下方，添加以下程式碼以訪問感測器：
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    此程式碼宣告了一個距離感測器，然後啟動該感測器。
+
+1. 最後，添加一個無限迴圈以讀取距離：
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    此程式碼等待感測器準備好讀取值，然後將其打印到控制台。
+
+1. 運行此程式碼。
+
+    > 💁 別忘了此檔案名為 `distance-sensor.py`！請確保通過 Python 運行此檔案，而不是 `app.py`。
+
+1. 您將在控制台中看到距離測量值。更改 CounterFit 中的值以查看此值的變化，或者使用隨機值。
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 您可以在 [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的接近感測器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..e0e65c0e
--- /dev/null
+++ b/translations/mo/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T22:10:16+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "mo"
+}
+-->
+# 偵測接近 - Wio Terminal
+
+在本課程中，您將為 Wio Terminal 添加一個接近感測器，並從中讀取距離。
+
+## 硬體
+
+Wio Terminal 需要一個接近感測器。
+
+您將使用的感測器是 [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)。此感測器使用雷射測距模組來檢測距離。此感測器的範圍為 10mm 至 2000mm（1cm - 2m），並能相當準確地報告該範圍內的值，超過 1000mm 的距離將報告為 8109mm。
+
+雷射測距儀位於感測器的背面，也就是 Grove 插座的相反側。
+
+這是一個 I²C 感測器。
+
+### 連接飛行時間感測器
+
+Grove 飛行時間感測器可以連接到 Wio Terminal。
+
+#### 任務 - 連接飛行時間感測器
+
+連接飛行時間感測器。
+
+![Grove 飛行時間感測器](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.mo.png)
+
+1. 將 Grove 電纜的一端插入飛行時間感測器上的插座。它只能以一種方式插入。
+
+1. 在 Wio Terminal 未連接到您的電腦或其他電源的情況下，將 Grove 電纜的另一端連接到 Wio Terminal 左側的 Grove 插座（面向螢幕）。這是靠近電源按鈕的插座，該插座是數位和 I²C 的組合插座。
+
+![Grove 飛行時間感測器連接到左側插座](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.mo.png)
+
+1. 現在，您可以將 Wio Terminal 連接到您的電腦。
+
+## 程式設計飛行時間感測器
+
+現在可以為 Wio Terminal 編程以使用已連接的飛行時間感測器。
+
+### 任務 - 程式設計飛行時間感測器
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `distance-sensor`。在 `setup` 函數中添加程式碼以配置序列埠。
+
+1. 在專案的 `platformio.ini` 文件中添加 Seeed Grove 飛行時間距離感測器庫的依賴項：
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. 在 `main.cpp` 中，將以下程式碼添加到現有的 include 指令下方，以宣告一個 `Seeed_vl53l0x` 類的實例，用於與飛行時間感測器互動：
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. 在 `setup` 函數的底部添加以下程式碼以初始化感測器：
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. 在 `loop` 函數中，從感測器讀取一個值：
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    此程式碼初始化一個資料結構以讀取資料，然後將其傳遞給 `PerformSingleRangingMeasurement` 方法，該方法將填充距離測量值。
+
+1. 在此程式碼下方，輸出距離測量值，然後延遲 1 秒：
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. 建置、上傳並執行此程式碼。您將能夠使用序列監視器查看距離測量值。將物體放置在感測器附近，您將看到距離測量值：
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    測距儀位於感測器的背面，因此在測量距離時請確保使用正確的一側。
+
+    ![飛行時間感測器背面的測距儀指向一根香蕉](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.mo.png)
+
+> 💁 您可以在 [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的接近感測器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
\ No newline at end of file
diff --git a/translations/mo/5-retail/README.md b/translations/mo/5-retail/README.md
new file mode 100644
index 00000000..90905d16
--- /dev/null
+++ b/translations/mo/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T21:29:02+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "mo"
+}
+-->
+# 零售 - 使用物聯網管理庫存水平
+
+飼料到達消費者手中的最後一個階段是零售——市場、蔬果店、超市和商店，這些地方將產品銷售給消費者。這些商店希望確保貨架上有產品供消費者看到和購買。
+
+在食品商店，特別是大型超市中，最繁瑣且耗時的任務之一就是確保貨架上有足夠的商品。需要檢查每個貨架，確保任何空缺都能用庫房中的商品補上。
+
+物聯網可以幫助解決這個問題，通過在物聯網設備上運行的人工智慧模型來計算庫存，這些機器學習模型不僅能分類圖像，還能檢測單個物品並進行計數。
+
+在這兩節課中，您將學習如何訓練基於圖像的人工智慧模型來計算庫存，並在物聯網設備上運行這些模型。
+
+> 💁 這些課程將使用一些雲端資源。如果您未完成此專案中的所有課程，請確保[清理您的專案](../clean-up.md)。
+
+## 主題
+
+1. [訓練一個庫存檢測器](./lessons/1-train-stock-detector/README.md)  
+1. [從物聯網設備檢查庫存](./lessons/2-check-stock-device/README.md)
+
+## 致謝
+
+所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/1-train-stock-detector/README.md b/translations/mo/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..cb808ea3
--- /dev/null
+++ b/translations/mo/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T21:38:49+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "mo"
+}
+-->
+# 訓練庫存檢測器
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了 Azure Custom Vision 服務中的物件檢測功能，該服務將在本課程中介紹。
+
+[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## 簡介
+
+在上一個專案中，你使用 AI 訓練了一個影像分類器——一個可以判斷影像中是否包含某些內容的模型，例如成熟水果或未成熟水果。另一種可以用於影像的 AI 模型是物件檢測。這些模型不會通過標籤來分類影像，而是訓練來識別物件，並能在影像中找到它們，不僅能檢測影像中是否存在物件，還能檢測物件在影像中的位置。這使得你可以計算影像中的物件數量。
+
+在本課程中，你將學習物件檢測，包括它在零售中的應用方式。你還將學習如何在雲端中訓練物件檢測器。
+
+本課程將涵蓋以下內容：
+
+* [物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
+* [在零售中使用物件檢測](../../../../../5-retail/lessons/1-train-stock-detector)
+* [訓練物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
+* [測試你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
+* [重新訓練你的物件檢測器](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## 物件檢測
+
+物件檢測是使用 AI 在影像中檢測物件。與你在上一個專案中訓練的影像分類器不同，物件檢測不是用來預測整個影像的最佳標籤，而是用來在影像中找到一個或多個物件。
+
+### 物件檢測與影像分類的區別
+
+影像分類是對整個影像進行分類——判斷整個影像與每個標籤匹配的概率。你會得到模型訓練中使用的每個標籤的概率。
+
+![腰果和番茄醬的影像分類](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.mo.png)
+
+在上面的例子中，兩張影像使用一個訓練來分類腰果罐或番茄醬罐的模型進行分類。第一張影像是一罐腰果，影像分類器的結果如下：
+
+| 標籤            | 機率       |
+| -------------- | ----------: |
+| `腰果`         | 98.4%       |
+| `番茄醬`       | 1.6%        |
+
+第二張影像是一罐番茄醬，結果如下：
+
+| 標籤            | 機率       |
+| -------------- | ----------: |
+| `腰果`         | 0.7%        |
+| `番茄醬`       | 99.3%       |
+
+你可以使用這些值和一個閾值百分比來預測影像中包含的內容。但如果影像中包含多罐番茄醬，或者同時包含腰果和番茄醬呢？結果可能不會給你想要的答案。這就是物件檢測的用武之地。
+
+物件檢測涉及訓練模型來識別物件。與其給模型包含物件的影像並告訴它每張影像是某個標籤，不如突出影像中包含特定物件的部分並標記它。你可以在影像中標記單個物件或多個物件。這樣模型就能學習物件本身的樣子，而不僅僅是包含物件的影像的樣子。
+
+當你使用它來預測影像時，與返回標籤和百分比的列表不同，你會得到一個檢測到的物件列表，包括它們的邊界框以及該邊界框與分配標籤匹配的概率。
+
+> 🎓 *邊界框* 是物件周圍的框。
+
+![腰果和番茄醬的物件檢測](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.mo.png)
+
+上面的影像包含一罐腰果和三罐番茄醬。物件檢測器檢測到腰果，返回包含腰果的邊界框以及該邊界框包含物件的概率，在此例中為 97.6%。物件檢測器還檢測到三罐番茄醬，並提供三個單獨的邊界框，每個檢測到的罐子都有一個概率百分比，表示該邊界框包含番茄醬罐。
+
+✅ 想一想你可能想用基於影像的 AI 模型進行的不同場景。哪些需要分類，哪些需要物件檢測？
+
+### 物件檢測的工作原理
+
+物件檢測使用複雜的機器學習模型。這些模型通過將影像分成多個單元，然後檢查邊界框的中心是否是影像中與用於訓練模型的影像匹配的中心。你可以將其想像成在影像的不同部分上運行影像分類器以尋找匹配。
+
+> 💁 這是一個非常簡化的描述。物件檢測有許多技術，你可以在 [維基百科的物件檢測頁面](https://wikipedia.org/wiki/Object_detection) 上了解更多。
+
+有許多不同的模型可以進行物件檢測。一個特別著名的模型是 [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/)，它速度非常快，可以檢測 20 種不同類別的物件，例如人、狗、瓶子和汽車。
+
+✅ 閱讀 YOLO 模型的相關資料：[pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+物件檢測模型可以通過遷移學習重新訓練以檢測自定義物件。
+
+## 在零售中使用物件檢測
+
+物件檢測在零售中有多種用途。一些包括：
+
+* **庫存檢查和計數** - 識別貨架上的庫存是否不足。如果庫存過低，可以向員工或機器人發送通知以補充貨架。
+* **口罩檢測** - 在公共衛生事件期間有口罩政策的商店中，物件檢測可以識別佩戴口罩和未佩戴口罩的人。
+* **自動結算** - 在自動化商店中檢測從貨架上取下的商品並正確地向顧客收費。
+* **危險檢測** - 識別地板上的破損物品或溢出的液體，通知清潔人員。
+
+✅ 做一些研究：物件檢測在零售中還有哪些其他應用場景？
+
+## 訓練物件檢測器
+
+你可以使用 Custom Vision 訓練物件檢測器，方式與訓練影像分類器類似。
+
+### 任務 - 創建物件檢測器
+
+1. 為此專案創建一個名為 `stock-detector` 的資源群組。
+
+1. 在 `stock-detector` 資源群組中創建一個免費的 Custom Vision 訓練資源和一個免費的 Custom Vision 預測資源。將它們命名為 `stock-detector-training` 和 `stock-detector-prediction`。
+
+    > 💁 你只能擁有一個免費的訓練和預測資源，因此請確保你已清理之前課程中的專案。
+
+    > ⚠️ 如果需要，可以參考 [專案 4，課程 1 中創建訓練和預測資源的指導](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource)。
+
+1. 啟動 Custom Vision 入口網站 [CustomVision.ai](https://customvision.ai)，並使用你的 Azure 帳戶的 Microsoft 帳戶登錄。
+
+1. 按照 Microsoft Docs 上的 [建立新專案部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) 的指導，創建一個新的 Custom Vision 專案。UI 可能會更改，這些文檔始終是最新的參考。
+
+    將你的專案命名為 `stock-detector`。
+
+    創建專案時，請確保使用你之前創建的 `stock-detector-training` 資源。選擇 *物件檢測* 專案類型，並選擇 *貨架上的商品* 領域。
+
+    ![Custom Vision 專案的設置，名稱設為 fruit-quality-detector，無描述，資源設為 fruit-quality-detector-training，專案類型設為分類，分類類型設為多類別，領域設為食品](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.mo.png)
+
+    ✅ *貨架上的商品* 領域專門用於檢測商店貨架上的庫存。閱讀更多有關不同領域的信息，請參考 [Microsoft Docs 上的選擇領域文檔](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)。
+
+✅ 花些時間探索你的物件檢測器的 Custom Vision UI。
+
+### 任務 - 訓練你的物件檢測器
+
+要訓練你的模型，你需要一組包含你想檢測的物件的影像。
+
+1. 收集包含要檢測物件的影像。你需要至少 15 張包含每個要檢測物件的影像，這些影像需要來自不同的角度和不同的光線條件，但越多越好。此物件檢測器使用 *貨架上的商品* 領域，因此嘗試將物件設置為像在商店貨架上一樣。你還需要一些影像來測試模型。如果你要檢測多個物件，你需要一些包含所有物件的測試影像。
+
+    > 💁 包含多個不同物件的影像計入影像最低要求的 15 張影像。
+
+    你的影像應該是 png 或 jpeg 格式，大小小於 6MB。如果你使用 iPhone 創建影像，它們可能是高解析度的 HEIC 格式，因此需要轉換並可能縮小。影像越多越好，並且應該有相似數量的成熟和未成熟物件。
+
+    該模型專為貨架上的商品設計，因此嘗試在貨架上拍攝物件的照片。
+
+    你可以在 [images](../../../../../5-retail/lessons/1-train-stock-detector/images) 資料夾中找到一些腰果和番茄醬的示例影像供你使用。
+
+1. 按照 Microsoft Docs 上的 [上傳和標記影像部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) 的指導，上傳你的訓練影像。根據你想檢測的物件類型創建相關標籤。
+
+    ![上傳對話框顯示上傳成熟和未成熟香蕉的圖片](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.mo.png)
+
+    當你為物件繪製邊界框時，請保持框緊貼物件。標記所有影像可能需要一些時間，但工具會檢測它認為是邊界框的部分，這樣可以加快速度。
+
+    ![標記一些番茄醬](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.mo.png)
+
+    > 💁 如果你有超過 15 張影像的每個物件，你可以在 15 張影像後進行訓練，然後使用 **建議標籤** 功能。這將使用訓練的模型檢測未標記影像中的物件。你可以確認檢測到的物件，或者拒絕並重新繪製邊界框。這可以節省大量時間。
+
+1. 按照 Microsoft Docs 上的 [訓練檢測器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) 的指導，使用你的標記影像訓練物件檢測器。
+
+    你將可以選擇訓練類型。選擇 **快速訓練**。
+
+物件檢測器將開始訓練。訓練完成需要幾分鐘。
+
+## 測試你的物件檢測器
+
+一旦你的物件檢測器訓練完成，你可以通過提供新影像來測試它是否能檢測影像中的物件。
+
+### 任務 - 測試你的物件檢測器
+
+1. 使用 **快速測試** 按鈕上傳測試影像並驗證物件是否被檢測到。使用你之前創建的測試影像，而不是任何用於訓練的影像。
+
+    ![檢測到 3 罐番茄醬，概率分別為 38%、35.5% 和 34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.mo.png)
+
+1. 嘗試使用你擁有的所有測試影像並觀察概率。
+
+## 重新訓練你的物件檢測器
+
+當你測試你的物件檢測器時，它可能不會給出你期望的結果，與上一個專案中的影像分類器相同。你可以通過使用錯誤的影像重新訓練來改進你的物件檢測器。
+
+每次使用快速測試選項進行預測時，影像和結果都會被存儲。你可以使用這些影像重新訓練你的模型。
+
+1. 使用 **預測** 標籤找到你用於測試的影像。
+
+1. 確認任何準確的檢測，刪除不正確的檢測並添加任何缺失的物件。
+
+1. 重新訓練並重新測試模型。
+
+---
+
+## 🚀 挑戰
+
+如果你使用物件檢測器檢測外觀相似的物品，例如同品牌的番茄醬罐和切碎番茄罐，會發生什麼？
+
+如果你有任何外觀相似的物品，嘗試將它們的影像添加到你的物件檢測器中進行測試。
+
+## 課後測驗
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## 回顧與自學
+
+* 當你訓練物件偵測器時，應該會看到 *Precision*（精確率）、*Recall*（召回率）和 *mAP*（平均精度）等數值，這些數值用來評估所建立的模型。請參考 [Microsoft 文件中「建立物件偵測器快速入門」的評估偵測器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) 來了解這些數值的意義。
+* 在 [維基百科的物件偵測頁面](https://wikipedia.org/wiki/Object_detection) 閱讀更多關於物件偵測的資訊。
+
+## 作業
+
+[比較領域](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..34d583fe
--- /dev/null
+++ b/translations/mo/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T21:39:48+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 比較領域
+
+## 說明
+
+當你建立物件偵測器時，你可以選擇多個領域。比較它們在你的庫存偵測器上的表現，並描述哪一個效果更好。
+
+要更改領域，請選擇頂部選單中的 **Settings** 按鈕，選擇一個新的領域，然後點擊 **Save changes** 按鈕，接著重新訓練模型。請確保使用新領域訓練的新版本模型進行測試。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 使用不同領域訓練模型 | 能夠更改領域並重新訓練模型 | 能夠更改領域並重新訓練模型 | 無法更改領域或重新訓練模型 |
+| 測試模型並比較結果 | 能夠使用不同領域測試模型，比較結果，並描述哪個更好 | 能夠使用不同領域測試模型，但無法比較結果或描述哪個更好 | 無法使用不同領域測試模型 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/README.md b/translations/mo/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..3e1b93b6
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T21:32:07+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "mo"
+}
+-->
+# 從物聯網設備檢查庫存
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## 簡介
+
+在上一課中，你學習了物件偵測在零售中的不同應用，也學會了如何訓練物件偵測器來識別庫存。在本課中，你將學習如何從物聯網設備使用你的物件偵測器來計算庫存。
+
+本課內容包括：
+
+* [庫存計算](../../../../../5-retail/lessons/2-check-stock-device)
+* [從物聯網設備調用物件偵測器](../../../../../5-retail/lessons/2-check-stock-device)
+* [邊界框](../../../../../5-retail/lessons/2-check-stock-device)
+* [重新訓練模型](../../../../../5-retail/lessons/2-check-stock-device)
+* [計算庫存](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 這是本專案的最後一課，因此在完成本課和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，所以請確保先完成作業。
+>
+> 如有需要，請參考[清理專案指南](../../../clean-up.md)以獲取相關指導。
+
+## 庫存計算
+
+物件偵測器可以用於檢查庫存，無論是計算庫存數量還是確保庫存位於正確位置。配備攝像頭的物聯網設備可以部署在商店的各個地方來監控庫存，尤其是那些需要頻繁補貨的熱點區域，例如存放少量高價值商品的區域。
+
+例如，如果一個攝像頭對準一組可以容納8罐番茄醬的貨架，而物件偵測器只偵測到7罐，那麼就缺少了一罐，需要補貨。
+
+![貨架上有7罐番茄醬，頂排4罐，下排3罐](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.mo.png)
+
+在上圖中，物件偵測器偵測到貨架上有7罐番茄醬，而該貨架可以容納8罐。不僅物聯網設備可以發送補貨通知，它甚至可以提供缺失物品的位置資訊，這對於使用機器人補貨的情況尤為重要。
+
+> 💁 根據商店和商品的受歡迎程度，如果只缺少一罐，可能不會立即補貨。你需要根據產品、顧客和其他標準建立一個決定何時補貨的演算法。
+
+✅ 在哪些其他情境下，你可以結合物件偵測和機器人技術？
+
+有時候，貨架上可能會出現錯誤的庫存。這可能是補貨時的人為錯誤，或者是顧客改變購買決定後將商品放回第一個可用空間。如果是罐裝食品等非易腐商品，這只是個小麻煩；但如果是冷凍或冷藏食品等易腐商品，則可能導致商品無法再出售，因為無法確定該商品離開冷凍區的時間。
+
+物件偵測可以用來偵測意外出現的物品，並通知人員或機器人盡快將其歸位。
+
+![番茄醬貨架上的一罐玉米罐頭](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.mo.png)
+
+在上圖中，一罐玉米罐頭被放在了番茄醬的貨架上。物件偵測器偵測到了這一情況，使物聯網設備能夠通知人員或機器人將罐頭歸位。
+
+## 從物聯網設備調用物件偵測器
+
+你在上一課中訓練的物件偵測器可以從物聯網設備調用。
+
+### 任務 - 發佈物件偵測器的迭代版本
+
+迭代版本可以從 Custom Vision 入口網站發佈。
+
+1. 打開 [CustomVision.ai](https://customvision.ai) 並登入，如果尚未開啟，請打開你的 `stock-detector` 專案。
+
+1. 從頂部選項中選擇 **Performance** 標籤。
+
+1. 從側邊的 *Iterations* 列表中選擇最新的迭代版本。
+
+1. 點擊該迭代版本的 **Publish** 按鈕。
+
+    ![發佈按鈕](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.mo.png)
+
+1. 在 *Publish Model* 對話框中，將 *Prediction resource* 設置為你在上一課中創建的 `stock-detector-prediction` 資源。保持名稱為 `Iteration2`，然後選擇 **Publish** 按鈕。
+
+1. 發佈後，選擇 **Prediction URL** 按鈕。這將顯示預測 API 的詳細資訊，你需要這些資訊來從物聯網設備調用模型。下方標記為 *If you have an image file* 的部分是你需要的詳細資訊。複製顯示的 URL，該 URL 可能類似於：
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    其中 `<location>` 是你創建 Custom Vision 資源時使用的位置，`<id>` 是由字母和數字組成的一個長 ID。
+
+    同時複製 *Prediction-Key* 值。這是一個安全密鑰，調用模型時必須傳遞該密鑰。只有傳遞此密鑰的應用程式才能使用模型，其他應用程式將被拒絕。
+
+    ![預測 API 對話框顯示 URL 和密鑰](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.mo.png)
+
+✅ 當發佈新的迭代版本時，它會有不同的名稱。你認為應該如何更改物聯網設備使用的迭代版本？
+
+### 任務 - 從物聯網設備調用物件偵測器
+
+按照以下相關指南，從你的物聯網設備使用物件偵測器：
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-object-detector.md)
+
+## 邊界框
+
+使用物件偵測器時，你不僅會獲得被偵測物件的標籤和概率，還會獲得物件的邊界框。這些邊界框定義了物件偵測器以給定概率偵測到物件的位置。
+
+> 💁 邊界框是一個框，用於定義包含被偵測物件的區域，框的邊界即為物件的範圍。
+
+在 Custom Vision 的 **Predictions** 標籤中，預測結果會在發送進行預測的圖像上繪製邊界框。
+
+![貨架上4罐番茄醬的預測結果，分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png)
+
+在上圖中，偵測到4罐番茄醬。在結果中，每個被偵測物件的圖像上都疊加了一個紅色方框，表示該物件的邊界框。
+
+✅ 打開 Custom Vision 的預測結果，查看邊界框。
+
+邊界框由4個值定義：上（top）、左（left）、高（height）和寬（width）。這些值的範圍是0到1，表示相對於圖像大小的百分比位置。原點（0,0）是圖像的左上角，因此上值是距離頂部的距離，而邊界框的底部是上值加上高度。
+
+![番茄醬罐頭周圍的邊界框](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.mo.png)
+
+上圖的寬度為600像素，高度為800像素。邊界框從320像素處開始，對應的上值為0.4（800 x 0.4 = 320）。從左側開始，邊界框距離240像素，對應的左值為0.4（600 x 0.4 = 240）。邊界框的高度為240像素，對應的高值為0.3（800 x 0.3 = 240）。邊界框的寬度為120像素，對應的寬值為0.2（600 x 0.2 = 120）。
+
+| 座標   | 值    |
+| ------ | ----: |
+| 上     | 0.4   |
+| 左     | 0.4   |
+| 高度   | 0.3   |
+| 寬度   | 0.2   |
+
+使用0到1的百分比值意味著無論圖像被縮放到什麼大小，邊界框都會從0.4的位置開始，並且高度為0.3，寬度為0.2。
+
+你可以結合邊界框和概率來評估偵測的準確性。例如，物件偵測器可能會偵測到多個重疊的物件，例如一個罐頭在另一個罐頭內部。你的程式碼可以檢查邊界框，判斷這是不可能的，並忽略任何與其他物件有顯著重疊的物件。
+
+![兩個重疊的邊界框圍繞一罐番茄醬](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.mo.png)
+
+在上圖中，一個邊界框表示一罐番茄醬，預測概率為78.3%。另一個邊界框稍小，位於第一個邊界框內部，概率為64.3%。你的程式碼可以檢查邊界框，發現它們完全重疊，並忽略較低概率的邊界框，因為不可能一個罐頭在另一個罐頭內部。
+
+✅ 你能想到哪些情境下，偵測到一個物件在另一個物件內部是合理的？
+
+## 重新訓練模型
+
+與圖像分類器類似，你可以使用物聯網設備捕獲的數據重新訓練模型。使用這些真實世界的數據可以確保模型在物聯網設備上運行良好。
+
+與圖像分類器不同的是，你不能僅僅標記一張圖像。相反，你需要檢查模型偵測到的每個邊界框。如果邊界框圍繞錯誤的物件，則需要刪除；如果位置不正確，則需要調整。
+
+### 任務 - 重新訓練模型
+
+1. 確保你已使用物聯網設備捕獲了一系列圖像。
+
+1. 在 **Predictions** 標籤中，選擇一張圖像。你會看到紅色框，表示偵測到的物件的邊界框。
+
+1. 檢查每個邊界框。首先選擇它，你會看到一個彈出視窗顯示標籤。如果需要，使用邊界框角上的控制點調整大小。如果標籤錯誤，使用 **X** 按鈕刪除並添加正確的標籤。如果邊界框不包含物件，使用垃圾桶按鈕刪除它。
+
+1. 完成後關閉編輯器，圖像將從 **Predictions** 標籤移至 **Training Images** 標籤。對所有預測重複此過程。
+
+1. 使用 **Train** 按鈕重新訓練模型。訓練完成後，發佈新的迭代版本，並更新物聯網設備以使用新迭代版本的 URL。
+
+1. 重新部署程式碼並測試你的物聯網設備。
+
+## 計算庫存
+
+結合偵測到的物件數量和邊界框，你可以計算貨架上的庫存。
+
+### 任務 - 計算庫存
+
+按照以下相關指南，使用物件偵測器的結果從你的物聯網設備計算庫存：
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [單板電腦 - Raspberry Pi/虛擬設備](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 挑戰
+
+你能偵測到錯誤的庫存嗎？訓練你的模型以識別多種物件，然後更新你的應用程式，在偵測到錯誤的庫存時發出警報。
+
+甚至可以進一步嘗試，偵測同一貨架上的並排庫存，並通過定義邊界框的限制來檢查是否有物品被放錯位置。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## 回顧與自學
+
+* 了解更多關於如何設計端到端庫存偵測系統，請參考 [Microsoft Docs 上的邊緣缺貨偵測模式指南](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)。
+* 觀看 [Behind the scenes of a retail solution - Hands On!](https://www.youtube.com/watch?v=m3Pc300x2Mw) 的 YouTube 視頻，了解如何結合多種物聯網和雲端服務構建端到端零售解決方案。
+
+## 作業
+
+[在邊緣使用你的物件偵測器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md b/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..f889787d
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T21:33:04+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 在邊緣設備上使用物件檢測器
+
+## 說明
+
+在上一個專案中，你已經將影像分類器部署到邊緣設備。現在，對你的物件檢測器做同樣的操作，將其匯出為精簡模型，並在邊緣設備上運行，從你的 IoT 裝置訪問邊緣版本。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 將物件檢測器部署到邊緣設備 | 能夠使用正確的精簡域，匯出物件檢測器並在邊緣設備上運行 | 能夠使用正確的精簡域並匯出物件檢測器，但無法在邊緣設備上運行 | 無法使用正確的精簡域，匯出物件檢測器，並在邊緣設備上運行 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..15e497e8
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T21:35:26+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "mo"
+}
+-->
+# 從您的 IoT 設備計算庫存 - 虛擬 IoT 硬體與 Raspberry Pi
+
+結合預測結果與其邊界框，可以用來計算圖像中的庫存數量。
+
+## 顯示邊界框
+
+作為一個有用的除錯步驟，您不僅可以將邊界框打印出來，還可以將它們繪製在捕獲圖像時寫入磁碟的圖像上。
+
+### 任務 - 打印邊界框
+
+1. 確保在 VS Code 中打開了 `stock-counter` 專案，並且如果您使用的是虛擬 IoT 設備，已啟動虛擬環境。
+
+1. 將 `for` 迴圈中的 `print` 語句更改為以下內容，以將邊界框打印到控制台：
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. 啟動應用程式，將相機對準架子上的一些庫存。邊界框將打印到控制台，左、上、寬和高的值範圍為 0-1。
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
+    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
+    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
+    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
+    ```
+
+### 任務 - 在圖像上繪製邊界框
+
+1. Pip 套件 [Pillow](https://pypi.org/project/Pillow/) 可用於在圖像上繪製。使用以下命令安裝：
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中執行此操作。
+
+1. 在 `app.py` 文件的頂部添加以下匯入語句：
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    這將匯入編輯圖像所需的程式碼。
+
+1. 在 `app.py` 文件的末尾添加以下程式碼：
+
+    ```python
+    with Image.open('image.jpg') as im:
+        draw = ImageDraw.Draw(im)
+    
+        for prediction in predictions:
+            scale_left = prediction.bounding_box.left
+            scale_top = prediction.bounding_box.top
+            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+            
+            left = scale_left * im.width
+            top = scale_top * im.height
+            right = scale_right * im.width
+            bottom = scale_bottom * im.height
+    
+            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
+    
+        im.save('image.jpg')
+    ```
+
+    此程式碼打開之前保存的圖像進行編輯。然後，它迴圈處理預測結果，獲取邊界框，並使用 0-1 的邊界框值計算右下角座標。這些值通過乘以圖像的相關維度轉換為圖像座標。例如，如果左值為 0.5，圖像寬度為 600 像素，則轉換為 300 (0.5 x 600 = 300)。
+
+    每個邊界框都用紅線繪製在圖像上。最後，編輯後的圖像被保存，覆蓋原始圖像。
+
+1. 啟動應用程式，將相機對準架子上的一些庫存。您將在 VS Code 的檔案總管中看到 `image.jpg` 文件，並可以選擇它來查看邊界框。
+
+    ![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.mo.jpg)
+
+## 計算庫存
+
+在上圖中，邊界框有些許重疊。如果這種重疊更大，則邊界框可能表示同一個物體。為了正確計算物體數量，您需要忽略具有顯著重疊的框。
+
+### 任務 - 忽略重疊計算庫存
+
+1. Pip 套件 [Shapely](https://pypi.org/project/Shapely/) 可用於計算交集。如果您使用的是 Raspberry Pi，您需要先安裝一個庫依賴項：
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. 安裝 Shapely Pip 套件：
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    如果您使用的是虛擬 IoT 設備，請確保在啟動的虛擬環境中執行此操作。
+
+1. 在 `app.py` 文件的頂部添加以下匯入語句：
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    這將匯入創建多邊形以計算重疊所需的程式碼。
+
+1. 在繪製邊界框的程式碼上方，添加以下程式碼：
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    這定義了允許的重疊百分比，超過該百分比時邊界框將被視為同一個物體。0.20 定義了 20% 的重疊。
+
+1. 要使用 Shapely 計算重疊，邊界框需要轉換為 Shapely 多邊形。添加以下函數來完成此操作：
+
+    ```python
+    def create_polygon(prediction):
+        scale_left = prediction.bounding_box.left
+        scale_top = prediction.bounding_box.top
+        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+    
+        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
+    ```
+
+    這使用預測的邊界框創建一個多邊形。
+
+1. 移除重疊物體的邏輯涉及比較所有邊界框，如果任何一對預測的邊界框重疊超過閾值，則刪除其中一個預測。為了比較所有預測，您需要將預測 1 與 2、3、4 等進行比較，然後將 2 與 3、4 等進行比較。以下程式碼完成此操作：
+
+    ```python
+    to_delete = []
+
+    for i in range(0, len(predictions)):
+        polygon_1 = create_polygon(predictions[i])
+    
+        for j in range(i+1, len(predictions)):
+            polygon_2 = create_polygon(predictions[j])
+            overlap = polygon_1.intersection(polygon_2).area
+
+            smallest_area = min(polygon_1.area, polygon_2.area)
+    
+            if overlap > (overlap_threshold * smallest_area):
+                to_delete.append(predictions[i])
+                break
+    
+    for d in to_delete:
+        predictions.remove(d)
+
+    print(f'Counted {len(predictions)} stock items')
+    ```
+
+    重疊是使用 Shapely 的 `Polygon.intersection` 方法計算的，該方法返回一個表示重疊的多邊形。然後從該多邊形計算面積。此重疊閾值不是絕對值，而是需要作為邊界框的百分比，因此找到最小的邊界框，並使用重疊閾值計算重疊面積不能超過最小邊界框的百分比。如果重疊超過此值，則該預測被標記為刪除。
+
+    一旦預測被標記為刪除，就不需要再次檢查，因此內部迴圈跳出以檢查下一個預測。您無法在迴圈中直接從列表中刪除項目，因此超過閾值的重疊邊界框被添加到 `to_delete` 列表中，然後在最後刪除。
+
+    最後，庫存數量被打印到控制台。這可以發送到 IoT 服務以在庫存水平過低時發出警報。所有這些程式碼都在繪製邊界框之前，因此您將在生成的圖像上看到沒有重疊的庫存預測。
+
+    > 💁 這是一種非常簡單的移除重疊的方法，只是刪除重疊對中的第一個。在生產程式碼中，您可能需要加入更多邏輯，例如考慮多個物體之間的重疊，或者一個邊界框是否被另一個邊界框包含。
+
+1. 啟動應用程式，將相機對準架子上的一些庫存。輸出將顯示超過閾值的重疊被忽略後的邊界框數量。嘗試調整 `overlap_threshold` 值以查看被忽略的預測。
+
+> 💁 您可以在 [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) 或 [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的庫存計數程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..f446ff0e
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T21:29:56+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "mo"
+}
+-->
+# 從物聯網設備呼叫物件偵測器 - 虛擬物聯網硬體與樹莓派
+
+一旦您的物件偵測器已發布，就可以從您的物聯網設備使用它。
+
+## 複製影像分類器專案
+
+您的庫存偵測器大部分內容與您在之前課程中建立的影像分類器相同。
+
+### 任務 - 複製影像分類器專案
+
+1. 建立一個名為 `stock-counter` 的資料夾，若您使用虛擬物聯網設備，則在您的電腦上建立；若使用樹莓派，則在樹莓派上建立。如果您使用虛擬物聯網設備，請確保已設置虛擬環境。
+
+1. 設置相機硬體。
+
+    * 如果您使用樹莓派，您需要安裝 PiCamera。您可能還需要將相機固定在一個位置，例如，將相機的線纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
+    * 如果您使用虛擬物聯網設備，則需要安裝 CounterFit 和 CounterFit PyCamera shim。如果您打算使用靜態影像，請捕捉一些您的物件偵測器尚未見過的影像；如果您打算使用網路攝影機，請確保其位置能看到您要偵測的庫存。
+
+1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) 中的步驟，從相機捕捉影像。
+
+1. 複製 [製造專案第 2 課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) 中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來偵測物件。
+
+## 將程式碼從分類器改為影像偵測器
+
+您用於分類影像的程式碼與用於偵測物件的程式碼非常相似。主要的差異在於 Custom Vision SDK 中呼叫的方法，以及呼叫的結果。
+
+### 任務 - 將程式碼從分類器改為影像偵測器
+
+1. 刪除三行用於分類影像並處理預測的程式碼：
+
+    ```python
+    results = predictor.classify_image(project_id, iteration_name, image)
+    
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    移除這三行程式碼。
+
+1. 添加以下程式碼以偵測影像中的物件：
+
+    ```python
+    results = predictor.detect_image(project_id, iteration_name, image)
+
+    threshold = 0.3
+    
+    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
+    
+    for prediction in predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    此程式碼呼叫 `detect_image` 方法，使用預測器執行物件偵測器。接著，它會收集所有超過門檻值的預測，並將其打印到控制台。
+
+    與影像分類器僅返回每個標籤一個結果不同，物件偵測器會返回多個結果，因此需要過濾掉任何低機率的結果。
+
+1. 執行此程式碼，它將捕捉影像，將其發送至物件偵測器，並打印出偵測到的物件。如果您使用虛擬物聯網設備，請確保在 CounterFit 中設置了適當的影像，或選擇了網路攝影機。如果您使用樹莓派，請確保您的相機指向架子上的物件。
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 您可能需要調整 `threshold` 值以適合您的影像。
+
+    您將能夠看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
+
+    ![架子上有 4 罐番茄醬，預測結果分別為 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png)
+
+> 💁 您可以在 [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) 或 [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的庫存計數程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..7d75cd98
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T21:34:04+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "mo"
+}
+-->
+# 從您的 IoT 設備計算庫存 - Wio Terminal
+
+結合預測結果和其邊界框，可以用來計算圖像中的庫存數量。
+
+## 計算庫存
+
+![4 罐番茄醬，每罐周圍都有邊界框](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.mo.jpg)
+
+在上圖中，邊界框之間有些微重疊。如果這種重疊程度更大，邊界框可能會表示同一個物體。為了正確計算物體數量，您需要忽略那些有顯著重疊的框。
+
+### 任務 - 忽略重疊計算庫存
+
+1. 如果尚未打開您的 `stock-counter` 專案，請將其打開。
+
+1. 在 `processPredictions` 函數的上方，新增以下程式碼：
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    這段程式碼定義了邊界框被認為是同一物體之前允許的重疊百分比。0.20 表示 20% 的重疊。
+
+1. 在此程式碼下方，`processPredictions` 函數的上方，新增以下程式碼以計算兩個矩形的重疊區域：
+
+    ```cpp
+    struct Point {
+        float x, y;
+    };
+
+    struct Rect {
+        Point topLeft, bottomRight;
+    };
+
+    float area(Rect rect)
+    {
+        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
+    }
+     
+    float overlappingArea(Rect rect1, Rect rect2)
+    {
+        float left = max(rect1.topLeft.x, rect2.topLeft.x);
+        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
+        float top = max(rect1.topLeft.y, rect2.topLeft.y);
+        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
+    
+    
+        if ( right > left && bottom > top )
+        {
+            return (right-left)*(bottom-top);
+        }
+        
+        return 0.0f;
+    }
+    ```
+
+    這段程式碼定義了一個 `Point` 結構來存儲圖像上的點，以及一個 `Rect` 結構來使用左上角和右下角座標定義矩形。接著，它定義了一個 `area` 函數，該函數根據左上角和右下角座標計算矩形的面積。
+
+    然後，它定義了一個 `overlappingArea` 函數，用於計算兩個矩形的重疊區域。如果它們沒有重疊，則返回 0。
+
+1. 在 `overlappingArea` 函數的下方，宣告一個函數以將邊界框轉換為 `Rect`：
+
+    ```cpp
+    Rect rectFromBoundingBox(JsonVariant prediction)
+    {
+        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
+    
+        float left = bounding_box["left"].as<float>();
+        float top = bounding_box["top"].as<float>();
+        float width = bounding_box["width"].as<float>();
+        float height = bounding_box["height"].as<float>();
+    
+        Point topLeft = {left, top};
+        Point bottomRight = {left + width, top + height};
+    
+        return {topLeft, bottomRight};
+    }
+    ```
+
+    這段程式碼從物體檢測器的預測中提取邊界框，並使用邊界框上的值來定義矩形。右側是由左側加上寬度計算得出。底部是由頂部加上高度計算得出。
+
+1. 需要將預測結果彼此進行比較，如果兩個預測的重疊超過閾值，則需要刪除其中一個。重疊閾值是一個百分比，因此需要乘以最小邊界框的大小，以檢查重疊是否超過邊界框的給定百分比，而不是整個圖像的給定百分比。首先，刪除 `processPredictions` 函數的內容。
+
+1. 在空的 `processPredictions` 函數中新增以下程式碼：
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    這段程式碼宣告了一個向量來存儲不重疊的預測結果。然後，它遍歷所有的預測結果，從邊界框創建一個 `Rect`。
+
+    接著，這段程式碼遍歷剩餘的預測結果，從當前預測的下一個開始。這樣可以避免重複比較預測結果——一旦比較了 1 和 2，就不需要再比較 2 和 1，只需比較 2 和 3、4 等。
+
+    對於每對預測，計算重疊區域。然後將其與最小邊界框的面積進行比較——如果重疊超過最小邊界框的閾值百分比，則該預測被標記為未通過。如果在比較所有重疊後，該預測通過了檢查，則將其添加到 `passed_predictions` 集合中。
+
+    > 💁 這是一種非常簡單的方式來移除重疊，只是刪除重疊對中的第一個。在生產代碼中，您可能需要加入更多邏輯，例如考慮多個物體之間的重疊，或者一個邊界框是否被另一個包含。
+
+1. 在此之後，新增以下程式碼以將通過的預測結果的詳細資訊發送到序列監視器：
+
+    ```cpp
+    for(JsonVariant prediction : passed_predictions)
+    {
+        String boundingBox = prediction["boundingBox"].as<String>();
+        String tag = prediction["tagName"].as<String>();
+        float probability = prediction["probability"].as<float>();
+
+        char buff[32];
+        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
+        Serial.println(buff);
+    }
+    ```
+
+    這段程式碼遍歷通過的預測結果，並將其詳細資訊打印到序列監視器。
+
+1. 在此之下，新增程式碼以將計算出的物品數量打印到序列監視器：
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    然後可以將此數據發送到 IoT 服務，以在庫存水平過低時發出警報。
+
+1. 上傳並運行您的程式碼。將相機對準架子上的物品，然後按下 C 按鈕。嘗試調整 `overlap_threshold` 值，觀察預測結果被忽略的情況。
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
+    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
+    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
+    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
+    Counted 4 stock items.
+    ```
+
+> 💁 您可以在 [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的庫存計數程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..014ea0b7
--- /dev/null
+++ b/translations/mo/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T21:36:28+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "mo"
+}
+-->
+# 從物聯網設備呼叫物件檢測器 - Wio Terminal
+
+當你的物件檢測器已發布後，就可以從你的物聯網設備使用它。
+
+## 複製影像分類器專案
+
+你的庫存檢測器大部分內容與你在之前課程中建立的影像分類器相同。
+
+### 任務 - 複製影像分類器專案
+
+1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera)中的步驟，將你的 ArduCam 連接到 Wio Terminal。
+
+    你可能還需要將相機固定在一個位置，例如，將相機的線纜掛在盒子或罐子上，或者用雙面膠將相機固定在盒子上。
+
+1. 使用 PlatformIO 建立一個全新的 Wio Terminal 專案，命名為 `stock-counter`。
+
+1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device)中的步驟，從相機捕捉影像。
+
+1. 按照[製造專案第2課](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device)中的步驟，呼叫影像分類器。大部分的程式碼將被重複使用來檢測物件。
+
+## 將程式碼從分類器改為影像檢測器
+
+你用來分類影像的程式碼與用來檢測物件的程式碼非常相似。主要的差異在於你從 Custom Vision 獲得的 URL，以及呼叫的結果。
+
+### 任務 - 將程式碼從分類器改為影像檢測器
+
+1. 在 `main.cpp` 文件的頂部添加以下 include 指令：
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. 將 `classifyImage` 函數重新命名為 `detectStock`，包括函數名稱以及在 `buttonPressed` 函數中的呼叫。
+
+1. 在 `detectStock` 函數上方，宣告一個閾值，用於過濾掉任何低概率的檢測：
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    與影像分類器只返回每個標籤一個結果不同，物件檢測器會返回多個結果，因此需要過濾掉任何低概率的結果。
+
+1. 在 `detectStock` 函數上方，宣告一個函數來處理預測結果：
+
+    ```cpp
+    void processPredictions(std::vector<JsonVariant> &predictions)
+    {
+        for(JsonVariant prediction : predictions)
+        {
+            String tag = prediction["tagName"].as<String>();
+            float probability = prediction["probability"].as<float>();
+    
+            char buff[32];
+            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+            Serial.println(buff);
+        }
+    }
+    ```
+
+    這個函數會接收一個預測列表並將其打印到序列監視器。
+
+1. 在 `detectStock` 函數中，替換掉迴圈中處理預測的內容，使用以下程式碼：
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for(JsonVariant prediction : predictions) 
+    {
+        float probability = prediction["probability"].as<float>();
+        if (probability > threshold)
+        {
+            passed_predictions.push_back(prediction);
+        }
+    }
+
+    processPredictions(passed_predictions);
+    ```
+
+    這段程式碼會迴圈處理預測，將概率與閾值進行比較。所有概率高於閾值的預測都會被添加到 `list` 中，並傳遞給 `processPredictions` 函數。
+
+1. 上傳並執行你的程式碼。將相機對準架子上的物件並按下 C 按鈕。你會在序列監視器中看到輸出：
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%
+    tomato paste:   35.87%
+    tomato paste:   34.11%
+    tomato paste:   35.16%
+    ```
+
+    > 💁 你可能需要根據你的影像調整 `threshold` 到適當的值。
+
+    你將能看到拍攝的影像，以及這些值在 Custom Vision 的 **Predictions** 標籤中。
+
+    ![架子上的4罐番茄醬，預測結果分別為35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.mo.png)
+
+> 💁 你可以在 [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) 資料夾中找到這段程式碼。
+
+😀 你的庫存計數程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/README.md b/translations/mo/6-consumer/README.md
new file mode 100644
index 00000000..ff1972ea
--- /dev/null
+++ b/translations/mo/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T23:51:28+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "mo"
+}
+-->
+# 消費性物聯網 - 建立智慧語音助理
+
+食物已經種植好，運送到加工廠，經過品質篩選，並在商店中售出，現在是時候開始烹飪了！廚房中不可或缺的一部分就是計時器。最初的計時器是沙漏——當所有的沙子流到下方的玻璃球時，食物就煮好了。後來演變成機械式計時器，再到電子計時器。
+
+最新的版本已成為我們智慧設備的一部分。在世界各地的家庭廚房中，你會聽到廚師喊著「嘿 Siri，設置一個10分鐘的計時器」或「Alexa，取消我的麵包計時器」。現在你不再需要走回廚房查看計時器，你可以直接用手機操作，或者在房間裡喊一聲就能完成。
+
+在這四堂課中，你將學習如何建立一個智慧計時器，使用人工智慧來辨識你的語音，理解你的需求，並回應有關計時器的資訊。你還會加入多語言支持功能。
+
+> ⚠️ 使用語音和麥克風數據需要大量記憶體，這意味著在微控制器上很容易達到限制。這個項目已經針對這些問題進行了調整，但請注意，Wio Terminal 的實驗較為複雜，可能需要比課程中其他實驗更多的時間。
+
+> 💁 這些課程會使用一些雲端資源。如果你未完成此項目中的所有課程，請確保[清理你的項目](../clean-up.md)。
+
+## 主題
+
+1. [使用物聯網設備辨識語音](./lessons/1-speech-recognition/README.md)
+1. [理解語言](./lessons/2-language-understanding/README.md)
+1. [設置計時器並提供語音回饋](./lessons/3-spoken-feedback/README.md)
+1. [支持多語言](./lessons/4-multiple-language-support/README.md)
+
+## 致謝
+
+所有課程由 [Jim Bennett](https://GitHub.com/JimBobBennett) 用 ♥️ 編寫。
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/README.md b/translations/mo/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..74334b0d
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-27T00:22:12+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "mo"
+}
+-->
+# 使用物聯網設備進行語音識別
+
+![本課程概述的手繪筆記](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了 Azure 語音服務，這是本課程將涵蓋的主題：
+
+[![如何開始使用 Microsoft Azure YouTube 頻道的認知服務語音資源](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## 簡介
+
+「Alexa，設置一個12分鐘的計時器」
+
+「Alexa，計時器狀態」
+
+「Alexa，設置一個8分鐘的計時器，命名為蒸西蘭花」
+
+智慧設備越來越普及。不僅僅是像 HomePods、Echos 和 Google Homes 這樣的智慧音箱，還嵌入到我們的手機、手錶，甚至燈具和恆溫器中。
+
+> 💁 我家裡至少有19個具有語音助手功能的設備，這還只是我知道的部分！
+
+語音控制提高了可及性，讓行動受限的人能夠與設備互動。無論是天生缺乏手臂的永久性障礙，還是像手臂骨折這樣的暫時性障礙，或者手上拿著購物袋或照顧小孩，能夠用語音而非雙手控制家居設備，開啟了一個全新的便利世界。比如在處理嬰兒換尿布和調皮的幼兒時，喊一聲「嘿 Siri，關閉我的車庫門」可能是一個小但有效的生活改善。
+
+語音助手的一個流行用途是設置計時器，尤其是廚房計時器。能夠用語音設置多個計時器在廚房中非常有幫助——不需要停下揉麵團、攪拌湯或清理手上的餃子餡料來使用實體計時器。
+
+在本課程中，您將學習如何將語音識別功能集成到物聯網設備中。您將了解麥克風作為感測器的工作原理，如何從連接到物聯網設備的麥克風捕捉音頻，以及如何使用人工智慧將聽到的內容轉換為文字。在整個專案中，您將構建一個智慧廚房計時器，能夠使用多種語言通過語音設置計時器。
+
+在本課程中，我們將涵蓋以下內容：
+
+* [麥克風](../../../../../6-consumer/lessons/1-speech-recognition)
+* [從物聯網設備捕捉音頻](../../../../../6-consumer/lessons/1-speech-recognition)
+* [語音轉文字](../../../../../6-consumer/lessons/1-speech-recognition)
+* [將語音轉換為文字](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## 麥克風
+
+麥克風是將聲波轉換為電信號的類比感測器。空氣中的振動使麥克風內部的元件微小移動，從而引起電信號的微小變化。這些變化隨後被放大以生成電輸出。
+
+### 麥克風類型
+
+麥克風有多種類型：
+
+* 動圈式 - 動圈式麥克風具有一個附著在移動振膜上的磁鐵，該磁鐵在線圈中移動時會產生電流。這與大多數揚聲器的工作原理相反，揚聲器使用電流移動線圈中的磁鐵，從而移動振膜產生聲音。這意味著揚聲器可以用作動圈式麥克風，而動圈式麥克風也可以用作揚聲器。在像對講機這樣的設備中，使用者要麼在聽，要麼在說，但不會同時進行，一個設備可以同時充當揚聲器和麥克風。
+
+    動圈式麥克風不需要電源，電信號完全由麥克風產生。
+
+    ![Patti Smith 使用 Shure SM58（動圈心型）麥克風演唱](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.mo.jpg)
+
+* 緞帶式 - 緞帶式麥克風類似於動圈式麥克風，但使用金屬緞帶代替振膜。該緞帶在磁場中移動時會產生電流。與動圈式麥克風一樣，緞帶式麥克風不需要電源。
+
+    ![美國演員 Edmund Lowe 站在標有 (NBC) Blue Network 的廣播麥克風前，手持劇本，1942年](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.mo.jpg)
+
+* 電容式 - 電容式麥克風具有一個薄金屬振膜和一個固定的金屬背板。電流被施加到這兩者上，當振膜振動時，板之間的靜電荷發生變化，從而產生信號。電容式麥克風需要電源才能工作，稱為 *幻象電源*。
+
+    ![AKG Acoustics 的 C451B 小振膜電容式麥克風](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.mo.jpg)
+
+* MEMS - 微機電系統麥克風，或 MEMS，是芯片上的麥克風。它們在矽芯片上刻有壓力敏感振膜，工作原理類似於電容式麥克風。這些麥克風可以非常小，並集成到電路中。
+
+    ![電路板上的 MEMS 麥克風](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.mo.png)
+
+    在上圖中，標記為 **LEFT** 的芯片是一個 MEMS 麥克風，其振膜寬度不到一毫米。
+
+✅ 做些研究：您周圍有哪些麥克風——無論是在您的電腦、手機、耳機還是其他設備中。它們屬於哪種類型的麥克風？
+
+### 數位音頻
+
+音頻是一種攜帶非常細緻信息的類比信號。要將此信號轉換為數位信號，需要每秒對音頻進行數千次取樣。
+
+> 🎓 取樣是將音頻信號轉換為代表該時刻信號的數位值。
+
+![顯示信號的折線圖，具有固定間隔的離散點](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.mo.png)
+
+數位音頻使用脈衝編碼調變（Pulse Code Modulation，PCM）進行取樣。PCM 涉及讀取信號的電壓，並使用定義的大小選擇最接近該電壓的離散值。
+
+> 💁 您可以將 PCM 視為脈衝寬度調變（Pulse Width Modulation，PWM）的感測器版本（PWM 在[入門專案的第3課](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)中已介紹）。PCM 涉及將類比信號轉換為數位信號，而 PWM 涉及將數位信號轉換為類比信號。
+
+例如，大多數流媒體音樂服務提供 16 位或 24 位音頻。這意味著它們將電壓轉換為適合 16 位整數或 24 位整數的值。16 位音頻的值範圍是 -32,768 到 32,767，24 位音頻的範圍是 −8,388,608 到 8,388,607。位數越多，取樣越接近我們耳朵實際聽到的聲音。
+
+> 💁 您可能聽說過 8 位音頻，通常被稱為 LoFi。這是使用僅 8 位進行取樣的音頻，因此範圍是 -128 到 127。早期的電腦音頻因硬體限制而僅限於 8 位，因此在復古遊戲中經常看到。
+
+這些取樣每秒進行數千次，使用以 KHz（每秒取樣次數的千次）為單位的定義取樣率。流媒體音樂服務大多使用 48KHz，但某些「無損」音頻使用高達 96KHz 甚至 192KHz。取樣率越高，音頻越接近原始聲音，但有一定的限制。是否能區分超過 48KHz 的差異仍存在爭議。
+
+✅ 做些研究：如果您使用流媒體音樂服務，它使用的取樣率和大小是多少？如果您使用 CD，CD 音頻的取樣率和大小是多少？
+
+音頻數據有多種格式。您可能聽說過 mp3 文件——壓縮後的音頻數據，能在不損失質量的情況下減小文件大小。未壓縮音頻通常以 WAV 文件存儲——這是一個包含 44 字節標頭信息的文件，後面是原始音頻數據。標頭包含取樣率（例如 16000 表示 16KHz）、取樣大小（16 表示 16 位）以及通道數量。標頭之後是 WAV 文件的原始音頻數據。
+
+> 🎓 通道指音頻由多少個不同的音頻流組成。例如，立體聲音頻有左右聲道，則有 2 個通道。家庭影院系統的 7.1 環繞聲則有 8 個通道。
+
+### 音頻數據大小
+
+音頻數據相對較大。例如，捕捉未壓縮的 16 位音頻，取樣率為 16KHz（對語音轉文字模型來說足夠），每秒需要 32KB 的數據：
+
+* 16 位表示每個取樣有 2 字節（1 字節是 8 位）。
+* 16KHz 表示每秒 16,000 次取樣。
+* 16,000 x 2 字節 = 32,000 字節每秒。
+
+這看起來數據量不大，但如果您使用的是內存有限的微控制器，這可能會佔用大量空間。例如，Wio Terminal 只有 192KB 的內存，這需要存儲程式碼和變數。即使您的程式碼非常小，也無法捕捉超過 5 秒的音頻。
+
+微控制器可以訪問額外的存儲，例如 SD 卡或快閃記憶體。在構建捕捉音頻的物聯網設備時，您需要確保不僅有額外的存儲，還需要讓程式碼將從麥克風捕捉的音頻直接寫入存儲，並在發送到雲端時，從存儲流式傳輸到網路請求。這樣可以避免試圖一次性在內存中保存整塊音頻數據而導致內存不足。
+
+## 從物聯網設備捕捉音頻
+
+您的物聯網設備可以連接到麥克風以捕捉音頻，準備轉換為文字。它也可以連接到揚聲器以輸出音頻。在後續課程中，這將用於提供音頻反饋，但現在設置揚聲器以測試麥克風是有用的。
+
+### 任務 - 配置您的麥克風和揚聲器
+
+按照相關指南配置物聯網設備的麥克風和揚聲器：
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [單板電腦 - Raspberry Pi](pi-microphone.md)
+* [單板電腦 - 虛擬設備](virtual-device-microphone.md)
+
+### 任務 - 捕捉音頻
+
+按照相關指南在您的物聯網設備上捕捉音頻：
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [單板電腦 - Raspberry Pi](pi-audio.md)
+* [單板電腦 - 虛擬設備](virtual-device-audio.md)
+
+## 語音轉文字
+
+語音轉文字或語音識別涉及使用人工智慧將音頻信號中的單詞轉換為文字。
+
+### 語音識別模型
+
+要將語音轉換為文字，音頻信號中的取樣會被分組並輸入到基於循環神經網路（Recurrent Neural Network，RNN）的機器學習模型中。這是一種可以使用先前數據來對新數據進行決策的機器學習模型。例如，RNN 可以將一段音頻取樣識別為「Hel」的聲音，當它接收到另一段音頻取樣並認為是「lo」的聲音時，可以將其與之前的聲音結合，發現「Hello」是一個有效的單詞並選擇它作為結果。
+
+機器學習模型始終接受固定大小的數據。您在之前課程中構建的圖像分類器會將圖像調整為固定大小並進行處理。語音模型也是如此，它們必須處理固定大小的音頻塊。語音模型需要能夠結合多次預測的輸出來得出答案，以便區分「Hi」和「Highway」，或「flock」和「floccinaucinihilipilification」。
+
+語音模型也足夠先進，可以理解上下文，並在處理更多聲音時修正它們檢測到的單詞。例如，如果您說「我去商店買了兩根香蕉和一個蘋果」，您會使用三個發音相同但拼寫不同的單詞——to、two 和 too。語音模型能夠理解上下文並使用正確的單詞拼寫。
+💁 某些語音服務允許進行自訂，以便在嘈雜的環境（例如工廠）中更好地運作，或者處理特定行業的詞彙（例如化學名稱）。這些自訂是透過提供樣本音訊和文字轉錄來訓練的，並使用遷移學習的方式運作，就像您在之前的課程中僅使用少量圖片訓練影像分類器的方式一樣。
+### 隱私
+
+在使用消費型物聯網設備進行語音轉文字時，隱私至關重要。這些設備會持續聆聽音頻，因此作為消費者，你不希望自己說的每句話都被傳送到雲端並轉換為文字。這不僅會消耗大量的網絡頻寬，還會帶來巨大的隱私問題，尤其是當某些智能設備製造商隨機選擇音頻供[人工驗證生成的文字以改進模型](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings)時。
+
+你只希望智能設備在你使用它時才將音頻傳送到雲端進行處理，而不是在它聽到家中的音頻時，這些音頻可能包括私人會議或親密互動。大多數智能設備的工作方式是使用*喚醒詞*，例如「Alexa」、「Hey Siri」或「OK Google」等關鍵短語，這些短語會使設備「喚醒」並聆聽你說的話，直到它檢測到你的語音中斷，表明你已完成與設備的對話。
+
+> 🎓 喚醒詞檢測也被稱為*關鍵詞檢測*或*關鍵詞識別*。
+
+這些喚醒詞是在設備上檢測的，而不是在雲端。這些智能設備內置了小型的人工智能模型，這些模型在設備上運行，用於聆聽喚醒詞，當檢測到喚醒詞時，開始將音頻流傳送到雲端進行識別。這些模型非常專業化，只負責聆聽喚醒詞。
+
+> 💁 一些科技公司正在為其設備增加更多隱私功能，並在設備上進行部分語音轉文字的轉換。蘋果公司宣布，作為其2021年iOS和macOS更新的一部分，他們將支持在設備上進行語音轉文字的轉換，並能處理許多請求而無需使用雲端。這得益於其設備中強大的處理器，可以運行機器學習模型。
+
+✅ 你認為將音頻傳送到雲端存儲會帶來哪些隱私和倫理問題？這些音頻應該被存儲嗎？如果存儲，應該如何存儲？你認為將錄音用於執法是否是一個值得的隱私交換？
+
+喚醒詞檢測通常使用一種稱為TinyML的技術，即將機器學習模型轉換為能在微控制器上運行的形式。這些模型體積小，運行時消耗的能量非常少。
+
+為了避免訓練和使用喚醒詞模型的複雜性，你在本課程中構建的智能計時器將使用按鈕來啟動語音識別。
+
+> 💁 如果你想嘗試創建一個喚醒詞檢測模型以在Wio Terminal或Raspberry Pi上運行，可以查看這篇[Edge Impulse的語音響應教程](https://docs.edgeimpulse.com/docs/responding-to-your-voice)。如果你想使用電腦來完成此操作，可以試試[Microsoft Docs上的自定義關鍵詞快速入門](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
+
+## 語音轉文字
+
+![語音服務標誌](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.mo.png)
+
+就像之前的影像分類項目一樣，有一些預建的人工智能服務可以將音頻文件中的語音轉換為文字。其中一項服務是語音服務，它是認知服務的一部分，這些預建的人工智能服務可以在你的應用中使用。
+
+### 任務 - 配置語音人工智能資源
+
+1. 為此項目創建一個名為`smart-timer`的資源組。
+
+1. 使用以下命令創建一個免費的語音資源：
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    將`<location>`替換為創建資源組時使用的位置。
+
+1. 你需要一個API密鑰來從代碼中訪問語音資源。運行以下命令以獲取密鑰：
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    複製其中一個密鑰。
+
+### 任務 - 語音轉文字
+
+按照相關指南在你的物聯網設備上完成語音轉文字：
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [單板電腦 - Raspberry Pi](pi-speech-to-text.md)
+* [單板電腦 - 虛擬設備](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 挑戰
+
+語音識別技術已經存在很長時間，並且在不斷改進。研究目前的技術能力，並比較其隨時間的演變，包括機器轉錄的準確性與人工相比如何。
+
+你認為語音識別的未來會是什麼樣子？
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## 回顧與自學
+
+* 閱讀不同類型的麥克風及其工作原理，參考[Musician's HQ上的動圈與電容麥克風差異文章](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/)。
+* 閱讀更多關於認知服務語音服務的內容，參考[Microsoft Docs上的語音服務文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn)。
+* 閱讀關於關鍵詞檢測的內容，參考[Microsoft Docs上的關鍵詞識別文檔](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)。
+
+## 作業
+
+[](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..c6e16d4f
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-27T00:23:25+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "mo"
+}
+-->
+## 說明
+
+## 評分標準
+
+| 標準 | 優秀 | 合格 | 需要改進 |
+| -------- | --------- | -------- | ----------------- |
+| |  |  |  |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..e8d520cb
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-27T00:18:58+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉音頻 - Raspberry Pi
+
+在本課程的這部分，你將撰寫程式碼以在 Raspberry Pi 上捕捉音頻。音頻捕捉將由按鈕控制。
+
+## 硬體
+
+Raspberry Pi 需要一個按鈕來控制音頻捕捉。
+
+你將使用的是 Grove 按鈕。這是一種數位感測器，可以開啟或關閉信號。這些按鈕可以配置為在按下時發送高信號，未按下時發送低信號，或者按下時發送低信號，未按下時發送高信號。
+
+如果你使用的是 ReSpeaker 2-Mics Pi HAT 作為麥克風，那麼不需要額外連接按鈕，因為這個 HAT 已經內建了一個按鈕。直接跳到下一部分。
+
+### 連接按鈕
+
+按鈕可以連接到 Grove 基座 HAT。
+
+#### 任務 - 連接按鈕
+
+![Grove 按鈕](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.mo.png)
+
+1. 將 Grove 電纜的一端插入按鈕模組上的插座。它只能以一種方式插入。
+
+1. 在 Raspberry Pi 關閉電源的情況下，將 Grove 電纜的另一端連接到 Pi 上 Grove 基座 HAT 的數位插座 **D5**。這個插座位於 GPIO 引腳旁邊的一排插座中，從左數第二個。
+
+![Grove 按鈕連接到插座 D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.mo.png)
+
+## 捕捉音頻
+
+你可以使用 Python 程式碼從麥克風捕捉音頻。
+
+### 任務 - 捕捉音頻
+
+1. 啟動 Raspberry Pi，並等待其完成啟動。
+
+1. 啟動 VS Code，可以直接在 Pi 上操作，或者通過 Remote SSH 擴展連接。
+
+1. PyAudio Pip 套件提供了錄製和播放音頻的功能。此套件依賴於一些音頻庫，需先安裝這些庫。在終端中執行以下命令進行安裝：
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. 安裝 PyAudio Pip 套件。
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. 建立一個名為 `smart-timer` 的新資料夾，並在此資料夾中新增一個名為 `app.py` 的檔案。
+
+1. 在檔案的頂部新增以下導入：
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    這將導入 `pyaudio` 模組、一些處理 WAV 檔案的標準 Python 模組，以及 `grove.factory` 模組以導入用於建立按鈕類的 `Factory`。
+
+1. 在此之下，新增程式碼以建立 Grove 按鈕。
+
+    如果你使用的是 ReSpeaker 2-Mics Pi HAT，請使用以下程式碼：
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    這會在 **D17** 埠上建立一個按鈕，該埠是 ReSpeaker 2-Mics Pi HAT 上按鈕所連接的埠。此按鈕設定為在按下時發送低信號。
+
+    如果你未使用 ReSpeaker 2-Mics Pi HAT，而是使用連接到基座 HAT 的 Grove 按鈕，請使用以下程式碼：
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    這會在 **D5** 埠上建立一個按鈕，該按鈕設定為在按下時發送高信號。
+
+1. 在此之下，建立一個 PyAudio 類的實例以處理音頻：
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. 宣告麥克風和揚聲器的硬體卡號。這將是你在本課程早些時候執行 `arecord -l` 和 `aplay -l` 時找到的卡號。
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    將 `<microphone card number>` 替換為你的麥克風卡號。
+
+    將 `<speaker card number>` 替換為你的揚聲器卡號，與你在 `alsa.conf` 檔案中設定的卡號相同。
+
+1. 在此之下，宣告用於音頻捕捉和播放的採樣率。根據你使用的硬體，可能需要更改此值。
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    如果在稍後執行此程式碼時出現採樣率錯誤，請將此值更改為 `44100` 或 `16000`。值越高，音質越好。
+
+1. 在此之下，建立一個名為 `capture_audio` 的新函數。此函數將用於從麥克風捕捉音頻：
+
+    ```python
+    def capture_audio():
+    ```
+
+1. 在此函數內，新增以下程式碼以捕捉音頻：
+
+    ```python
+    stream = audio.open(format = pyaudio.paInt16,
+                        rate = rate,
+                        channels = 1, 
+                        input_device_index = microphone_card_number,
+                        input = True,
+                        frames_per_buffer = 4096)
+
+    frames = []
+
+    while button.is_pressed():
+        frames.append(stream.read(4096))
+
+    stream.stop_stream()
+    stream.close()
+    ```
+
+    此程式碼使用 PyAudio 物件開啟音頻輸入流。該流將以 16KHz 的速率從麥克風捕捉音頻，並以 4096 字節的緩衝區大小進行捕捉。
+
+    程式碼會在 Grove 按鈕被按下時進行迴圈，每次將這些 4096 字節的緩衝區讀入一個陣列。
+
+    > 💁 你可以在 [PyAudio 文件](https://people.csail.mit.edu/hubert/pyaudio/docs/) 中了解更多關於傳遞給 `open` 方法的選項。
+
+    一旦按鈕被釋放，流將停止並關閉。
+
+1. 在此函數的結尾新增以下程式碼：
+
+    ```python
+    wav_buffer = io.BytesIO()
+    with wave.open(wav_buffer, 'wb') as wavefile:
+        wavefile.setnchannels(1)
+        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
+        wavefile.setframerate(rate)
+        wavefile.writeframes(b''.join(frames))
+        wav_buffer.seek(0)
+
+    return wav_buffer
+    ```
+
+    此程式碼建立一個二進制緩衝區，並將所有捕捉到的音頻以 [WAV 檔案](https://wikipedia.org/wiki/WAV) 的形式寫入。這是一種標準的未壓縮音頻檔案格式。該緩衝區隨後被返回。
+
+1. 新增以下 `play_audio` 函數以播放音頻緩衝區：
+
+    ```python
+    def play_audio(buffer):
+        stream = audio.open(format = pyaudio.paInt16,
+                            rate = rate,
+                            channels = 1,
+                            output_device_index = speaker_card_number,
+                            output = True)
+    
+        with wave.open(buffer, 'rb') as wf:
+            data = wf.readframes(4096)
+    
+            while len(data) > 0:
+                stream.write(data)
+                data = wf.readframes(4096)
+    
+            stream.close()
+    ```
+
+    此函數開啟另一個音頻流，這次是用於輸出 - 播放音頻。它使用與輸入流相同的設定。緩衝區被作為 WAV 檔案開啟，並以 4096 字節的塊寫入輸出流，播放音頻。流隨後被關閉。
+
+1. 在 `capture_audio` 函數下方新增以下程式碼，以迴圈直到按鈕被按下。一旦按鈕被按下，音頻將被捕捉並播放。
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. 執行程式碼。按下按鈕並對著麥克風說話。完成後釋放按鈕，你將聽到錄音。
+
+    在建立 PyAudio 實例時，你可能會遇到一些 ALSA 錯誤。這是由於 Pi 上的音頻設備配置問題，這些設備你可能並未擁有。可以忽略這些錯誤。
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
+    ```
+
+    如果你遇到以下錯誤：
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    請將 `rate` 更改為 `44100` 或 `16000`。
+
+> 💁 你可以在 [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) 資料夾中找到此程式碼。
+
+😀 恭喜！你的音頻錄製程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..2c990783
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-27T00:30:50+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "mo"
+}
+-->
+# 配置您的麥克風和揚聲器 - Raspberry Pi
+
+在本課程中，您將為您的 Raspberry Pi 添加麥克風和揚聲器。
+
+## 硬體
+
+Raspberry Pi 需要一個麥克風。
+
+Pi 本身並未內建麥克風，因此您需要添加外接麥克風。有多種方式可以實現：
+
+* USB 麥克風
+* USB 耳機
+* USB 一體式會議麥克風
+* USB 音頻轉接器和帶 3.5mm 插孔的麥克風
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 並非所有藍牙麥克風都能在 Raspberry Pi 上使用，因此如果您有藍牙麥克風或耳機，可能會遇到配對或錄音問題。
+
+Raspberry Pi 配備了一個 3.5mm 耳機插孔。您可以使用它來連接耳機、耳麥或揚聲器。您也可以通過以下方式添加揚聲器：
+
+* 通過顯示器或電視的 HDMI 音頻
+* USB 揚聲器
+* USB 耳機
+* USB 一體式會議麥克風
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)，並通過 3.5mm 插孔或 JST 接口連接揚聲器
+
+## 連接並配置麥克風和揚聲器
+
+麥克風和揚聲器需要連接並進行配置。
+
+### 任務 - 連接並配置麥克風
+
+1. 使用適當的方法連接麥克風。例如，通過其中一個 USB 端口連接。
+
+1. 如果您使用的是 ReSpeaker 2-Mics Pi HAT，可以移除 Grove 基座帽，然後將 ReSpeaker 帽安裝到其位置。
+
+    ![一個安裝了 ReSpeaker 帽的 Raspberry Pi](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.mo.png)
+
+    在本課程稍後您將需要一個 Grove 按鈕，但此帽已內建一個按鈕，因此不需要 Grove 基座帽。
+
+    安裝帽子後，您需要安裝一些驅動程式。請參考 [Seeed 的入門指南](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) 以獲取驅動程式安裝指引。
+
+    > ⚠️ 指引中使用了 `git` 來克隆一個倉庫。如果您的 Pi 上未安裝 `git`，可以通過以下命令進行安裝：
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 連線運行，以查看已連接的麥克風資訊：
+
+    ```sh
+    arecord -l
+    ```
+
+    您將看到已連接的麥克風列表。它可能類似於以下內容：
+
+    ```output
+    pi@raspberrypi:~ $ arecord -l
+    **** List of CAPTURE Hardware Devices ****
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    假設您只有一個麥克風，您應該只看到一個條目。在 Linux 上配置麥克風可能會比較棘手，因此最好只使用一個麥克風並拔掉其他的。
+
+    記下卡號，稍後您將需要使用它。在上述輸出中，卡號為 1。
+
+### 任務 - 連接並配置揚聲器
+
+1. 使用適當的方法連接揚聲器。
+
+1. 在 Pi 的終端中運行以下命令，或者通過 VS Code 和遠端 SSH 連線運行，以查看已連接的揚聲器資訊：
+
+    ```sh
+    aplay -l
+    ```
+
+    您將看到已連接的揚聲器列表。它可能類似於以下內容：
+
+    ```output
+    pi@raspberrypi:~ $ aplay -l
+    **** List of PLAYBACK Hardware Devices ****
+    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
+      Subdevices: 8/8
+      Subdevice #0: subdevice #0
+      Subdevice #1: subdevice #1
+      Subdevice #2: subdevice #2
+      Subdevice #3: subdevice #3
+      Subdevice #4: subdevice #4
+      Subdevice #5: subdevice #5
+      Subdevice #6: subdevice #6
+      Subdevice #7: subdevice #7
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    您將始終看到 `card 0: Headphones`，因為這是內建的耳機插孔。如果您添加了額外的揚聲器，例如 USB 揚聲器，您也會看到它列出。
+
+1. 如果您使用的是額外的揚聲器，而不是連接到內建耳機插孔的揚聲器或耳機，您需要將其配置為預設設備。為此，請運行以下命令：
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    這將在 `nano` 中打開一個配置檔案，`nano` 是一個基於終端的文字編輯器。使用鍵盤上的箭頭鍵向下滾動，直到找到以下行：
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    將值從 `0` 更改為您希望使用的卡號，該卡號來自 `aplay -l` 命令的返回列表。例如，在上述輸出中，有一個名為 `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` 的第二個聲卡，使用卡號 1。要使用此卡，我會將該行更新為：
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    將此值設置為適當的卡號。您可以使用鍵盤上的箭頭鍵導航到該數字，然後像編輯文字檔案一樣刪除並輸入新數字。
+
+1. 按 `Ctrl+x` 保存更改並關閉檔案。按 `y` 保存檔案，然後按 `return` 確認檔案名稱。
+
+### 任務 - 測試麥克風和揚聲器
+
+1. 運行以下命令以通過麥克風錄製 5 秒的音頻：
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    在此命令運行期間，對著麥克風發出聲音，例如說話、唱歌、節奏口技、演奏樂器或任何您喜歡的方式。
+
+1. 5 秒後，錄音將停止。運行以下命令以播放音頻：
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    您將聽到音頻通過揚聲器播放。根據需要調整揚聲器的輸出音量。
+
+1. 如果需要調整內建麥克風端口的音量或麥克風的增益，可以使用 `alsamixer` 工具。您可以在 [Linux alsamixer 手冊頁](https://linux.die.net/man/1/alsamixer) 上了解更多關於此工具的資訊。
+
+1. 如果播放音頻時出現錯誤，請檢查您在 `alsa.conf` 檔案中設置的 `defaults.pcm.card` 卡號是否正確。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..57b1c905
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-27T00:33:05+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "mo"
+}
+-->
+# 語音轉文字 - Raspberry Pi
+
+在這部分課程中，你將撰寫程式碼，使用語音服務將錄製的音訊轉換為文字。
+
+## 將音訊發送至語音服務
+
+可以使用 REST API 將音訊發送至語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖訪問 REST API。這些存取權杖每 10 分鐘會過期，因此你的程式碼應定期請求新的權杖，以確保它們始終是最新的。
+
+### 任務 - 獲取存取權杖
+
+1. 在你的 Raspberry Pi 上打開 `smart-timer` 專案。
+
+1. 刪除 `play_audio` 函數。這已經不再需要，因為你不希望智慧計時器重複你所說的話。
+
+1. 在 `app.py` 檔案的頂部新增以下匯入：
+
+    ```python
+    import requests
+    ```
+
+1. 在 `while True` 迴圈的上方新增以下程式碼，來宣告語音服務的一些設定：
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    將 `<key>` 替換為你的語音服務資源的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
+
+    將 `<language>` 替換為你將使用的語言的地區名稱，例如英語使用 `en-GB`，粵語使用 `zn-HK`。你可以在 [Microsoft Docs 的語言與語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
+
+1. 在這段程式碼的下方，新增以下函數以獲取存取權杖：
+
+    ```python
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_api_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    這會呼叫一個權杖發放端點，並將 API 金鑰作為標頭傳遞。此呼叫會返回一個存取權杖，可用於呼叫語音服務。
+
+1. 在這段程式碼的下方，宣告一個函數，使用 REST API 將錄製的音訊中的語音轉換為文字：
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. 在這個函數內，設定 REST API 的 URL 和標頭：
+
+    ```python
+    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
+
+    headers = {
+        'Authorization': 'Bearer ' + get_access_token(),
+        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
+        'Accept': 'application/json;text/xml'
+    }
+
+    params = {
+        'language': language
+    }
+    ```
+
+    這會使用語音服務資源的位置來構建一個 URL。然後使用 `get_access_token` 函數獲取的存取權杖填充標頭，並加入錄製音訊時使用的取樣率。最後，定義一些參數，這些參數會與 URL 一起傳遞，包含音訊中的語言。
+
+1. 在這段程式碼的下方，新增以下程式碼以呼叫 REST API 並獲取返回的文字：
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, data=buffer)
+    response_json = response.json()
+
+    if response_json['RecognitionStatus'] == 'Success':
+        return response_json['DisplayText']
+    else:
+        return ''
+    ```
+
+    這會呼叫該 URL，並解碼回應中的 JSON 值。回應中的 `RecognitionStatus` 值表示是否成功將語音轉換為文字。如果該值為 `Success`，則函數會返回文字，否則返回空字串。
+
+1. 在 `while True:` 迴圈的上方，定義一個函數來處理語音轉文字服務返回的文字。這個函數目前只會將文字輸出到控制台。
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. 最後，在 `while True` 迴圈中，將 `play_audio` 的呼叫替換為 `convert_speech_to_text` 函數的呼叫，並將文字傳遞給 `process_text` 函數：
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. 執行程式碼。按下按鈕並對著麥克風說話。完成後鬆開按鈕，音訊將被轉換為文字並輸出到控制台。
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    嘗試不同類型的句子，以及一些發音相同但意思不同的句子。例如，如果你使用英語，說「I want to buy two bananas and an apple too」，並注意它如何根據上下文正確使用 to、two 和 too，而不僅僅是根據發音。
+
+> 💁 你可以在 [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) 資料夾中找到這段程式碼。
+
+😀 你的語音轉文字程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..9e41dc67
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-27T00:33:47+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉音訊 - 虛擬物聯網裝置
+
+在本課程稍後的部分，您將使用的 Python 函式庫能將語音轉換為文字，這些函式庫在 Windows、macOS 和 Linux 上內建了音訊捕捉功能。您在這裡無需執行任何操作。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..ca85be10
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-27T00:34:11+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "mo"
+}
+-->
+# 配置您的麥克風和揚聲器 - 虛擬物聯網硬件
+
+虛擬物聯網硬件將使用連接到您電腦的麥克風和揚聲器。
+
+如果您的電腦沒有內建麥克風和揚聲器，您需要使用您選擇的硬件來連接，例如：
+
+* USB 麥克風  
+* USB 揚聲器  
+* 內建於顯示器並通過 HDMI 連接的揚聲器  
+* 藍牙耳機  
+
+請參考您的硬件製造商提供的說明來安裝和配置這些硬件。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..93b39ebe
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-27T00:24:13+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "mo"
+}
+-->
+# 語音轉文字 - 虛擬物聯網設備
+
+在本課程的這部分，你將撰寫程式碼，使用語音服務將從麥克風捕捉的語音轉換為文字。
+
+## 將語音轉換為文字
+
+在 Windows、Linux 和 macOS 上，可以使用語音服務的 Python SDK 來監聽你的麥克風，並將檢測到的語音轉換為文字。它會持續監聽，檢測音量水平，並在音量下降（例如在一段語音結束時）時將語音發送進行文字轉換。
+
+### 任務 - 將語音轉換為文字
+
+1. 在你的電腦上建立一個名為 `smart-timer` 的資料夾，並在其中建立一個名為 `app.py` 的單一檔案，以及一個 Python 虛擬環境。
+
+1. 安裝語音服務的 Pip 套件。確保你是在啟動虛擬環境的終端中進行安裝。
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ 如果你遇到以下錯誤：
+    >
+    > ```output
+    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
+    > ERROR: No matching distribution found for azure-cognitiveservices-speech
+    > ```
+    >
+    > 你需要更新 Pip。使用以下指令更新，然後再次嘗試安裝套件：
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. 在 `app.py` 檔案中加入以下匯入：
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    這些匯入了一些用於語音識別的類別。
+
+1. 加入以下程式碼來宣告一些配置：
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    將 `<key>` 替換為你的語音服務的 API 金鑰。將 `<location>` 替換為你建立語音服務資源時使用的位置。
+
+    將 `<language>` 替換為你將使用的語言的地區名稱，例如 `en-GB` 表示英語，或 `zn-HK` 表示粵語。你可以在 [Microsoft Docs 的語言和語音支持文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支持的語言及其地區名稱列表。
+
+    此配置將用於建立一個 `SpeechConfig` 物件，用來配置語音服務。
+
+1. 加入以下程式碼來建立語音識別器：
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. 語音識別器在背景執行緒上運行，監聽音頻並將其中的語音轉換為文字。你可以使用回調函數來獲取文字——定義一個函數並傳遞給識別器。每次檢測到語音時，回調函數都會被調用。加入以下程式碼來定義回調函數，並將此回調函數傳遞給識別器，同時定義一個函數來處理文字，將其輸出到控制台：
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. 識別器只有在你明確啟動時才會開始監聽。加入以下程式碼來啟動識別。這會在背景執行，因此你的應用程式還需要一個無限迴圈，通過休眠來保持應用程式運行。
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. 執行此應用程式。對著你的麥克風說話，轉換為文字的音頻將輸出到控制台。
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    嘗試不同類型的句子，以及一些詞音相同但意思不同的句子。例如，如果你使用英語，說「I want to buy two bananas and an apple too」，並注意它如何根據詞的上下文正確使用 to、two 和 too，而不僅僅是根據它的發音。
+
+> 💁 你可以在 [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) 資料夾中找到這段程式碼。
+
+😀 你的語音轉文字程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..695e6bb8
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-27T00:26:29+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "mo"
+}
+-->
+# 捕捉音頻 - Wio Terminal
+
+在這部分課程中，您將撰寫程式碼來在 Wio Terminal 上捕捉音頻。音頻捕捉將由 Wio Terminal 頂部的一個按鈕控制。
+
+## 將設備編程為捕捉音頻
+
+您可以使用 C++ 程式碼從麥克風捕捉音頻。Wio Terminal 只有 192KB 的 RAM，這不足以捕捉超過幾秒鐘的音頻。它還有 4MB 的快閃記憶體，因此可以改用快閃記憶體來儲存捕捉的音頻。
+
+內建的麥克風捕捉的是類比信號，該信號會被轉換為 Wio Terminal 可用的數位信號。在捕捉音頻時，數據需要以正確的時間間隔進行捕捉——例如，要以 16KHz 捕捉音頻，則需要每秒準確捕捉 16,000 次，且每次取樣之間的間隔相等。與其使用您的程式碼來完成這項工作，您可以使用直接記憶體存取控制器（DMAC）。這是一種電路，可以從某處捕捉信號並寫入記憶體，而不會中斷處理器上正在執行的程式碼。
+
+✅ 在 [維基百科的直接記憶體存取頁面](https://wikipedia.org/wiki/Direct_memory_access) 上閱讀更多關於 DMA 的資訊。
+
+![音頻從麥克風進入 ADC，然後進入 DMAC。這會寫入一個緩衝區。當這個緩衝區滿了之後，它會被處理，DMAC 會寫入第二個緩衝區](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.mo.png)
+
+DMAC 可以以固定的間隔從 ADC 捕捉音頻，例如每秒 16,000 次以捕捉 16KHz 的音頻。它可以將捕捉到的數據寫入預先分配的記憶體緩衝區，當緩衝區滿了時，通知您的程式碼進行處理。使用這些記憶體可能會延遲音頻捕捉，但您可以設置多個緩衝區。DMAC 先寫入緩衝區 1，當緩衝區 1 滿了時，通知您的程式碼處理緩衝區 1，然後 DMAC 開始寫入緩衝區 2。當緩衝區 2 滿了時，它會通知您的程式碼，然後回到寫入緩衝區 1。這樣，只要您在填滿一個緩衝區的時間內處理完每個緩衝區，就不會丟失任何數據。
+
+每當捕捉到一個緩衝區後，它可以被寫入快閃記憶體。快閃記憶體需要使用定義的地址進行寫入，指定寫入的位置和大小，類似於更新記憶體中的字節陣列。快閃記憶體具有粒度，這意味著擦除和寫入操作不僅需要固定大小，還需要對齊到該大小。例如，如果粒度是 4096 字節，而您請求在地址 4200 處擦除，它可能會擦除從地址 4096 到 8192 的所有數據。因此，當您將音頻數據寫入快閃記憶體時，必須以正確大小的塊進行寫入。
+
+### 任務 - 配置快閃記憶體
+
+1. 使用 PlatformIO 創建一個全新的 Wio Terminal 專案。將此專案命名為 `smart-timer`。在 `setup` 函數中添加程式碼以配置序列埠。
+
+1. 在 `platformio.ini` 文件中添加以下庫依賴項，以提供對快閃記憶體的訪問：
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. 打開 `main.cpp` 文件，並在文件頂部添加以下包含指令以使用快閃記憶體庫：
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD 代表 Serial Flash Universal Driver，是一個設計用於所有快閃記憶體晶片的庫。
+
+1. 在 `setup` 函數中，添加以下程式碼以設置快閃儲存庫：
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    這段程式碼會循環直到 SFUD 庫初始化完成，然後啟用快速讀取。內建的快閃記憶體可以通過隊列式序列周邊介面（QSPI）訪問，這是一種 SPI 控制器，允許通過隊列以最小的處理器使用量進行連續訪問。這使得讀取和寫入快閃記憶體的速度更快。
+
+1. 在 `src` 資料夾中創建一個名為 `flash_writer.h` 的新文件。
+
+1. 在此文件頂部添加以下內容：
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    這包括了一些必要的標頭文件，包括與快閃記憶體交互的 SFUD 庫的標頭文件。
+
+1. 在這個新標頭文件中定義一個名為 `FlashWriter` 的類：
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. 在 `private` 區域中，添加以下程式碼：
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    這定義了一些用於在寫入快閃記憶體之前儲存數據的緩衝區欄位。有一個字節陣列 `_sfudBuffer` 用於寫入數據，當它滿了時，數據會被寫入快閃記憶體。`_sfudBufferPos` 欄位儲存當前在此緩衝區中寫入的位置，`_sfudBufferWritePos` 儲存寫入快閃記憶體的位置。`_flash` 是一個指向要寫入的快閃記憶體的指標——某些微控制器有多個快閃記憶體晶片。
+
+1. 在 `public` 區域中添加以下方法以初始化此類：
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    這會配置 Wio Terminal 上的快閃記憶體以進行寫入，並根據快閃記憶體的粒度設置緩衝區。這是在 `init` 方法中完成的，而不是在構造函數中，因為這需要在 `setup` 函數中設置快閃記憶體後調用。
+
+1. 在 `public` 區域中添加以下程式碼：
+
+    ```cpp
+    void writeSfudBuffer(byte b)
+    {
+        _sfudBuffer[_sfudBufferPos++] = b;
+        if (_sfudBufferPos == _sfudBufferSize)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+
+    void writeSfudBuffer(byte *b, size_t len)
+    {
+        for (size_t i = 0; i < len; ++i)
+        {
+            writeSfudBuffer(b[i]);
+        }
+    }
+
+    void flushSfudBuffer()
+    {
+        if (_sfudBufferPos > 0)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+    ```
+
+    這段程式碼定義了將字節寫入快閃儲存系統的方法。它通過寫入與快閃記憶體大小相符的記憶體緩衝區來工作，當緩衝區滿了時，這些數據會被寫入快閃記憶體，並擦除該位置的任何現有數據。還有一個 `flushSfudBuffer` 方法，用於寫入不完整的緩衝區，因為捕捉的數據不會是粒度大小的整數倍，因此需要寫入數據的末尾部分。
+
+    > 💁 數據的末尾部分會寫入一些額外的無用數據，但這沒關係，因為只會讀取需要的數據。
+
+### 任務 - 設置音頻捕捉
+
+1. 在 `src` 資料夾中創建一個名為 `config.h` 的新文件。
+
+1. 在此文件頂部添加以下內容：
+
+    ```cpp
+    #pragma once
+
+    #define RATE 16000
+    #define SAMPLE_LENGTH_SECONDS 4
+    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
+    #define BUFFER_SIZE (SAMPLES * 2) + 44
+    #define ADC_BUF_LEN 1600
+    ```
+
+    這段程式碼設置了一些音頻捕捉的常數。
+
+    | 常數                  | 值     | 描述 |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | 音頻的取樣率。16,000 即 16KHz |
+    | SAMPLE_LENGTH_SECONDS | 4      | 要捕捉的音頻長度。此處設置為 4 秒。若要錄製更長的音頻，請增加此值。 |
+    | SAMPLES               | 64000  | 將捕捉的音頻取樣總數。設置為取樣率 * 秒數 |
+    | BUFFER_SIZE           | 128044 | 捕捉音頻的緩衝區大小。音頻將以 WAV 文件格式捕捉，其中 44 字節為標頭，128,000 字節為音頻數據（每個取樣為 2 字節） |
+    | ADC_BUF_LEN           | 1600   | 用於從 DMAC 捕捉音頻的緩衝區大小 |
+
+    > 💁 如果您發現 4 秒太短無法完成計時器請求，可以增加 `SAMPLE_LENGTH_SECONDS` 的值，其他值將自動重新計算。
+
+1. 在 `src` 資料夾中創建一個名為 `mic.h` 的新文件。
+
+1. 在此文件頂部添加以下內容：
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    這包括了一些必要的標頭文件，包括 `config.h` 和 `FlashWriter` 標頭文件。
+
+1. 添加以下內容以定義一個可以從麥克風捕捉音頻的 `Mic` 類：
+
+    ```cpp
+    class Mic
+    {
+    public:
+        Mic()
+        {
+            _isRecording = false;
+            _isRecordingReady = false;
+        }
+    
+        void startRecording()
+        {
+            _isRecording = true;
+            _isRecordingReady = false;
+        }
+    
+        bool isRecording()
+        {
+            return _isRecording;
+        }
+    
+        bool isRecordingReady()
+        {
+            return _isRecordingReady;
+        }
+    
+    private:
+        volatile bool _isRecording;
+        volatile bool _isRecordingReady;
+        FlashWriter _writer;
+    };
+    
+    Mic mic;
+    ```
+
+    目前此類只有幾個欄位，用於追蹤錄音是否已開始，以及錄音是否已準備好使用。當 DMAC 被設置後，它會持續寫入記憶體緩衝區，因此 `_isRecording` 標誌決定這些緩衝區是否應該被處理或忽略。當捕捉到所需的 4 秒音頻時，`_isRecordingReady` 標誌將被設置。`_writer` 欄位用於將音頻數據儲存到快閃記憶體。
+
+    然後宣告一個全域變數作為 `Mic` 類的實例。
+
+1. 在 `Mic` 類的 `private` 區域中添加以下程式碼：
+
+    ```cpp
+    typedef struct
+    {
+        uint16_t btctrl;
+        uint16_t btcnt;
+        uint32_t srcaddr;
+        uint32_t dstaddr;
+        uint32_t descaddr;
+    } dmacdescriptor;
+
+    // Globals - DMA and ADC
+    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor __attribute__((aligned(16)));
+
+    void configureDmaAdc()
+    {
+        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
+        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
+        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
+        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
+        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
+                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        // Configure NVIC
+        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
+        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
+
+        // Activate the suspend (SUSP) interrupt on DMAC channel 1
+        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
+
+        // Configure ADC
+        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
+        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
+            ;                              // Wait for synchronization
+        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
+        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
+            ;                                         // Wait for synchronization
+        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
+        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
+                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
+        while (ADC1->SYNCBUSY.bit.CTRLB)
+            ;                       // Wait for synchronization
+        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
+        while (ADC1->SYNCBUSY.bit.ENABLE)
+            ;                       // Wait for synchronization
+        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
+        while (ADC1->SYNCBUSY.bit.SWTRIG)
+            ; // Wait for synchronization
+
+        // Enable DMA channel 1
+        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
+
+        // Configure Timer/Counter 5
+        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
+                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
+
+        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
+        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
+        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
+            ; // Wait for synchronization
+
+        // Start Timer/Counter 5
+        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
+        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
+            ; // Wait for synchronization
+    }
+
+    uint16_t _adc_buf_0[ADC_BUF_LEN];
+    uint16_t _adc_buf_1[ADC_BUF_LEN];
+    ```
+
+    這段程式碼定義了一個 `configureDmaAdc` 方法，用於配置 DMAC，將其連接到 ADC，並設置為填充兩個不同的交替緩衝區 `_adc_buf_0` 和 `_adc_buf_1`。
+
+    > 💁 微控制器開發的一個缺點是與硬體交互所需的程式碼非常複雜，因為您的程式碼在非常低的層級上直接與硬體交互。這段程式碼比您為單板電腦或桌面電腦撰寫的程式碼更複雜，因為沒有作業系統提供幫助。雖然有一些庫可以簡化這個過程，但仍然存在很多複雜性。
+
+1. 在此程式碼下方添加以下程式碼：
+
+    ```cpp
+    // WAV files have a header. This struct defines that header
+    struct wavFileHeader
+    {
+        char riff[4];         /* "RIFF"                                  */
+        long flength;         /* file length in bytes                    */
+        char wave[4];         /* "WAVE"                                  */
+        char fmt[4];          /* "fmt "                                  */
+        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
+        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
+        short num_chans;      /* 1=mono, 2=stereo                        */
+        long srate;           /* Sampling rate in samples per second     */
+        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
+        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
+        short bits_per_samp;  /* Number of bits per sample               */
+        char data[4];         /* "data"                                  */
+        long dlength;         /* data length in bytes (filelength - 44)  */
+    };
+
+    void initBufferHeader()
+    {
+        wavFileHeader wavh;
+
+        strncpy(wavh.riff, "RIFF", 4);
+        strncpy(wavh.wave, "WAVE", 4);
+        strncpy(wavh.fmt, "fmt ", 4);
+        strncpy(wavh.data, "data", 4);
+
+        wavh.chunk_size = 16;
+        wavh.format_tag = 1; // PCM
+        wavh.num_chans = 1;  // mono
+        wavh.srate = RATE;
+        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
+        wavh.bytes_per_samp = 2;
+        wavh.bits_per_samp = 16;
+        wavh.dlength = RATE * 2 * 1 * 16 / 2;
+        wavh.flength = wavh.dlength + 44;
+
+        _writer.writeSfudBuffer((byte *)&wavh, 44);
+    }
+    ```
+
+    這段程式碼將 WAV 標頭定義為一個佔用 44 字節記憶體的結構。它將音頻文件的取樣率、大小和通道數等詳細資訊寫入標頭，然後將該標頭寫入快閃記憶體。
+
+1. 在此程式碼下方添加以下內容以宣告一個方法，該方法在音頻緩衝區準備好處理時被調用：
+
+    ```cpp
+    void audioCallback(uint16_t *buf, uint32_t buf_len)
+    {
+        static uint32_t idx = 44;
+
+        if (_isRecording)
+        {
+            for (uint32_t i = 0; i < buf_len; i++)
+            {
+                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
+
+                _writer.writeSfudBuffer(audio_value & 0xFF);
+                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
+            }
+
+            idx += buf_len;
+                
+            if (idx >= BUFFER_SIZE)
+            {
+                _writer.flushSfudBuffer();
+                idx = 44;
+                _isRecording = false;
+                _isRecordingReady = true;
+            }
+        }
+    }
+    ```
+
+    音頻緩衝區是包含來自 ADC 的音頻的 16 位整數陣列。ADC 返回的是 12 位無符號值（0-1023），因此需要將其轉換為 16 位有符號值，然後轉換為 2 個字節以作為原始二進位數據儲存。
+
+    這些字節被寫入快閃記憶體緩衝區。寫入從索引 44 開始——這是 WAV 文件標頭的 44 字節偏移量。一旦捕捉到所需長度的所有字節，剩餘的數據將被寫入快閃記憶體。
+
+1. 在 `Mic` 類的 `public` 區域中添加以下程式碼：
+
+    ```cpp
+    void dmaHandler()
+    {
+        static uint8_t count = 0;
+
+        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
+        {
+            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
+            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
+
+            if (count)
+            {
+                audioCallback(_adc_buf_0, ADC_BUF_LEN);
+            }
+            else
+            {
+                audioCallback(_adc_buf_1, ADC_BUF_LEN);
+            }
+
+            count = (count + 1) % 2;
+        }
+    }
+    ```
+
+    這段程式碼將由 DMAC 調用，以通知您的程式碼處理緩衝區。它檢查是否有數據需要處理，並調用 `audioCallback` 方法處理相關緩衝區。
+
+1. 在類外部，在 `Mic mic;` 宣告之後添加以下程式碼：
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    `DMAC_1_Handler` 將由 DMAC 調用，當緩衝區準備好處理時。此函數通過名稱找到，因此只需存在即可被調用。
+
+1. 在 `Mic` 類的 `public` 區域中添加以下兩個方法：
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    `init` 方法包含初始化 `Mic` 類的程式碼。此方法設置麥克風引腳的正確電壓，設置快閃記憶體寫入器，寫入 WAV 文件標頭，並配置 DMAC。`reset` 方法在音頻捕捉並使用後重置快閃記憶體並重新寫入標頭。
+
+### 任務 - 捕捉音頻
+
+1. 在 `main.cpp` 文件中，添加一個包含 `mic.h` 標頭文件的指令：
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. 在 `setup` 函數中，初始化 C 按鈕。當按下此按鈕時，將開始音頻捕捉，並持續 4 秒：
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. 在此程式碼下方，初始化麥克風，然後在控制台中打印音頻已準備好捕捉的訊息：
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. 在 `loop` 函數上方，定義一個函數來處理捕捉的音頻。目前此函數不執行任何操作，但稍後在本課程中，它將用於將語音轉換為文字：
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. 在 `loop` 函數中添加以下程式碼：
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
+        {
+            Serial.println("Starting recording...");
+            mic.startRecording();
+        }
+    
+        if (!mic.isRecording() && mic.isRecordingReady())
+        {
+            Serial.println("Finished recording");
+    
+            processAudio();
+    
+            mic.reset();
+        }
+    }
+    ```
+
+    這段程式碼檢查 C 按鈕，如果按下且錄音尚未開始，則將 `Mic` 類的 `_isRecording` 欄位設置為 true。這將導致 `Mic` 類的 `audioCallback` 方法儲存音頻，直到捕捉到 4 秒的音頻。當捕捉到 4 秒的音頻後，`_isRecording` 欄位將設置為 false，`_isRecordingReady` 欄位將設置為 true。然後在 `loop` 函數中檢查此標誌，當為 true 時，調用 `processAudio` 函數，然後重置 `Mic` 類。
+
+1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音頻。
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Ready.
+    Starting recording...
+    Finished recording
+    ```
+💁 您可以在 [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) 資料夾中找到此程式碼。
+😀 你的音訊錄製程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..52ef54ff
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-27T00:32:01+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "mo"
+}
+-->
+# 配置你的麥克風和揚聲器 - Wio Terminal
+
+在本課程中，你將為 Wio Terminal 添加揚聲器。Wio Terminal 已內建麥克風，可用於捕捉語音。
+
+## 硬體
+
+Wio Terminal 已內建麥克風，可用於捕捉音訊以進行語音識別。
+
+![Wio Terminal 上的麥克風](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.mo.png)
+
+若要添加揚聲器，你可以使用 [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)。這是一塊外接板，包含兩個 MEMS 麥克風，以及一個揚聲器連接器和耳機插孔。
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.mo.png)
+
+你需要添加耳機、一個帶有 3.5mm 插頭的揚聲器，或者像 [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html) 這樣的帶有 JST 接頭的揚聲器。
+
+要連接 ReSpeaker 2-Mics Pi Hat，你需要 40 根針對針（也稱為公對公）的跳線。
+
+> 💁 如果你熟悉焊接，可以使用 [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) 來連接 ReSpeaker。
+
+你還需要一張 SD 卡來下載和播放音訊。Wio Terminal 僅支持最大 16GB 的 SD 卡，並且需要格式化為 FAT32 或 exFAT。
+
+### 任務 - 連接 ReSpeaker Pi Hat
+
+1. 在 Wio Terminal 關機的情況下，使用跳線將 ReSpeaker 2-Mics Pi Hat 連接到 Wio Terminal 的 GPIO 插座：
+
+    需要按照以下方式連接引腳：
+
+    ![引腳圖](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.mo.png)
+
+1. 將 ReSpeaker 和 Wio Terminal 放置好，GPIO 插座朝上，位於左側。
+
+1. 從 ReSpeaker GPIO 插座左上角的插孔開始，使用針對針跳線將 ReSpeaker 左上角的插孔連接到 Wio Terminal 左上角的插孔。
+
+1. 按此方式依次連接 GPIO 插座左側的所有引腳。確保引腳插牢。
+
+    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.mo.png)
+
+    ![ReSpeaker 左側引腳連接到 Wio Terminal 左側引腳](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.mo.png)
+
+    > 💁 如果你的跳線是連成一條排線，保持它們在一起會更容易確保所有線都按順序連接。
+
+1. 使用 ReSpeaker 和 Wio Terminal 的右側 GPIO 插座重複此過程。這些線需要繞過已經連接的線。
+
+    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.mo.png)
+
+    ![ReSpeaker 右側引腳連接到 Wio Terminal 右側引腳](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.mo.png)
+
+    > 💁 如果你的跳線是連成一條排線，將它們分成兩條排線。分別從已連接的線兩側穿過。
+
+    > 💁 你可以使用膠帶將引腳固定成一個塊，這樣可以防止在連接過程中引腳脫落。
+    >
+    > ![用膠帶固定的引腳](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.mo.png)
+
+1. 你需要添加一個揚聲器。
+
+    * 如果你使用的是帶有 JST 線的揚聲器，將其連接到 ReSpeaker 的 JST 接口。
+
+      ![使用 JST 線連接到 ReSpeaker 的揚聲器](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.mo.png)
+
+    * 如果你使用的是帶有 3.5mm 插頭的揚聲器或耳機，將其插入 3.5mm 插孔。
+
+      ![使用 3.5mm 插孔連接到 ReSpeaker 的揚聲器](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.mo.png)
+
+### 任務 - 設置 SD 卡
+
+1. 將 SD 卡連接到你的電腦，如果電腦沒有 SD 卡插槽，請使用外接讀卡器。
+
+1. 使用電腦上的適當工具格式化 SD 卡，確保使用 FAT32 或 exFAT 文件系統。
+
+1. 將 SD 卡插入 Wio Terminal 左側電源按鈕下方的 SD 卡插槽。確保卡完全插入並卡住——你可能需要使用一個細小的工具或另一張 SD 卡來幫助將其完全推入。
+
+    ![將 SD 卡插入電源開關下方的 SD 卡插槽](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.mo.png)
+
+    > 💁 要取出 SD 卡，你需要稍微按入卡片，它會彈出。你可能需要使用像平頭螺絲刀或另一張 SD 卡這樣的細小工具來完成此操作。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..afd25e53
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-27T00:29:09+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "mo"
+}
+-->
+# 語音轉文字 - Wio Terminal
+
+在這部分課程中，您將撰寫程式碼，使用語音服務將捕捉到的音訊轉換為文字。
+
+## 將音訊發送到語音服務
+
+可以使用 REST API 將音訊發送到語音服務。要使用語音服務，首先需要請求一個存取權杖，然後使用該權杖來存取 REST API。這些存取權杖在 10 分鐘後會過期，因此您的程式碼應定期請求權杖，以確保它們始終是最新的。
+
+### 任務 - 獲取存取權杖
+
+1. 如果尚未開啟，請開啟 `smart-timer` 專案。
+
+1. 在 `platformio.ini` 檔案中新增以下函式庫依賴項，以存取 WiFi 並處理 JSON：
+
+    ```ini
+    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+1. 在 `config.h` 標頭檔案中新增以下程式碼：
+
+    ```cpp
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    
+    const char *SPEECH_API_KEY = "<API_KEY>";
+    const char *SPEECH_LOCATION = "<LOCATION>";
+    const char *LANGUAGE = "<LANGUAGE>";
+
+    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
+    ```
+
+    將 `<SSID>` 和 `<PASSWORD>` 替換為您的 WiFi 的相關值。
+
+    將 `<API_KEY>` 替換為您的語音服務資源的 API 金鑰。將 `<LOCATION>` 替換為您建立語音服務資源時使用的位置。
+
+    將 `<LANGUAGE>` 替換為您將使用的語言的地區名稱，例如英語使用 `en-GB`，粵語使用 `zn-HK`。您可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱的清單。
+
+    `TOKEN_URL` 常數是權杖發行者的 URL，不包含位置。稍後將與位置結合以獲取完整的 URL。
+
+1. 與連接到 Custom Vision 一樣，您需要使用 HTTPS 連接來連接到權杖發行服務。在 `config.h` 的結尾新增以下程式碼：
+
+    ```cpp
+    const char *TOKEN_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    這是您在連接到 Custom Vision 時使用的相同憑證。
+
+1. 在 `main.cpp` 檔案的頂部新增 WiFi 標頭檔案和 config 標頭檔案的 include：
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. 在 `main.cpp` 中的 `setup` 函數上方新增連接到 WiFi 的程式碼：
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. 在 `setup` 函數中，建立序列連接後呼叫此函數：
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. 在 `src` 資料夾中建立一個名為 `speech_to_text.h` 的新標頭檔案。在此標頭檔案中新增以下程式碼：
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "mic.h"
+    
+    class SpeechToText
+    {
+    public:
+
+    private:
+
+    };
+
+    SpeechToText speechToText;
+    ```
+
+    這包括一些必要的標頭檔案，用於 HTTP 連接、配置和 `mic.h` 標頭檔案，並定義了一個名為 `SpeechToText` 的類，然後宣告了一個稍後可以使用的該類的實例。
+
+1. 在該類的 `private` 區域中新增以下兩個欄位：
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client` 是一個使用 HTTPS 的 WiFi Client，將用於獲取存取權杖。該權杖將存儲在 `_access_token` 中。
+
+1. 在 `private` 區域中新增以下方法：
+
+    ```cpp
+    String getAccessToken()
+    {
+        char url[128];
+        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
+    
+        HTTPClient httpClient;
+        httpClient.begin(_token_client, url);
+    
+        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
+        int httpResultCode = httpClient.POST("{}");
+    
+        if (httpResultCode != 200)
+        {
+            Serial.println("Error getting access token, trying again...");
+            delay(10000);
+            return getAccessToken();
+        }
+    
+        Serial.println("Got access token.");
+        String result = httpClient.getString();
+    
+        httpClient.end();
+    
+        return result;
+    }
+    ```
+
+    此程式碼使用語音資源的位置構建權杖發行者 API 的 URL。然後，它建立一個 `HTTPClient` 來進行網路請求，並將其設置為使用配置了權杖端點憑證的 WiFi 客戶端。它將 API 金鑰作為呼叫的標頭。接著，它發出 POST 請求以獲取憑證，並在出現錯誤時重試。最後，返回存取權杖。
+
+1. 在 `public` 區域中新增一個方法以獲取存取權杖。這在後續課程中將用於將文字轉換為語音。
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. 在 `public` 區域中新增一個 `init` 方法來設置權杖客戶端：
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    這會在 WiFi 客戶端上設置憑證，然後獲取存取權杖。
+
+1. 在 `main.cpp` 中，將此新標頭檔案新增到 include 指令中：
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. 在 `setup` 函數的結尾初始化 `SpeechToText` 類，在 `mic.init` 呼叫之後但在將 `Ready` 寫入序列監視器之前：
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### 任務 - 從快閃記憶體讀取音訊
+
+1. 在課程的早期部分，音訊已錄製到快閃記憶體中。這些音訊需要發送到語音服務 REST API，因此需要從快閃記憶體中讀取。由於音訊太大，無法載入到記憶體緩衝區中，因此可以使用 `HTTPClient` 類來通過 Arduino Stream 以小塊的形式串流數據。每次呼叫 `read` 時，流會返回下一塊數據。可以建立一個 Arduino 流來從快閃記憶體中讀取數據。在 `src` 資料夾中建立一個名為 `flash_stream.h` 的新檔案，並新增以下程式碼：
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <HTTPClient.h>
+    #include <sfud.h>
+
+    #include "config.h"
+    
+    class FlashStream : public Stream
+    {
+    public:
+        virtual size_t write(uint8_t val)
+        {    
+        }
+    
+        virtual int available()
+        {
+        }
+    
+        virtual int read()
+        {
+        }
+    
+        virtual int peek()
+        {
+        }
+    private:
+    
+    };
+    ```
+
+    這宣告了 `FlashStream` 類，繼承自 Arduino 的 `Stream` 類。這是一個抽象類 - 派生類必須實現一些方法才能實例化該類，這些方法在此類中已定義。
+
+    ✅ 在 [Arduino Stream 文件](https://www.arduino.cc/reference/en/language/functions/communication/stream/) 中了解更多關於 Arduino Streams 的資訊。
+
+1. 在 `private` 區域中新增以下欄位：
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    這定義了一個臨時緩衝區，用於存儲從快閃記憶體中讀取的數據，以及用於存儲當前讀取位置、快閃記憶體中當前地址和快閃記憶體設備的欄位。
+
+1. 在 `private` 區域中新增以下方法：
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    此程式碼從當前地址的快閃記憶體中讀取數據並將其存儲在緩衝區中。然後遞增地址，以便下一次呼叫讀取下一塊記憶體。緩衝區的大小基於 `HTTPClient` 將一次發送到 REST API 的最大塊大小。
+
+    > 💁 擦除快閃記憶體必須使用粒度大小，但讀取則不需要。
+
+1. 在該類的 `public` 區域中新增一個建構函數：
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    此建構函數設置所有欄位以從快閃記憶體塊的開頭開始讀取，並將第一塊數據載入緩衝區。
+
+1. 實現 `write` 方法。此流僅讀取數據，因此此方法可以不執行任何操作並返回 0：
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. 實現 `peek` 方法。此方法返回當前位置的數據，而不移動流。只要未從流中讀取數據，多次呼叫 `peek` 將始終返回相同的數據。
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. 實現 `available` 函數。此函數返回可以從流中讀取的字節數，或者如果流已完成則返回 -1。對於此類，最大可用數量不會超過 HTTPClient 的塊大小。當此流在 HTTP 客戶端中使用時，它會呼叫此函數以查看有多少數據可用，然後請求該數量的數據發送到 REST API。我們不希望每個塊超過 HTTP 客戶端的塊大小，因此如果可用數據超過該大小，則返回塊大小。如果少於該大小，則返回可用數據量。一旦所有數據都已串流，則返回 -1。
+
+    ```cpp
+    virtual int available()
+    {
+        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
+        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
+
+        if (bytes_available == 0)
+        {
+            bytes_available = -1;
+        }
+
+        return bytes_available;
+    }
+    ```
+
+1. 實現 `read` 方法以返回緩衝區中的下一個字節，並遞增位置。如果位置超過緩衝區的大小，則用快閃記憶體中的下一塊數據填充緩衝區並重置位置。
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. 在 `speech_to_text.h` 標頭檔案中，為此新標頭檔案新增一個 include 指令：
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### 任務 - 將語音轉換為文字
+
+1. 可以通過將音訊發送到語音服務的 REST API 來將語音轉換為文字。此 REST API 使用與權杖發行者不同的憑證，因此在 `config.h` 標頭檔案中新增以下程式碼以定義此憑證：
+
+    ```cpp
+    const char *SPEECH_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
+        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
+        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
+        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
+        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
+        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
+        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
+        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
+        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
+        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
+        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
+        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
+        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
+        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
+        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
+        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. 在此檔案中新增一個常數，用於語音 URL（不包含位置）。稍後將與位置和語言結合以獲取完整的 URL。
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. 在 `speech_to_text.h` 標頭檔案中，在 `SpeechToText` 類的 `private` 區域中，定義一個使用語音憑證的 WiFi Client 欄位：
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. 在 `init` 方法中，為此 WiFi Client 設置憑證：
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. 在 `SpeechToText` 類的 `public` 區域中新增以下程式碼，以定義一個將語音轉換為文字的方法：
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. 在此方法中新增以下程式碼，以使用配置了語音憑證的 WiFi Client 建立 HTTP 客戶端，並使用設置了位置和語言的語音 URL：
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. 在連接上設置一些標頭：
+
+    ```cpp
+    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
+    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
+    httpClient.addHeader("Accept", "application/json;text/xml");
+    ```
+
+    這設置了授權標頭（使用存取權杖）、音訊格式（使用採樣率），並設置客戶端期望的結果為 JSON。
+
+1. 在此之後新增以下程式碼以進行 REST API 呼叫：
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    這會建立一個 `FlashStream`，並使用它將數據串流到 REST API。
+
+1. 在此之下新增以下程式碼：
+
+    ```cpp
+    String text = "";
+
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        text = obj["DisplayText"].as<String>();
+    }
+    else if (httpResponseCode == 401)
+    {
+        Serial.println("Access token expired, trying again with a new token");
+        _access_token = getAccessToken();
+        return convertSpeechToText();
+    }
+    else
+    {
+        Serial.print("Failed to convert text to speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    此程式碼檢查回應碼。
+
+    如果是 200（成功的代碼），則檢索結果，從 JSON 解碼，並將 `DisplayText` 屬性設置到 `text` 變數中。這是返回語音文字版本的屬性。
+
+    如果回應碼是 401，則存取權杖已過期（這些權杖僅持續 10 分鐘）。請求一個新的存取權杖，然後再次進行呼叫。
+
+    否則，將錯誤發送到序列監視器，並將 `text` 保留為空白。
+
+1. 在此方法的結尾新增以下程式碼以關閉 HTTP 客戶端並返回文字：
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. 在 `main.cpp` 中，在 `processAudio` 函數中呼叫此新的 `convertSpeechToText` 方法，然後將語音文字記錄到序列監視器中：
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. 編譯此程式碼，將其上傳到您的 Wio Terminal，並通過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側最靠近電源開關的按鈕），然後說話。將捕捉 4 秒的音訊，然後轉換為文字。
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    ```
+
+> 💁 您可以在 [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) 資料夾中找到此程式碼。
+
+😀 您的語音轉文字程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/2-language-understanding/README.md b/translations/mo/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..e971d985
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-27T00:05:25+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "mo"
+}
+-->
+# 理解語言
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## 簡介
+
+在上一課中，你已經將語音轉換為文字。若要將其用於編程智能計時器，你的程式碼需要理解所說的內容。你可以假設使用者會說固定的短語，例如「設置一個3分鐘的計時器」，並解析該表達式以獲取計時器的時間，但這樣並不太友好。如果使用者說「設置一個計時器，時間為3分鐘」，你或我能理解他們的意思，但你的程式碼可能無法理解，因為它預期的是固定短語。
+
+這就是語言理解的作用所在，利用人工智慧模型來解釋文字並返回所需的細節。例如，它能夠理解「設置一個3分鐘的計時器」和「設置一個計時器，時間為3分鐘」，並知道需要設置一個3分鐘的計時器。
+
+在本課中，你將學習語言理解模型，如何創建、訓練它們，以及如何在程式碼中使用它們。
+
+本課將涵蓋：
+
+* [語言理解](../../../../../6-consumer/lessons/2-language-understanding)
+* [創建語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
+* [意圖和實體](../../../../../6-consumer/lessons/2-language-understanding)
+* [使用語言理解模型](../../../../../6-consumer/lessons/2-language-understanding)
+
+## 語言理解
+
+人類已經使用語言進行溝通數十萬年。我們通過文字、聲音或行動進行交流，並理解所說的內容，不僅是文字、聲音或行動的含義，還包括它們的上下文。我們能理解真誠和諷刺，讓相同的文字因語氣不同而表達不同的意思。
+
+✅ 想想你最近的一些對話。有多少對話因需要上下文而難以讓電腦理解？
+
+語言理解，也稱為自然語言理解，是人工智慧的一個領域，屬於自然語言處理（NLP），主要研究閱讀理解，試圖理解文字或句子的細節。如果你使用過像 Alexa 或 Siri 這樣的語音助手，那麼你已經使用過語言理解服務了。這些服務是幕後的人工智慧服務，能將「Alexa，播放 Taylor Swift 的最新專輯」轉化為我女兒在客廳裡隨著她最喜歡的音樂跳舞。
+
+> 💁 儘管電腦技術已經取得了巨大進步，但在真正理解文字方面仍有很長的路要走。當我們提到電腦的語言理解時，並不是指像人類交流那樣高級，而是指從一些文字中提取關鍵細節。
+
+作為人類，我們幾乎不需要思考就能理解語言。如果我請另一個人「播放 Taylor Swift 的最新專輯」，他們會本能地知道我的意思。對於電腦來說，這就困難得多了。它需要將文字從語音轉換為文字，並解析以下信息：
+
+* 需要播放音樂
+* 音樂是由歌手 Taylor Swift 演唱的
+* 具體的音樂是一整張專輯，包含多首按順序排列的曲目
+* Taylor Swift 有很多專輯，因此需要按時間順序排列，最新發行的專輯是所需的
+
+✅ 想想你在提出請求時說過的一些句子，例如點咖啡或請家人幫忙遞東西。試著將這些句子分解為電腦需要提取的信息。
+
+語言理解模型是人工智慧模型，訓練用於從語言中提取特定細節，並通過遷移學習針對特定任務進行訓練，就像你使用少量圖片訓練自定義視覺模型一樣。你可以使用模型，然後用你希望它理解的文字進行訓練。
+
+## 創建語言理解模型
+
+![LUIS 標誌](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.mo.png)
+
+你可以使用 LUIS（Microsoft 的語言理解服務，屬於 Cognitive Services）來創建語言理解模型。
+
+### 任務 - 創建編輯資源
+
+要使用 LUIS，你需要創建一個編輯資源。
+
+1. 使用以下命令在你的 `smart-timer` 資源組中創建一個編輯資源：
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    將 `<location>` 替換為創建資源組時使用的位置。
+
+    > ⚠️ LUIS 並非在所有地區都可用，如果出現以下錯誤：
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > 請選擇其他地區。
+
+    這將創建一個免費層的 LUIS 編輯資源。
+
+### 任務 - 創建語言理解應用
+
+1. 在瀏覽器中打開 LUIS 入口網站 [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn)，並使用你在 Azure 上使用的相同帳戶登錄。
+
+1. 按照對話框中的指示選擇你的 Azure 訂閱，然後選擇剛剛創建的 `smart-timer-luis-authoring` 資源。
+
+1. 從 *Conversation apps* 列表中，選擇 **New app** 按鈕以創建新應用。將新應用命名為 `smart-timer`，並將 *Culture* 設置為你的語言。
+
+    > 💁 有一個預測資源字段。你可以創建一個單獨的資源用於預測，但免費的編輯資源每月允許 1,000 次預測，足夠用於開發，因此可以留空。
+
+1. 閱讀創建應用後出現的指南，了解訓練語言理解模型所需的步驟。完成後關閉該指南。
+
+## 意圖和實體
+
+語言理解基於 *意圖* 和 *實體*。意圖是文字的目的，例如播放音樂、設置計時器或訂餐。實體是意圖所指的內容，例如專輯、計時器的時間或食物的種類。模型解釋的每個句子應至少有一個意圖，並且可以選擇性地包含一個或多個實體。
+
+一些例子：
+
+| 句子                                                | 意圖             | 實體                                       |
+| --------------------------------------------------- | ---------------- | ------------------------------------------ |
+| 「播放 Taylor Swift 的最新專輯」                   | *播放音樂*       | *Taylor Swift 的最新專輯*                  |
+| 「設置一個3分鐘的計時器」                          | *設置計時器*     | *3分鐘*                                    |
+| 「取消我的計時器」                                 | *取消計時器*     | 無                                         |
+| 「訂購3個大號菠蘿披薩和一份凱撒沙拉」              | *訂餐*           | *3個大號菠蘿披薩*，*凱撒沙拉*              |
+
+✅ 對於你之前想到的句子，該句子的意圖和實體會是什麼？
+
+要訓練 LUIS，首先需要設置實體。這些可以是固定的術語列表，也可以從文字中學習。例如，你可以提供菜單上的固定食物列表，並提供每個詞的變體（或同義詞），例如 *egg plant* 和 *aubergine* 作為 *aubergine* 的變體。LUIS 也有一些預設的實體可以使用，例如數字和地點。
+
+對於設置計時器，你可以使用預設的數字實體來表示時間，並創建另一個實體表示單位，例如分鐘和秒。每個單位可以有多個變體以涵蓋單數和複數形式，例如 minute 和 minutes。
+
+設置好實體後，你需要創建意圖。意圖是根據你提供的示例句子（稱為語句）由模型學習的。例如，對於 *設置計時器* 意圖，你可以提供以下句子：
+
+* `設置一個1秒的計時器`
+* `設置一個計時器，時間為1分12秒`
+* `設置一個3分鐘的計時器`
+* `設置一個9分30秒的計時器`
+
+然後告訴 LUIS 這些句子的哪些部分對應於實體：
+
+![句子「設置一個計時器，時間為1分12秒」分解為實體](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.mo.png)
+
+句子 `設置一個計時器，時間為1分12秒` 的意圖是 `設置計時器`。它還有2個實體，每個實體有2個值：
+
+|            | 時間 | 單位   |
+| ---------- | ---: | ------ |
+| 1 分鐘     | 1    | 分鐘   |
+| 12 秒      | 12   | 秒     |
+
+要訓練一個好的模型，你需要提供多種不同的示例句子，以涵蓋人們可能用來表達相同意思的多種方式。
+
+> 💁 與任何人工智慧模型一樣，訓練時使用的數據越多且越準確，模型就越好。
+
+✅ 想想你可能用來表達相同意思的不同方式，並期望人類能理解。
+
+### 任務 - 向語言理解模型添加實體
+
+對於計時器，你需要添加2個實體——一個表示時間單位（分鐘或秒），另一個表示分鐘或秒的數量。
+
+你可以在 Microsoft Docs 的 [快速入門：在 LUIS 入口網站中構建應用](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) 文檔中找到使用 LUIS 入口網站的指導。
+
+1. 在 LUIS 入口網站中，選擇 *Entities* 標籤，並通過選擇 **Add prebuilt entity** 按鈕添加 *number* 預設實體，然後從列表中選擇 *number*。
+
+1. 使用 **Create** 按鈕創建一個新的實體，命名為 `time unit`，並將類型設置為 *List*。在 *Normalized values* 列表中添加 `minute` 和 `second` 的值，並在 *synonyms* 列表中添加單數和複數形式的變體。每添加一個同義詞後按 `return` 鍵將其添加到列表中。
+
+    | 標準化值       | 同義詞            |
+    | -------------- | ----------------- |
+    | minute         | minute, minutes   |
+    | second         | second, seconds   |
+
+### 任務 - 向語言理解模型添加意圖
+
+1. 在 *Intents* 標籤中，選擇 **Create** 按鈕創建一個新的意圖。將此意圖命名為 `set timer`。
+
+1. 在示例中，輸入使用分鐘、秒以及分鐘和秒組合設置計時器的不同方式。示例可以包括：
+
+    * `設置一個1秒的計時器`
+    * `設置一個4分鐘的計時器`
+    * `設置一個四分鐘六秒的計時器`
+    * `設置一個9分30秒的計時器`
+    * `設置一個計時器，時間為1分12秒`
+    * `設置一個計時器，時間為3分鐘`
+    * `設置一個計時器，時間為3分1秒`
+    * `設置一個計時器，時間為三分一秒`
+    * `設置一個計時器，時間為1分1秒`
+    * `設置一個計時器，時間為30秒`
+    * `設置一個計時器，時間為1秒`
+
+    混合使用數字的文字形式和數字形式，讓模型學會處理兩者。
+
+1. 每輸入一個示例，LUIS 都會開始檢測實體，並將檢測到的部分用下劃線標記並標籤。
+
+    ![示例中數字和時間單位被 LUIS 用下劃線標記](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.mo.png)
+
+### 任務 - 訓練和測試模型
+
+1. 配置好實體和意圖後，可以使用頂部菜單中的 **Train** 按鈕訓練模型。選擇此按鈕，模型應在幾秒鐘內完成訓練。訓練期間按鈕會變灰，完成後會重新啟用。
+
+1. 從頂部菜單中選擇 **Test** 按鈕測試語言理解模型。輸入文字，例如 `設置一個計時器，時間為5分4秒`，然後按回車鍵。句子會出現在你輸入文字的文本框下方，下面會顯示 *top intent*，即檢測到的概率最高的意圖。這應該是 `set timer`。意圖名稱後面會顯示檢測到的意圖正確的概率。
+
+1. 選擇 **Inspect** 選項查看結果的詳細信息。你會看到最高分的意圖及其百分比概率，以及檢測到的實體列表。
+
+1. 完成測試後，關閉 *Test* 面板。
+
+### 任務 - 發佈模型
+
+若要從程式碼中使用此模型，你需要發佈它。從 LUIS 發佈時，你可以選擇發佈到測試環境或正式環境。在本課中，測試環境即可。
+
+1. 從 LUIS 入口網站中，選擇頂部菜單中的 **Publish** 按鈕。
+
+1. 確保選擇了 *Staging slot*，然後選擇 **Done**。發佈應用後，你會看到通知。
+
+1. 你可以使用 curl 測試此模型。要構建 curl 命令，你需要三個值——端點、應用程式 ID（App ID）和 API 密鑰。這些可以從頂部菜單中選擇 **MANAGE** 標籤後的 *Settings* 部分中獲取。
+
+    1. 從 *Settings* 部分中複製 App ID
+1. 從 *Azure 資源* 部分選擇 *Authoring Resource*，並複製 *Primary Key* 和 *Endpoint URL*
+
+1. 在命令提示符或終端中執行以下 curl 命令：
+
+    ```sh
+    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
+          --request GET \
+          --get \
+          --data "subscription-key=<primary key>" \
+          --data "verbose=false" \
+          --data "show-all-intents=true" \
+          --data-urlencode "query=<sentence>"
+    ```
+
+    將 `<endpoint url>` 替換為 *Azure 資源* 部分中的 Endpoint URL。
+
+    將 `<app id>` 替換為 *Settings* 部分中的 App ID。
+
+    將 `<primary key>` 替換為 *Azure 資源* 部分中的 Primary Key。
+
+    將 `<sentence>` 替換為您想測試的句子。
+
+1. 此呼叫的輸出將是一個 JSON 文件，詳細說明查詢、最高意圖以及按類型劃分的實體列表。
+
+    ```JSON
+    {
+        "query": "set a timer for 45 minutes and 12 seconds",
+        "prediction": {
+            "topIntent": "set timer",
+            "intents": {
+                "set timer": {
+                    "score": 0.97031575
+                },
+                "None": {
+                    "score": 0.02205793
+                }
+            },
+            "entities": {
+                "number": [
+                    45,
+                    12
+                ],
+                "time-unit": [
+                    [
+                        "minute"
+                    ],
+                    [
+                        "second"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    上述 JSON 是基於查詢 `set a timer for 45 minutes and 12 seconds` 生成的：
+
+    * `set timer` 是最高意圖，概率為 97%。
+    * 檢測到兩個 *number* 實體，分別是 `45` 和 `12`。
+    * 檢測到兩個 *time-unit* 實體，分別是 `minute` 和 `second`。
+
+## 使用語言理解模型
+
+一旦發布，LUIS 模型可以從代碼中調用。在之前的課程中，您使用 IoT Hub 處理與雲服務的通信，發送遙測數據並接收命令。這是非常異步的——一旦遙測數據發送出去，您的代碼不會等待響應，如果雲服務宕機，您也不會知道。
+
+對於智能計時器，我們希望立即獲得響應，以便告訴用戶計時器已設置，或者提醒他們雲服務不可用。為此，我們的 IoT 設備將直接調用 Web 端點，而不是依賴 IoT Hub。
+
+與其從 IoT 設備調用 LUIS，您可以使用具有不同觸發類型的無伺服器代碼——HTTP 觸發器。這使您的函數應用可以監聽 REST 請求並對其進行響應。此函數將是一個 REST 端點，您的設備可以調用。
+
+> 💁 雖然您可以直接從 IoT 設備調用 LUIS，但使用類似無伺服器代碼的方式更好。這樣當您想更改調用的 LUIS 應用時，例如訓練更好的模型或用不同語言訓練模型，您只需更新雲端代碼，而不需要重新部署代碼到可能成千上萬甚至數百萬的 IoT 設備。
+
+### 任務 - 創建無伺服器函數應用
+
+1. 創建一個名為 `smart-timer-trigger` 的 Azure Functions 應用，並在 VS Code 中打開它。
+
+1. 使用以下命令在 VS Code 終端內為此應用添加一個名為 `speech-trigger` 的 HTTP 觸發器：
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    這將創建一個名為 `text-to-timer` 的 HTTP 觸發器。
+
+1. 通過運行函數應用來測試 HTTP 觸發器。運行後，您將在輸出中看到列出的端點：
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    通過在瀏覽器中加載 [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL 進行測試。
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### 任務 - 使用語言理解模型
+
+1. LUIS 的 SDK 可通過 Pip 套件獲得。將以下行添加到 `requirements.txt` 文件中以添加對此套件的依賴：
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. 確保 VS Code 終端已激活虛擬環境，並運行以下命令以安裝 Pip 套件：
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 如果出現錯誤，您可能需要使用以下命令升級 pip：
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. 在 **MANAGE** 標籤的 LUIS 入口網站中，為您的 LUIS API Key、Endpoint URL 和 App ID 添加新的條目到 `local.settings.json` 文件：
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    將 `<endpoint url>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Endpoint URL。這將是 `https://<location>.api.cognitive.microsoft.com/`。
+
+    將 `<app id>` 替換為 **MANAGE** 標籤中 *Settings* 部分的 App ID。
+
+    將 `<primary key>` 替換為 **MANAGE** 標籤中 *Azure 資源* 部分的 Primary Key。
+
+1. 將以下導入添加到 `__init__.py` 文件：
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    這導入了一些系統庫以及與 LUIS 交互的庫。
+
+1. 刪除 `main` 方法的內容，並添加以下代碼：
+
+    ```python
+    luis_key = os.environ['LUIS_KEY']
+    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
+    app_id = os.environ['LUIS_APP_ID']
+    
+    credentials = CognitiveServicesCredentials(luis_key)
+    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
+    ```
+
+    此代碼加載您在 `local.settings.json` 文件中為 LUIS 應用添加的值，使用您的 API Key 創建憑據對象，然後創建 LUIS 客戶端對象以與您的 LUIS 應用交互。
+
+1. 此 HTTP 觸發器將以 JSON 格式傳遞要理解的文本，文本位於名為 `text` 的屬性中。以下代碼從 HTTP 請求的正文中提取值並將其記錄到控制台。將此代碼添加到 `main` 函數：
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. 通過發送預測請求（包含要預測的文本的 JSON 文件）向 LUIS 請求預測。使用以下代碼創建此請求：
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. 然後可以使用您的應用發布到的 staging slot 將此請求發送到 LUIS：
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. 預測響應包含最高意圖——具有最高預測分數的意圖，以及實體。如果最高意圖是 `set timer`，則可以讀取實體以獲取計時器所需的時間：
+
+    ```python
+    if prediction_response.prediction.top_intent == 'set timer':
+        numbers = prediction_response.prediction.entities['number']
+        time_units = prediction_response.prediction.entities['time unit']
+        total_seconds = 0
+    ```
+
+    `number` 實體將是一個數字數組。例如，如果您說 *"Set a four minute 17 second timer."*，則 `number` 數組將包含 2 個整數——4 和 17。
+
+    `time unit` 實體將是一個字符串數組的數組，每個時間單位作為數組中的字符串數組。例如，如果您說 *"Set a four minute 17 second timer."*，則 `time unit` 數組將包含 2 個單值數組——`['minute']` 和 `['second']`。
+
+    *"Set a four minute 17 second timer."* 的這些實體的 JSON 版本是：
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    此代碼還定義了一個計時器的總時間（以秒為單位）的計數。這將由實體中的值填充。
+
+1. 實體之間沒有直接關聯，但我們可以對它們進行一些假設。它們將按照說話的順序排列，因此可以使用數組中的位置來確定哪個數字與哪個時間單位匹配。例如：
+
+    * *"Set a 30 second timer"* - 這將有一個數字 `30` 和一個時間單位 `second`，因此單個數字將匹配單個時間單位。
+    * *"Set a 2 minute and 30 second timer"* - 這將有兩個數字 `2` 和 `30`，以及兩個時間單位 `minute` 和 `second`，因此第一個數字將對應第一個時間單位（2 分鐘），第二個數字對應第二個時間單位（30 秒）。
+
+    以下代碼獲取 `number` 實體中的項目數，並使用該數量提取每個數組中的第一項，然後是第二項，依此類推。將此代碼添加到 `if` 塊內。
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    對於 *"Set a four minute 17 second timer."*，此代碼將循環兩次，生成以下值：
+
+    | 循環次數 | `number` | `time_unit` |
+    | ---------: | -------: | ----------- |
+    | 0          | 4        | minute      |
+    | 1          | 17       | second      |
+
+1. 在此循環內，使用數字和時間單位計算計時器的總時間，對於每分鐘添加 60 秒，對於每秒添加相應的秒數。
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. 在此循環外，記錄計時器的總時間：
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. 計時器的秒數需要作為 HTTP 響應從函數返回。在 `if` 塊的末尾添加以下代碼：
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    此代碼創建一個包含計時器總秒數的有效負載，將其轉換為 JSON 字符串並以狀態碼 200（表示呼叫成功）返回。
+
+1. 最後，在 `if` 塊外處理未識別意圖的情況，返回錯誤代碼：
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 是 *未找到* 的狀態碼。
+
+1. 運行函數應用並使用 curl 測試它。
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    將 `<text>` 替換為您的請求文本，例如 `set a 2 minutes 27 second timer`。
+
+    您將看到函數應用的以下輸出：
+
+    ```output
+    Functions:
+
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    
+    For detailed output, run func with --verbose flag.
+    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
+    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
+    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
+    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
+    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
+    ```
+
+    curl 的呼叫將返回以下內容：
+
+    ```output
+    HTTP/1.1 200 OK
+    Date: Tue, 29 Jun 2021 01:14:11 GMT
+    Content-Type: text/plain; charset=utf-8
+    Server: Kestrel
+    Transfer-Encoding: chunked
+    
+    {"seconds": 147}
+    ```
+
+    計時器的秒數位於 `"seconds"` 值中。
+
+> 💁 您可以在 [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) 文件夾中找到此代碼。
+
+### 任務 - 使您的函數可供 IoT 設備使用
+
+1. 為了讓您的 IoT 設備調用您的 REST 端點，它需要知道 URL。當您之前訪問它時，您使用了 `localhost`，這是一個快捷方式，用於訪問本地機器上的 REST 端點。要讓您的 IoT 設備獲得訪問權限，您需要將其發布到雲端，或者獲取您的 IP 地址以便本地訪問。
+
+    > ⚠️ 如果您使用的是 Wio Terminal，運行函數應用於本地會更容易，因為存在依賴庫，這意味著您無法像之前那樣部署函數應用。如果您希望部署到雲端，後續課程將提供相關信息。
+
+    * 發布函數應用 - 按照之前課程中的指示將函數應用發布到雲端。一旦發布，URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`，其中 `<APP_NAME>` 是您的函數應用名稱。確保也發布您的本地設置。
+
+      使用 HTTP 觸發器時，它們默認通過函數應用密鑰進行保護。要獲取此密鑰，運行以下命令：
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      從 `functionKeys` 部分複製 `default` 條目的值。
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      此密鑰需要作為查詢參數添加到 URL 中，因此最終的 URL 將是 `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`，其中 `<APP_NAME>` 是您的函數應用名稱，`<FUNCTION_KEY>` 是您的默認函數密鑰。
+
+      > 💁 您可以使用 `function.json` 文件中的 `authlevel` 設置更改 HTTP 觸發器的授權類型。您可以在 [Microsoft Docs 上的 Azure Functions HTTP 觸發器文檔配置部分](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) 中了解更多信息。
+
+    * 本地運行函數應用並使用 IP 地址訪問 - 您可以獲取計算機在本地網絡上的 IP 地址，並使用該地址構建 URL。
+
+      獲取您的 IP 地址：
+
+      * 在 Windows 10 上，請參考 [查找您的 IP 地址指南](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn)
+      * 在 macOS 上，請參考 [如何在 Mac 上查找 IP 地址指南](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac)
+      * 在 Linux 上，請參考 [如何在 Linux 中查找 IP 地址指南](https://opensource.com/article/18/5/how-find-ip-address-linux) 中的查找私有 IP 地址部分
+
+      獲取 IP 地址後，您將能夠通過 `http://`
+
+:7071/api/text-to-timer`，其中 `<IP_ADDRESS>` 是你的 IP 位址，例如 `http://192.168.1.10:7071/api/text-to-timer`。
+
+      > 💁 請注意這裡使用的是 7071 埠，因此在 IP 位址後需要加上 `:7071`。
+
+      > 💁 這僅在你的 IoT 裝置與電腦位於同一網路時才有效。
+
+1. 使用 curl 測試此端點。
+
+---
+
+## 🚀 挑戰
+
+設定計時器有許多不同的請求方式。試著想出不同的方法，並將它們作為範例加入你的 LUIS 應用程式中。測試這些方法，看看你的模型能否處理多種請求計時器的方式。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## 回顧與自學
+
+* 在 [Microsoft Docs 的語言理解 (LUIS) 文件頁面](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)上閱讀更多關於 LUIS 及其功能的資訊
+* 在 [維基百科的自然語言理解頁面](https://wikipedia.org/wiki/Natural-language_understanding)上閱讀更多關於語言理解的資訊
+* 在 [Microsoft Docs 的 Azure Functions HTTP 觸發器文件頁面](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)上閱讀更多關於 HTTP 觸發器的資訊
+
+## 作業
+
+[取消計時器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md b/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..545aab2e
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-27T00:06:57+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 取消計時器
+
+## 說明
+
+在本課程中，你已經訓練了一個模型來理解設定計時器的功能。另一個實用的功能是取消計時器——例如，當你的麵包已經烤好，可以在計時器結束前取出。
+
+在你的 LUIS 應用程式中新增一個取消計時器的意圖。這個意圖不需要任何實體，但需要一些範例句子。如果這是最高意圖，請在你的無伺服器代碼中處理，記錄該意圖已被識別，並返回適當的回應。
+
+## 評分標準
+
+| 評分標準 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 在 LUIS 應用程式中新增取消計時器意圖 | 能夠新增意圖並訓練模型 | 能夠新增意圖但未訓練模型 | 無法新增意圖並訓練模型 |
+| 在無伺服器應用程式中處理該意圖 | 能夠檢測該意圖為最高意圖並記錄 | 能夠檢測該意圖為最高意圖 | 無法檢測該意圖為最高意圖 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..e7b73751
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-27T00:10:02+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "mo"
+}
+-->
+# 設定計時器並提供語音回饋
+
+![本課程的手繪筆記概覽](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片以查看更大版本。
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## 簡介
+
+智慧助理並非單向溝通的設備。你對它說話，它會回應你：
+
+「Alexa，設定一個三分鐘的計時器」
+
+「好的，計時器已設定為三分鐘」
+
+在前兩節課中，你學會了如何將語音轉換為文字，並從文字中提取設定計時器的請求。在本課中，你將學習如何在物聯網設備上設定計時器，並以語音回應用戶確認計時器已設定，當計時器結束時提醒用戶。
+
+本課將涵蓋以下內容：
+
+* [文字轉語音](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [設定計時器](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [將文字轉換為語音](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## 文字轉語音
+
+文字轉語音，顧名思義，是將文字轉換為包含語音的音頻的過程。基本原理是將文字中的單詞分解為其構成的聲音（稱為音素），然後將這些聲音的音頻拼接在一起，這些音頻可以是預先錄製的，也可以是由人工智慧模型生成的。
+
+![典型文字轉語音系統的三個階段](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.mo.png)
+
+文字轉語音系統通常包含三個階段：
+
+* 文字分析
+* 語言學分析
+* 波形生成
+
+### 文字分析
+
+文字分析是將提供的文字轉換為可以用於生成語音的單詞。例如，將「Hello world」轉換為語音時，不需要進行文字分析，因為這兩個單詞可以直接轉換為語音。然而，如果是「1234」，則可能需要根據上下文將其轉換為「一千兩百三十四」或「一二三四」。例如，「I have 1234 apples」應該是「一千兩百三十四」，而「The child counted 1234」則應該是「一二三四」。
+
+單詞的生成不僅因語言而異，還因語言的地區差異而不同。例如，在美式英語中，120 是「One hundred twenty」，而在英式英語中則是「One hundred and twenty」，多了一個「and」。
+
+✅ 其他需要文字分析的例子包括「in」作為英寸的縮寫，以及「st」作為聖徒或街道的縮寫。你能想到在你的語言中有哪些在沒有上下文時容易產生歧義的例子嗎？
+
+當單詞被定義後，它們會被送去進行語言學分析。
+
+### 語言學分析
+
+語言學分析將單詞分解為音素。音素不僅基於使用的字母，還基於單詞中的其他字母。例如，在英語中，「car」和「care」中的「a」發音是不同的。英語有 44 個音素，而字母表只有 26 個字母，有些音素由不同的字母共享，例如「circle」和「serpent」開頭的音素相同。
+
+✅ 做一些研究：你的語言有哪些音素？
+
+當單詞被轉換為音素後，這些音素需要額外的數據來支持語調，根據上下文調整音調或時長。例如，在英語中，音調的升高可以將句子轉換為疑問句，最後一個單詞的音調升高意味著這是一個問題。
+
+例如，句子「You have an apple」是一個陳述句，表示你有一個蘋果。如果最後一個單詞「apple」的音調升高，則變成了「You have an apple?」，詢問你是否有一個蘋果。語言學分析需要利用句末的問號來決定是否提高音調。
+
+當音素生成後，它們會被送去進行波形生成以產生音頻輸出。
+
+### 波形生成
+
+最早的電子文字轉語音系統使用每個音素的單一音頻錄音，這導致了非常單調、機械化的聲音。語言學分析會生成音素，這些音素會從聲音數據庫中加載並拼接在一起生成音頻。
+
+✅ 做一些研究：找一些早期語音合成系統的音頻錄音。將其與現代語音合成（如智慧助理中使用的語音合成）進行比較。
+
+更現代的波形生成使用基於深度學習的機器學習模型（非常大的神經網絡，類似於大腦中的神經元）來生成更自然的聲音，這些聲音甚至可以與真人無法區分。
+
+> 💁 這些機器學習模型可以通過遷移學習重新訓練，使其聽起來像真實的人。因此，使用聲音作為安全系統（例如銀行越來越多地嘗試這樣做）已不再是一個好主意，因為任何擁有幾分鐘你聲音錄音的人都可以模仿你。
+
+這些大型機器學習模型正在被訓練以將所有三個步驟結合成端到端的語音合成器。
+
+## 設定計時器
+
+要設定計時器，你的物聯網設備需要調用你使用無伺服器代碼創建的 REST 端點，然後使用返回的秒數來設定計時器。
+
+### 任務 - 調用無伺服器函數以獲取計時器時間
+
+按照相關指南從你的物聯網設備調用 REST 端點，並設定所需時間的計時器：
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [單板電腦 - Raspberry Pi/虛擬物聯網設備](single-board-computer-set-timer.md)
+
+## 將文字轉換為語音
+
+你用於將語音轉換為文字的語音服務也可以用於將文字轉換回語音，並通過物聯網設備上的揚聲器播放。要轉換的文字會被發送到語音服務，並附帶所需的音頻類型（例如採樣率），然後返回包含音頻的二進制數據。
+
+當你發送此請求時，你會使用*語音合成標記語言*（SSML），這是一種基於 XML 的語音合成應用標記語言。它不僅定義了要轉換的文字，還定義了文字的語言、使用的語音，甚至可以用於定義某些或所有文字的速度、音量和音調。
+
+例如，以下 SSML 定義了一個請求，將文字「Your 3 minute 5 second time has been set」轉換為語音，使用名為 `en-GB-MiaNeural` 的英式英語語音：
+
+```xml
+<speak version='1.0' xml:lang='en-GB'>
+    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
+        Your 3 minute 5 second time has been set
+    </voice>
+</speak>
+```
+
+> 💁 大多數文字轉語音系統針對不同語言都有多種語音，並帶有相關的口音，例如英式英語語音帶有英國口音，紐西蘭英語語音帶有紐西蘭口音。
+
+### 任務 - 將文字轉換為語音
+
+按照相關指南，使用你的物聯網設備將文字轉換為語音：
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [單板電腦 - Raspberry Pi](pi-text-to-speech.md)
+* [單板電腦 - 虛擬設備](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 挑戰
+
+SSML 提供了改變單詞發音方式的方法，例如對某些單詞加強語氣、添加停頓或改變音調。嘗試使用不同的 SSML 從你的物聯網設備發送請求，並比較輸出效果。你可以在 [萬維網聯盟的語音合成標記語言 (SSML) 1.1 版規範](https://www.w3.org/TR/speech-synthesis11/)中閱讀更多關於 SSML 的內容，包括如何改變單詞的發音方式。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## 回顧與自學
+
+* 在 [維基百科的語音合成頁面](https://wikipedia.org/wiki/Speech_synthesis)上閱讀更多關於語音合成的內容
+* 在 [BBC 新聞的「假聲音幫助網絡罪犯偷錢」報導](https://www.bbc.com/news/technology-48908736)中閱讀更多關於罪犯如何利用語音合成進行盜竊的內容
+* 在 [Vice 的文章「這起 TikTok 訴訟突顯了 AI 如何損害配音演員」](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)中了解更多關於語音演員因其聲音的合成版本而面臨的風險
+
+## 作業
+
+[取消計時器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..dbed2c75
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-27T00:10:50+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 取消計時器
+
+## 說明
+
+在上一課的作業中，你已經在 LUIS 中新增了一個取消計時器的意圖。在這次作業中，你需要在無伺服器的程式碼中處理這個意圖，向 IoT 裝置發送指令，然後取消計時器。
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需要改進 |
+| -------- | ---- | ---- | -------- |
+| 在無伺服器程式碼中處理意圖並發送指令 | 能夠成功處理意圖並向裝置發送指令 | 能夠成功處理意圖但無法向裝置發送指令 | 無法成功處理意圖 |
+| 在裝置上取消計時器 | 能夠接收到指令並成功取消計時器 | 能夠接收到指令但無法取消計時器 | 無法接收到指令 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..e0aa1e1c
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-27T00:13:15+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "mo"
+}
+-->
+# 將文字轉換為語音 - Raspberry Pi
+
+在本課程的這部分，您將撰寫程式碼，使用語音服務將文字轉換為語音。
+
+## 使用語音服務將文字轉換為語音
+
+可以使用 REST API 將文字發送到語音服務，獲取語音作為音訊檔案，並在您的 IoT 裝置上播放。請求語音時，您需要提供使用的語音，因為語音可以使用多種不同的聲音生成。
+
+每種語言都支援一系列不同的聲音，您可以對語音服務發送 REST 請求，以獲取每種語言支援的聲音列表。
+
+### 任務 - 獲取聲音
+
+1. 在 VS Code 中打開 `smart-timer` 專案。
+
+1. 在 `say` 函數上方新增以下程式碼，以請求語言的聲音列表：
+
+    ```python
+    def get_voice():
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token()
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
+        return first_voice['ShortName']
+    
+    voice = get_voice()
+    print(f'Using voice {voice}')
+    ```
+
+    此程式碼定義了一個名為 `get_voice` 的函數，該函數使用語音服務獲取聲音列表。然後找到與正在使用的語言匹配的第一個聲音。
+
+    接著呼叫此函數以儲存第一個聲音，並將聲音名稱列印到控制台。此聲音可以請求一次，並在每次將文字轉換為語音時使用該值。
+
+    > 💁 您可以從 [Microsoft Docs 的語言和聲音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取支援的聲音完整列表。如果您想使用特定的聲音，可以移除此函數並直接將聲音名稱硬編碼到文件中的聲音名稱。例如：
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### 任務 - 將文字轉換為語音
+
+1. 在此程式碼下方，定義一個常數，用於從語音服務檢索音訊格式。當您請求音訊時，可以使用多種不同的格式。
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    您可以使用的格式取決於您的硬體。如果在播放音訊時出現 `Invalid sample rate` 錯誤，請將其更改為其他值。您可以在 [Microsoft Docs 的文字轉語音 REST API 文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) 中找到支援的值列表。您需要使用 `riff` 格式音訊，可嘗試的值包括 `riff-16khz-16bit-mono-pcm`、`riff-24khz-16bit-mono-pcm` 和 `riff-48khz-16bit-mono-pcm`。
+
+1. 在此程式碼下方，宣告一個名為 `get_speech` 的函數，該函數將使用語音服務 REST API 將文字轉換為語音：
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. 在 `get_speech` 函數中，定義要呼叫的 URL 和要傳遞的標頭：
+
+    ```python
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    ```
+
+    此程式碼設定標頭以使用生成的存取權杖，將內容設定為 SSML，並定義所需的音訊格式。
+
+1. 在此程式碼下方，定義要發送到 REST API 的 SSML：
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    此 SSML 設定要使用的語言和聲音，以及要轉換的文字。
+
+1. 最後，在此函數中新增程式碼以進行 REST 請求並返回二進位音訊資料：
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### 任務 - 播放音訊
+
+1. 在 `get_speech` 函數下方，定義一個新函數以播放 REST API 呼叫返回的音訊：
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. 傳遞給此函數的 `speech` 將是 REST API 返回的二進位音訊資料。使用以下程式碼將其作為波形檔案打開，並傳遞給 PyAudio 播放音訊：
+
+    ```python
+    def play_speech(speech):
+        with wave.open(speech, 'rb') as wave_file:
+            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
+                                channels=wave_file.getnchannels(),
+                                rate=wave_file.getframerate(),
+                                output_device_index=speaker_card_number,
+                                output=True)
+
+            data = wave_file.readframes(4096)
+
+            while len(data) > 0:
+                stream.write(data)
+                data = wave_file.readframes(4096)
+
+            stream.stop_stream()
+            stream.close()
+    ```
+
+    此程式碼使用 PyAudio 流，與捕捉音訊相同。不同之處在於此流被設定為輸出流，並從音訊資料中讀取資料並推送到流中。
+
+    與硬編碼流的詳細資訊（例如取樣率）不同，此處是從音訊資料中讀取。
+
+1. 將 `say` 函數的內容替換為以下程式碼：
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    此程式碼將文字轉換為二進位音訊資料，並播放音訊。
+
+1. 執行應用程式，並確保函數應用程式也在執行。設定一些計時器，您將聽到語音回應，告訴您計時器已設定，然後在計時器完成時聽到另一個語音回應。
+
+    如果出現 `Invalid sample rate` 錯誤，請按照上述說明更改 `playback_format`。
+
+> 💁 您可以在 [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) 資料夾中找到此程式碼。
+
+😀 您的計時器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..19f5c8c5
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-27T00:07:51+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "mo"
+}
+-->
+# 設定計時器 - 虛擬 IoT 硬體與 Raspberry Pi
+
+在本課程的這部分，你將呼叫無伺服器代碼來理解語音，並根據結果在虛擬 IoT 裝置或 Raspberry Pi 上設定計時器。
+
+## 設定計時器
+
+從語音轉文字呼叫返回的文字需要傳送到你的無伺服器代碼，並由 LUIS 處理，返回計時器的秒數。這個秒數可以用來設定計時器。
+
+計時器可以使用 Python 的 `threading.Timer` 類別來設定。這個類別需要一個延遲時間和一個函數，延遲時間過後，該函數會被執行。
+
+### 任務 - 將文字傳送到無伺服器函數
+
+1. 在 VS Code 中打開 `smart-timer` 專案，並確保如果你使用的是虛擬 IoT 裝置，終端機中已載入虛擬環境。
+
+1. 在 `process_text` 函數上方，宣告一個名為 `get_timer_time` 的函數，用來呼叫你建立的 REST 端點：
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. 在此函數中加入以下代碼以定義要呼叫的 URL：
+
+    ```python
+    url = '<URL>'
+    ```
+
+    將 `<URL>` 替換為你在上一課中建立的 REST 端點的 URL，無論是在你的電腦上還是雲端中。
+
+1. 加入以下代碼，將文字作為 JSON 屬性傳送到呼叫中：
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. 在此之下，從回應的有效負載中檢索 `seconds`，如果呼叫失敗則返回 0：
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    成功的 HTTP 呼叫會返回 200 範圍內的狀態碼，而你的無伺服器代碼在文字被處理並識別為設定計時器意圖時會返回 200。
+
+### 任務 - 在背景執行緒中設定計時器
+
+1. 在檔案頂部加入以下 import 語句以導入 Python 的 threading 庫：
+
+    ```python
+    import threading
+    ```
+
+1. 在 `process_text` 函數上方，加入一個函數來說出回應。目前這只會寫入到控制台，但在本課程稍後會讓它說出文字。
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. 在此之下加入一個函數，該函數會由計時器呼叫以宣布計時器完成：
+
+    ```python
+    def announce_timer(minutes, seconds):
+        announcement = 'Times up on your '
+        if minutes > 0:
+            announcement += f'{minutes} minute '
+        if seconds > 0:
+            announcement += f'{seconds} second '
+        announcement += 'timer.'
+        say(announcement)
+    ```
+
+    此函數接收計時器的分鐘數和秒數，並構建一個句子來宣布計時器完成。它會檢查分鐘數和秒數，並僅在有數值時才包含每個時間單位。例如，如果分鐘數為 0，則只包含秒數。然後將此句子傳送到 `say` 函數。
+
+1. 在此之下，加入以下 `create_timer` 函數以建立計時器：
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    此函數接收命令中傳送的計時器總秒數，並將其轉換為分鐘和秒數。然後使用總秒數建立並啟動計時器物件，傳入 `announce_timer` 函數以及包含分鐘和秒數的列表。當計時器到期時，它會呼叫 `announce_timer` 函數，並將此列表的內容作為參數傳遞——列表中的第一項作為 `minutes` 參數，第二項作為 `seconds` 參數。
+
+1. 在 `create_timer` 函數的結尾，加入一些代碼以構建一個消息，向使用者宣布計時器正在啟動：
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    同樣，這只包含有數值的時間單位。然後將此句子傳送到 `say` 函數。
+
+1. 在 `process_text` 函數的結尾加入以下內容，以從文字中獲取計時器的時間，然後建立計時器：
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    只有當秒數大於 0 時才會建立計時器。
+
+1. 執行應用程式，並確保函數應用程式也在執行。設定一些計時器，輸出將顯示計時器正在設定，並在到期時顯示：
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Set a two minute 27 second timer.
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 你可以在 [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) 或 [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) 資料夾中找到這段代碼。
+
+😀 你的計時器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..3d286380
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-27T00:17:46+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "mo"
+}
+-->
+# 將文字轉換為語音 - 虛擬物聯網設備
+
+在本課程的這部分，你將撰寫程式碼，使用語音服務將文字轉換為語音。
+
+## 將文字轉換為語音
+
+在上一課中你使用的語音服務 SDK，不僅可以將語音轉換為文字，還可以將文字轉換回語音。當請求語音時，你需要提供要使用的語音，因為語音可以由多種不同的聲音生成。
+
+每種語言都支援多種不同的聲音，你可以從語音服務 SDK 獲取每種語言支援的聲音列表。
+
+### 任務 - 將文字轉換為語音
+
+1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中加載。
+
+1. 從 `azure.cognitiveservices.speech` 套件中匯入 `SpeechSynthesizer`，將其添加到現有的匯入部分：
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. 在 `say` 函數上方，建立一個語音配置，用於語音合成器：
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    這使用了與語音識別器相同的 API 金鑰、位置和語言。
+
+1. 在此之下，添加以下程式碼以獲取語音並將其設置到語音配置中：
+
+    ```python
+    voices = speech_synthesizer.get_voices_async().get().voices
+    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
+    speech_config.speech_synthesis_voice_name = first_voice.short_name
+    ```
+
+    這段程式碼會檢索所有可用語音的列表，然後找到第一個與正在使用的語言匹配的語音。
+
+    > 💁 你可以從 [Microsoft Docs 上的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) 獲取完整的支援語音列表。如果你想使用特定的語音，可以移除這個函數，並將語音名稱直接硬編碼到程式碼中。例如：
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. 更新 `say` 函數的內容，為回應生成 SSML：
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+1. 在此之下，停止語音識別，播放 SSML，然後重新啟動語音識別：
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    在播放語音時，語音識別會暫停，以避免計時器啟動的語音回應被檢測到，然後發送到 LUIS 並可能被解釋為設置新計時器的請求。
+
+    > 💁 你可以通過註解掉停止和重新啟動語音識別的程式碼來測試這一點。設置一個計時器，你可能會發現語音回應設置了一個新計時器，這又導致新的語音回應，進而設置新的計時器，如此循環不斷！
+
+1. 運行應用程式，並確保函數應用程式也在運行。設置一些計時器，你會聽到語音回應，告訴你計時器已設置，然後在計時器完成時聽到另一個語音回應。
+
+> 💁 你可以在 [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) 資料夾中找到這段程式碼。
+
+😀 你的計時器程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..e0209e16
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-27T00:12:00+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "mo"
+}
+-->
+# 設定計時器 - Wio Terminal
+
+在本課程中，您將呼叫無伺服器代碼來理解語音，並根據結果在 Wio Terminal 上設定計時器。
+
+## 設定計時器
+
+從語音轉文字呼叫返回的文字需要傳送到您的無伺服器代碼，透過 LUIS 處理後，獲取計時器的秒數。這個秒數可以用來設定計時器。
+
+微控制器在 Arduino 中並不原生支援多執行緒，因此不像在 Python 或其他高階語言中那樣有標準的計時器類別。相反，您可以使用計時器函式庫，透過在 `loop` 函數中測量經過的時間，並在時間到時呼叫函數來實現。
+
+### 任務 - 傳送文字到無伺服器函數
+
+1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
+
+1. 開啟 `config.h` 標頭檔案，並新增您的函數應用程式的 URL：
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    將 `<URL>` 替換為您在上一課最後一步中獲取的函數應用程式 URL，指向執行函數應用程式的本機機器的 IP 位址。
+
+1. 在 `src` 資料夾中建立一個名為 `language_understanding.h` 的新檔案。這將用於定義一個類別，將識別的語音傳送到您的函數應用程式，並使用 LUIS 轉換為秒數。
+
+1. 在此檔案的頂部新增以下內容：
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    這包含了一些必要的標頭檔案。
+
+1. 定義一個名為 `LanguageUnderstanding` 的類別，並宣告此類別的一個實例：
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. 要呼叫您的函數應用程式，您需要宣告一個 WiFi 客戶端。在類別的 `private` 區域中新增以下內容：
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. 在 `public` 區域中，宣告一個名為 `GetTimerDuration` 的方法，用於呼叫函數應用程式：
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. 在 `GetTimerDuration` 方法中，新增以下代碼以構建要傳送到函數應用程式的 JSON：
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    這將傳遞給 `GetTimerDuration` 方法的文字轉換為以下 JSON：
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    其中 `<text>` 是傳遞給函數的文字。
+
+1. 在此代碼下方，新增以下代碼以呼叫函數應用程式：
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    這會向函數應用程式發送一個 POST 請求，傳遞 JSON 主體並獲取回應代碼。
+
+1. 在此代碼下方新增以下代碼：
+
+    ```cpp
+    int seconds = 0;
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        seconds = obj["seconds"].as<int>();
+    }
+    else
+    {
+        Serial.print("Failed to understand text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    此代碼檢查回應代碼。如果是 200（成功），則從回應主體中檢索計時器的秒數。否則，將錯誤訊息發送到序列監視器，並將秒數設為 0。
+
+1. 在此方法的結尾新增以下代碼以關閉 HTTP 連線並返回秒數：
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. 在 `main.cpp` 檔案中，包含這個新的標頭檔案：
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. 在 `processAudio` 函數的結尾，呼叫 `GetTimerDuration` 方法以獲取計時器的秒數：
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    這將從 `SpeechToText` 類別的呼叫中將文字轉換為計時器的秒數。
+
+### 任務 - 設定計時器
+
+這個秒數可以用來設定計時器。
+
+1. 在 `platformio.ini` 檔案中新增以下函式庫依賴項，以新增一個用於設定計時器的函式庫：
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. 在 `main.cpp` 檔案中新增此函式庫的 include 指令：
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. 在 `processAudio` 函數上方，新增以下代碼：
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    此代碼宣告了一個名為 `timer` 的計時器。
+
+1. 在此代碼下方，新增以下代碼：
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    此 `say` 函數最終將把文字轉換為語音，但目前它只會將傳入的文字寫入序列監視器。
+
+1. 在 `say` 函數下方，新增以下代碼：
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    這是一個回呼函數，當計時器到期時會被呼叫。當計時器到期時，它會傳遞一個訊息。計時器可以重複執行，這可以透過回呼的返回值來控制——此處返回 `false`，表示計時器不再重複執行。
+
+1. 在 `processAudio` 函數的結尾新增以下代碼：
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    此代碼檢查總秒數，如果為 0，則從函數呼叫中返回，這樣就不會設定計時器。然後將總秒數轉換為分鐘和秒。
+
+1. 在此代碼下方，新增以下代碼以建立計時器啟動時的訊息：
+
+    ```cpp
+    String begin_message;
+    if (minutes > 0)
+    {
+        begin_message += minutes;
+        begin_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        begin_message += seconds;
+        begin_message += " second ";
+    }
+
+    begin_message += "timer started.";
+    ```
+
+1. 在此代碼下方，新增類似的代碼以建立計時器到期時的訊息：
+
+    ```cpp
+    String end_message("Times up on your ");
+    if (minutes > 0)
+    {
+        end_message += minutes;
+        end_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        end_message += seconds;
+        end_message += " second ";
+    }
+
+    end_message += "timer.";
+    ```
+
+1. 在此代碼之後，說出計時器啟動的訊息：
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. 在此函數的結尾，啟動計時器：
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    這會觸發計時器。計時器是以毫秒為單位設定的，因此總秒數乘以 1,000 轉換為毫秒。`timerExpired` 函數作為回呼傳遞，`end_message` 作為參數傳遞給回呼。此回呼僅接受 `void *` 參數，因此字串被適當地轉換。
+
+1. 最後，計時器需要在 `loop` 函數中 *tick*。在 `loop` 函數的結尾新增以下代碼：
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. 編譯此代碼，將其上傳到您的 Wio Terminal，並透過序列監視器進行測試。一旦您在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。4 秒的音頻將被捕獲，轉換為文字，然後傳送到您的函數應用程式，並設定一個計時器。確保您的函數應用程式正在本地執行。
+
+    您將看到計時器啟動和結束的時間。
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    {"seconds": 147}
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 您可以在 [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) 資料夾中找到此代碼。
+
+😀 您的計時器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..b4897833
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,535 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-27T00:16:24+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "mo"
+}
+-->
+# 將文字轉換為語音 - Wio Terminal
+
+在本課程的這部分，您將學習如何將文字轉換為語音，以提供語音回饋。
+
+## 文字轉語音
+
+在上一課中，您使用的語音服務 SDK 將語音轉換為文字，現在可以用來將文字轉換回語音。
+
+## 獲取語音列表
+
+在請求語音時，您需要指定使用的語音，因為語音可以通過多種不同的聲音生成。每種語言都支持多種不同的聲音，您可以通過語音服務 SDK 獲取每種語言支持的語音列表。這裡需要考慮微控制器的限制——獲取文字轉語音服務支持的語音列表的請求返回的是一個超過 77KB 的 JSON 文檔，這對 Wio Terminal 來說過於龐大，無法處理。截至撰寫本文時，完整列表包含 215 種語音，每種語音由如下所示的 JSON 文檔定義：
+
+```json
+{
+    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
+    "DisplayName": "Aria",
+    "LocalName": "Aria",
+    "ShortName": "en-US-AriaNeural",
+    "Gender": "Female",
+    "Locale": "en-US",
+    "StyleList": [
+        "chat",
+        "customerservice",
+        "narration-professional",
+        "newscast-casual",
+        "newscast-formal",
+        "cheerful",
+        "empathetic"
+    ],
+    "SampleRateHertz": "24000",
+    "VoiceType": "Neural",
+    "Status": "GA"
+}
+```
+
+這個 JSON 是針對 **Aria** 語音的，它有多種語音風格。在將文字轉換為語音時，只需要 `en-US-AriaNeural` 這樣的短名稱。
+
+與其在微控制器上下載並解碼整個列表，不如編寫一些無伺服器代碼來檢索您使用的語言的語音列表，並從 Wio Terminal 調用該代碼。您的代碼可以從列表中選擇一個合適的語音，例如找到的第一個語音。
+
+### 任務 - 創建一個無伺服器函數來獲取語音列表
+
+1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果未啟用，請終止並重新創建終端。
+
+1. 打開 `local.settings.json` 文件，並添加語音 API 金鑰和位置的設置：
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    將 `<key>` 替換為您的語音服務資源的 API 金鑰。將 `<location>` 替換為您創建語音服務資源時使用的位置。
+
+1. 在此應用中添加一個名為 `get-voices` 的新 HTTP 觸發器，使用以下命令從 VS Code 終端在函數應用專案的根文件夾中執行：
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    這將創建一個名為 `get-voices` 的 HTTP 觸發器。
+
+1. 將 `get-voices` 文件夾中的 `__init__.py` 文件內容替換為以下內容：
+
+    ```python
+    import json
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        location = os.environ['SPEECH_LOCATION']
+        speech_key = os.environ['SPEECH_KEY']
+    
+        req_body = req.get_json()
+        language = req_body['language']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
+        voices = map(lambda x: x['ShortName'], voices)
+    
+        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
+    ```
+
+    此代碼向端點發送 HTTP 請求以獲取語音列表。該語音列表是一個包含所有語言語音的大型 JSON 文檔，因此會根據請求正文中傳遞的語言進行過濾，然後提取並返回短名稱作為 JSON 列表。短名稱是將文字轉換為語音所需的值，因此僅返回該值。
+
+    > 💁 您可以根據需要更改過濾條件，以選擇您想要的語音。
+
+    這將數據大小從 77KB（撰寫本文時）減少到一個更小的 JSON 文檔。例如，對於美國語音，這是 408 字節。
+
+1. 在本地運行您的函數應用。然後，您可以使用 curl 等工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞您的語言：
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。
+
+> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
+
+### 任務 - 從 Wio Terminal 獲取語音
+
+1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
+
+1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    將 `<URL>` 替換為函數應用中 `get-voices` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `get-voices`。
+
+1. 在 `src` 文件夾中創建一個名為 `text_to_speech.h` 的新文件。這將用於定義一個類來將文字轉換為語音。
+
+1. 在新的 `text_to_speech.h` 文件頂部添加以下 include 指令：
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <Seeed_FS.h>
+    #include <SD/Seeed_SD.h>
+    #include <WiFiClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "speech_to_text.h"
+    ```
+
+1. 在此之下添加以下代碼，聲明 `TextToSpeech` 類，以及應用程序其餘部分可以使用的實例：
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. 要調用您的函數應用，您需要聲明一個 WiFi 客戶端。在類的 `private` 部分添加以下內容：
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. 在 `private` 部分添加一個字段來存儲選定的語音：
+
+    ```cpp
+    String _voice;
+    ```
+
+1. 在 `public` 部分添加一個 `init` 函數，用於獲取第一個語音：
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. 為了獲取語音，需要創建一個 JSON 文檔並將其發送到函數應用。向 `init` 函數添加以下代碼以創建此 JSON 文檔：
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. 接下來，創建一個 `HTTPClient`，然後使用它調用函數應用以獲取語音，並發送 JSON 文檔：
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. 在此之下添加代碼以檢查響應代碼，如果是 200（成功），則提取語音列表，並從列表中檢索第一個語音：
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonArray obj = doc.as<JsonArray>();
+        _voice = obj[0].as<String>();
+
+        Serial.print("Using voice ");
+        Serial.println(_voice);
+    }
+    else
+    {
+        Serial.print("Failed to get voices - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. 在此之後，結束 HTTP 客戶端連接：
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. 打開 `main.cpp` 文件，並在頂部添加以下 include 指令以包含這個新標頭文件：
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. 在 `setup` 函數中，`speechToText.init();` 調用之下添加以下內容以初始化 `TextToSpeech` 類：
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. 編譯此代碼，將其上傳到您的 Wio Terminal，並通過串行監視器進行測試。確保您的函數應用正在運行。
+
+    您將看到函數應用返回的可用語音列表，以及選定的語音。
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
+    Using voice en-US-JennyNeural
+    Ready.
+    ```
+
+## 將文字轉換為語音
+
+一旦您有了要使用的語音，就可以用它將文字轉換為語音。與語音列表相同的內存限制也適用於將文字轉換為語音，因此您需要將語音寫入 SD 卡，然後通過 ReSpeaker 播放。
+
+> 💁 在本專案的早期課程中，您使用閃存來存儲從麥克風捕獲的語音。本課程使用 SD 卡，因為使用 Seeed 音頻庫從中播放音頻更容易。
+
+還需要考慮另一個限制，即語音服務提供的音頻數據和 Wio Terminal 支持的格式。與完整的計算機不同，微控制器的音頻庫對支持的音頻格式可能非常有限。例如，Seeed Arduino Audio 庫僅支持 44.1KHz 取樣率的音頻。Azure 語音服務可以提供多種格式的音頻，但它們都不使用此取樣率，僅提供 8KHz、16KHz、24KHz 和 48KHz。這意味著音頻需要重新取樣為 44.1KHz，這需要比 Wio Terminal 擁有的更多資源，尤其是內存。
+
+當需要操作這樣的數據時，通常更適合使用無伺服器代碼，特別是當數據是通過網絡調用獲取時。Wio Terminal 可以調用一個無伺服器函數，傳遞要轉換的文字，該無伺服器函數既可以調用語音服務將文字轉換為語音，也可以將音頻重新取樣為所需的取樣率。然後，它可以以 Wio Terminal 所需的形式返回音頻，存儲在 SD 卡上並通過 ReSpeaker 播放。
+
+### 任務 - 創建一個無伺服器函數來將文字轉換為語音
+
+1. 在 VS Code 中打開您的 `smart-timer-trigger` 專案，並確保終端啟用了虛擬環境。如果未啟用，請終止並重新創建終端。
+
+1. 在此應用中添加一個名為 `text-to-speech` 的新 HTTP 觸發器，使用以下命令從 VS Code 終端在函數應用專案的根文件夾中執行：
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    這將創建一個名為 `text-to-speech` 的 HTTP 觸發器。
+
+1. [librosa](https://librosa.org) Pip 套件具有重新取樣音頻的功能，因此將其添加到 `requirements.txt` 文件中：
+
+    ```sh
+    librosa
+    ```
+
+    添加後，使用以下命令從 VS Code 終端安裝 Pip 套件：
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ 如果您使用的是 Linux，包括 Raspberry Pi OS，您可能需要使用以下命令安裝 `libsndfile`：
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. 要將文字轉換為語音，您不能直接使用語音 API 金鑰，而需要請求訪問令牌，使用 API 金鑰來驗證訪問令牌請求。在 `text-to-speech` 文件夾中打開 `__init__.py` 文件，並將其中的所有代碼替換為以下內容：
+
+    ```python
+    import io
+    import os
+    import requests
+    
+    import librosa
+    import soundfile as sf
+    import azure.functions as func
+    
+    location = os.environ['SPEECH_LOCATION']
+    speech_key = os.environ['SPEECH_KEY']
+    
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    這定義了從設置中讀取的位置和語音金鑰的常量。然後定義了 `get_access_token` 函數，用於檢索語音服務的訪問令牌。
+
+1. 在此代碼下方添加以下內容：
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        language = req_body['language']
+        voice = req_body['voice']
+        text = req_body['text']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    
+        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+        ssml += text
+        ssml += '</voice>'
+        ssml += '</speak>'
+    
+        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    
+        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
+        resampled = librosa.resample(raw_audio, sample_rate, 44100)
+        
+        output_buffer = io.BytesIO()
+        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
+        output_buffer.seek(0)
+    
+        return func.HttpResponse(output_buffer.read(), status_code=200)
+    ```
+
+    這定義了將文字轉換為語音的 HTTP 觸發器。它從發送到請求的 JSON 正文中提取要轉換的文字、語言和語音，構建一些 SSML 來請求語音，然後調用相關的 REST API，使用訪問令牌進行身份驗證。此 REST API 調用返回編碼為 16 位、48KHz 單聲道 WAV 文件的音頻，由 `playback_format` 的值定義，該值發送到 REST API 調用。
+
+    然後，這些音頻通過 `librosa` 從 48KHz 的取樣率重新取樣為 44.1KHz，然後將此音頻保存到一個二進制緩衝區，最後返回。
+
+1. 在本地運行您的函數應用，或將其部署到雲端。然後，您可以使用 curl 等工具調用它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 正文的形式傳遞語言、語音和文字：
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    將 `<language>` 替換為您的語言，例如 `en-GB` 或 `zh-CN`。將 `<voice>` 替換為您想要使用的語音。將 `<text>` 替換為您想要轉換為語音的文字。您可以將輸出保存到文件，並使用任何可以播放 WAV 文件的音頻播放器播放它。
+
+    例如，要使用美式英語和 Jenny Neural 語音將 "Hello" 轉換為語音，並在本地運行函數應用，可以使用以下 curl 命令：
+
+    ```sh
+    curl -X GET 'http://localhost:7071/api/text-to-speech' \
+         -H 'Content-Type: application/json' \
+         -o hello.wav \
+         -d '{
+           "language":"en-US",
+           "voice": "en-US-JennyNeural",
+           "text": "Hello"
+         }'
+    ```
+
+    這將音頻保存到當前目錄中的 `hello.wav` 文件。
+
+> 💁 您可以在 [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) 文件夾中找到此代碼。
+
+### 任務 - 從 Wio Terminal 獲取語音
+
+1. 如果尚未打開，請在 VS Code 中打開 `smart-timer` 專案。
+
+1. 打開 `config.h` 標頭文件，並添加您的函數應用的 URL：
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    將 `<URL>` 替換為函數應用中 `text-to-speech` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，只是函數名稱從 `text-to-timer` 改為 `text-to-speech`。
+
+1. 打開 `text_to_speech.h` 標頭文件，並在 `TextToSpeech` 類的 `public` 部分添加以下方法：
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. 在 `convertTextToSpeech` 方法中，添加以下代碼以創建要發送到函數應用的 JSON：
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    這將語言、語音和文字寫入 JSON 文檔，然後將其序列化為字符串。
+
+1. 在此之下，添加以下代碼以調用函數應用：
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    這將創建一個 HTTPClient，然後使用 JSON 文檔向文字轉語音 HTTP 觸發器發送 POST 請求。
+
+1. 如果調用成功，從函數應用調用返回的原始二進制數據可以流式寫入 SD 卡上的文件。添加以下代碼來完成此操作：
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {            
+        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
+        httpClient.writeToStream(&wav_file);
+        wav_file.close();
+    }
+    else
+    {
+        Serial.print("Failed to get speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    此代碼檢查響應，如果是 200（成功），則將二進制數據流式寫入 SD 卡根目錄中的 `SPEECH.WAV` 文件。
+
+1. 在此方法的末尾，關閉 HTTP 連接：
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. 現在可以將要說的文字轉換為音頻。在 `main.cpp` 文件中，將以下行添加到 `say` 函數的末尾，以將要說的文字轉換為音頻：
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### 任務 - 從你的 Wio Terminal 播放音頻
+
+**即將推出**
+
+## 將你的 Functions App 部署到雲端
+
+在本地運行 Functions App 的原因是因為 Linux 上的 `librosa` Pip 套件依賴於一個預設未安裝的庫，該庫需要在 Function App 運行之前安裝。Functions App 是無伺服器的——你無法自行管理伺服器，因此無法事先安裝這個庫。
+
+解決方法是使用 Docker 容器來部署你的 Functions App。每當雲端需要啟動你的 Functions App 的新實例時（例如當需求超過可用資源，或者 Function App 長時間未使用而被關閉時），這個容器就會被部署。
+
+你可以在 [Microsoft Docs 上的使用自定義容器在 Linux 上創建 Function 的文檔](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) 中找到設置 Function App 並通過 Docker 部署的指導。
+
+部署完成後，你可以將 Wio Terminal 的代碼移植以訪問這個 Function：
+
+1. 將 Azure Functions 的證書添加到 `config.h`：
+
+    ```cpp
+    const char *FUNCTIONS_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
+        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
+        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
+        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
+        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
+        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
+        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
+        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
+        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
+        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
+        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
+        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
+        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
+        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
+        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
+        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
+        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
+        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
+        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
+        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
+        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
+        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
+        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
+        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
+        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
+        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
+        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
+        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
+        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. 將所有包含 `<WiFiClient.h>` 的地方更改為 `<WiFiClientSecure.h>`。
+
+1. 將所有 `WiFiClient` 字段更改為 `WiFiClientSecure`。
+
+1. 在每個包含 `WiFiClientSecure` 字段的類中，添加一個構造函數，並在該構造函數中設置證書：
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..ab78435f
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T23:55:36+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "mo"
+}
+-->
+# 支援多語言
+
+![本課程的手繪筆記概述](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.mo.jpg)
+
+> 手繪筆記由 [Nitya Narasimhan](https://github.com/nitya) 提供。點擊圖片查看更大版本。
+
+這段影片概述了 Azure 語音服務，涵蓋了前幾課中的語音轉文字和文字轉語音功能，以及本課程中討論的語音翻譯主題：
+
+[![使用少量 Python 程式碼進行語音識別（Microsoft Build 2020）](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 點擊上方圖片觀看影片
+
+## 課前測驗
+
+[課前測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## 簡介
+
+在過去的三節課中，你學習了如何將語音轉換為文字、理解語言以及將文字轉換為語音，這些功能都由人工智慧提供支持。人工智慧還可以協助人類溝通的另一個領域——語言翻譯，例如將英文翻譯成法文。
+
+在本課程中，你將學習如何使用人工智慧進行文字翻譯，使你的智慧計時器能夠與多語言使用者互動。
+
+本課程將涵蓋以下內容：
+
+* [翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [翻譯服務](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [建立翻譯資源](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [透過翻譯支援應用程式中的多語言](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [使用人工智慧服務翻譯文字](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 這是本專案的最後一課，因此在完成本課程和作業後，別忘了清理你的雲端服務。你需要這些服務來完成作業，因此請確保先完成作業。
+>
+> 如有需要，請參考[專案清理指南](../../../clean-up.md)以獲取相關指示。
+
+## 翻譯文字
+
+文字翻譯是一個已經研究了超過 70 年的計算機科學問題，直到最近，得益於人工智慧和計算能力的進步，才接近解決，並達到幾乎與人類翻譯員相媲美的水平。
+
+> 💁 其起源可以追溯到更早的時期，例如 9 世紀的阿拉伯密碼學家 [Al-Kindi](https://wikipedia.org/wiki/Al-Kindi)，他開發了語言翻譯的技術。
+
+### 機器翻譯
+
+文字翻譯最初是一種被稱為機器翻譯（Machine Translation, MT）的技術，可以在不同語言對之間進行翻譯。機器翻譯的工作原理是將一種語言中的單詞替換為另一種語言中的單詞，並添加技術來選擇正確的翻譯方式，以處理當簡單的逐字翻譯不合理時的情況。
+
+> 🎓 當翻譯工具支援在一種語言和另一種語言之間進行翻譯時，這些被稱為「語言對」（language pairs）。不同的工具支援不同的語言對，並且可能不完整。例如，一個翻譯工具可能支援英文到西班牙文的語言對，以及西班牙文到義大利文的語言對，但不支援英文到義大利文。
+
+例如，將「Hello world」從英文翻譯成法文可以通過替換完成——「Bonjour」替換「Hello」，「le monde」替換「world」，最終得到正確的翻譯「Bonjour le monde」。
+
+然而，替換法在不同語言使用不同表達方式時就不適用了。例如，英文句子「My name is Jim」翻譯成法文是「Je m'appelle Jim」，字面意思是「我叫自己 Jim」。其中「Je」是法文的「我」，「moi」是「我自己」，但由於動詞以元音開頭，會與動詞結合成「m'」，「appelle」是「叫」，而「Jim」作為名字不會被翻譯。詞序也會成為問題——簡單替換「Je m'appelle Jim」會變成「I myself call Jim」，詞序與英文不同。
+
+> 💁 有些詞永遠不會被翻譯——我的名字是 Jim，無論使用哪種語言介紹自己都是如此。當翻譯成使用不同字母或不同聲音的語言時，這些詞可能會被「音譯」，即選擇適當的字母或字符，使其聽起來與原詞相同。
+
+成語也是翻譯中的一個難題。成語是指具有特定理解意義的短語，其意義與字面解釋不同。例如，英文成語「I've got ants in my pants」並不是真的指衣服裡有螞蟻，而是指坐立不安。如果將其翻譯成德文，可能會讓聽者感到困惑，因為德文版本是「I have bumble bees in the bottom」。
+
+> 💁 不同的地區會增加不同的複雜性。例如在美式英文中，「pants」指外衣，而在英式英文中，「pants」指內衣。
+
+✅ 如果你會多種語言，想想有哪些短語無法直接翻譯。
+
+機器翻譯系統依賴於大型規則數據庫，這些規則描述了如何翻譯特定短語和成語，並結合統計方法從可能的選項中選擇最合適的翻譯。這些統計方法使用由人類翻譯成多種語言的大型數據庫，來選擇最可能的翻譯，這種技術被稱為「統計機器翻譯」（statistical machine translation）。其中一些系統使用語言的中間表示，允許一種語言翻譯成中間表示，再從中間表示翻譯成另一種語言。這樣，添加更多語言只需翻譯到中間表示和從中間表示翻譯，而不需要翻譯到所有其他語言。
+
+### 神經翻譯
+
+神經翻譯利用人工智慧的力量進行翻譯，通常使用一個模型翻譯整個句子。這些模型基於由人類翻譯的大型數據集進行訓練，例如網頁、書籍和聯合國文件。
+
+神經翻譯模型通常比機器翻譯模型更小，因為它們不需要大型短語和成語數據庫。現代人工智慧翻譯服務通常混合多種技術，結合統計機器翻譯和神經翻譯。
+
+任何語言對之間都不存在 1:1 的翻譯。不同的翻譯模型會根據訓練數據的不同產生略有差異的結果。翻譯並不總是對稱的——即如果你將一個句子從一種語言翻譯成另一種語言，再翻譯回原語言，可能會得到略有不同的句子。
+
+✅ 試試不同的線上翻譯工具，例如 [Bing 翻譯](https://www.bing.com/translator)、[Google 翻譯](https://translate.google.com) 或 Apple 翻譯應用程式。比較幾個句子的翻譯版本。也可以嘗試在一個工具中翻譯，再在另一個工具中翻譯回來。
+
+## 翻譯服務
+
+有許多人工智慧服務可以從你的應用程式中使用，用於翻譯語音和文字。
+
+### 認知服務語音服務
+
+![語音服務標誌](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.mo.png)
+
+你在過去幾課中使用的語音服務具有語音識別的翻譯功能。當你識別語音時，可以要求不僅提供相同語言的文字，還可以提供其他語言的文字。
+
+> 💁 這僅適用於語音 SDK，REST API 不內建翻譯功能。
+
+### 認知服務翻譯服務
+
+![翻譯服務標誌](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.mo.png)
+
+翻譯服務是一個專門的翻譯服務，可以將文字從一種語言翻譯成一種或多種目標語言。除了翻譯，它還支援許多額外功能，包括屏蔽不雅詞語。它還允許你為特定單詞或句子提供特定翻譯，以處理不希望翻譯的術語或具有特定知名翻譯的術語。
+
+例如，當翻譯句子「I have a Raspberry Pi」（指的是單板電腦）到另一種語言如法文時，你可能希望保留「Raspberry Pi」的名稱不被翻譯，得到「J’ai un Raspberry Pi」而不是「J’ai une pi aux framboises」。
+
+## 建立翻譯資源
+
+在本課程中，你需要一個翻譯資源。你將使用 REST API 來翻譯文字。
+
+### 任務 - 建立翻譯資源
+
+1. 在終端或命令提示符中執行以下命令，在你的 `smart-timer` 資源群組中建立翻譯資源。
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    將 `<location>` 替換為建立資源群組時使用的位置。
+
+1. 獲取翻譯服務的金鑰：
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    複製其中一個金鑰。
+
+## 透過翻譯支援應用程式中的多語言
+
+在理想情況下，整個應用程式應該能理解盡可能多的不同語言，從語音識別到語言理解，再到語音回應。這需要大量工作，而翻譯服務可以加快應用程式的交付時間。
+
+![智慧計時器架構：將日文翻譯成英文，使用英文處理，再翻譯回日文](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.mo.png)
+
+假設你正在建立一個智慧計時器，使用英文進行端到端處理，包括識別英文語音並轉換為文字、使用英文進行語言理解、用英文構建回應並以英文語音回應。如果你想添加日文支援，可以先將日文語音翻譯成英文文字，然後保持應用程式的核心部分不變，最後將回應文字翻譯成日文並以日文語音回應。這樣可以快速添加日文支援，並且你可以稍後擴展到提供完整的端到端日文支援。
+
+> 💁 依賴機器翻譯的缺點是，不同語言和文化有不同的表達方式，因此翻譯可能無法匹配你期望的表達。
+
+機器翻譯還為應用程式和設備提供了翻譯使用者創建內容的可能性。科幻作品中經常出現「通用翻譯器」，這些設備可以將外星語言翻譯成（通常是）美式英文。這些設備已不再是科幻，而是科學事實，當然不包括外星部分。目前已經有應用程式和設備可以實現語音和文字的即時翻譯，結合語音和翻譯服務。
+
+其中一個例子是 [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) 手機應用程式，以下影片展示了其功能：
+
+[![Microsoft Translator 即時功能展示](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 點擊上方圖片觀看影片
+
+想像一下擁有這樣的設備，尤其是在旅行或與不懂其語言的人互動時。在機場或醫院中使用自動翻譯設備將提供急需的無障礙改進。
+
+✅ 做些研究：是否有任何商業化的翻譯物聯網設備？智慧設備中是否內建翻譯功能？
+
+> 👽 雖然目前還沒有真正的通用翻譯器可以讓我們與外星人交流，但 [Microsoft Translator 支援克林貢語](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn)。Qapla’！
+
+## 使用人工智慧服務翻譯文字
+
+你可以使用人工智慧服務為你的智慧計時器添加翻譯功能。
+
+### 任務 - 使用人工智慧服務翻譯文字
+
+按照相關指南，將文字翻譯功能添加到你的物聯網設備：
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [單板電腦 - Raspberry Pi](pi-translate-speech.md)
+* [單板電腦 - 虛擬設備](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 挑戰
+
+機器翻譯如何能夠幫助智慧設備以外的其他物聯網應用程式？想想翻譯如何幫助，不僅是語音，還包括文字。
+
+## 課後測驗
+
+[課後測驗](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## 回顧與自學
+
+* 在 [Wikipedia 的機器翻譯頁面](https://wikipedia.org/wiki/Machine_translation)上閱讀更多關於機器翻譯的內容
+* 在 [Wikipedia 的神經機器翻譯頁面](https://wikipedia.org/wiki/Neural_machine_translation)上閱讀更多關於神經機器翻譯的內容
+* 查看 Microsoft 語音服務支援的語言列表，請參考 [Microsoft Docs 上的語音服務語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## 作業
+
+[建立一個通用翻譯器](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..5e4925ee
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T23:56:37+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "mo"
+}
+-->
+# 建立一個通用翻譯器
+
+## 指示
+
+通用翻譯器是一種設備，可以在多種語言之間進行翻譯，讓說不同語言的人能夠溝通。利用過去幾節課所學的內容，使用兩個物聯網設備來建立一個通用翻譯器。
+
+> 如果你沒有兩個設備，請按照前幾節課的步驟設置一個虛擬物聯網設備作為其中一個物聯網設備。
+
+你應該為每個設備配置一種語言。一個設備負責一種語言，另一個負責另一種語言。每個設備應該能接受語音，將其轉換為文字，通過物聯網中心和 Functions 應用程序發送到另一個設備，然後進行翻譯並播放翻譯後的語音。
+
+> 💁 提示：在將語音從一個設備發送到另一個設備時，請同時發送語音所使用的語言，這樣翻譯起來會更方便。你甚至可以讓每個設備先通過物聯網中心和 Functions 應用程序註冊，傳遞它們支持的語言並存儲在 Azure Storage 中。然後可以使用 Functions 應用程序進行翻譯，將翻譯後的文字發送到物聯網設備。
+
+## 評分標準
+
+| 評分項目 | 卓越 | 合格 | 需要改進 |
+| -------- | ----- | ----- | -------- |
+| 建立通用翻譯器 | 能夠成功建立一個通用翻譯器，將一個設備檢測到的語音轉換為另一個設備播放的不同語言的語音 | 能夠使部分組件運行，例如捕捉語音或翻譯，但無法建立端到端的解決方案 | 無法建立任何部分可運行的通用翻譯器 |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..ef735306
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T23:57:34+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "mo"
+}
+-->
+# 翻譯語音 - Raspberry Pi
+
+在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
+
+## 使用翻譯服務將文字轉換為語音
+
+語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務來翻譯由語音轉文字服務生成的文字，以及語音回應的文字。此服務提供 REST API，可用於翻譯文字。
+
+### 任務 - 使用翻譯資源翻譯文字
+
+1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同時用於生成與使用者溝通的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    將 `<user language>` 替換為你將使用的語言的地區名稱，例如法語的 `fr-FR` 或粵語的 `zn-HK`。
+
+    將 `<server language>` 替換為用於訓練 LUIS 的語言的地區名稱。
+
+    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其地區名稱列表。
+
+    > 💁 如果你不會說多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後的文字音頻。
+    >
+    > 例如，如果你用英文訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "設置一個 2 分 27 秒的計時器" 這樣的句子從英文翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
+    >
+    > ![Bing 翻譯中的聆聽翻譯按鈕](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png)
+
+1. 在 `speech_api_key` 下新增翻譯 API 金鑰：
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。
+
+1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯成使用者語言：
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    此函數接收來源語言和目標語言——你的應用程式需要在辨識語音時將使用者語言轉換為伺服器語言，並在提供語音回饋時將伺服器語言轉換為使用者語言。
+
+1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    此 API 的 URL 不特定於位置，而是將位置作為標頭傳遞。API 金鑰直接使用，因此不像語音服務那樣需要從令牌發行 API 獲取存取令牌。
+
+1. 在此下方定義呼叫的參數和主體：
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` 定義了 API 呼叫的參數，傳遞來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯成 `to` 語言。
+
+    `body` 包含要翻譯的文字。這是一個陣列，因為同一次呼叫可以翻譯多段文字。
+
+1. 呼叫 REST API 並獲取回應：
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯結果。此項目有一個陣列，包含所有在主體中傳遞的項目的翻譯。
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. 從陣列的第一個項目中返回第一個翻譯的 `test` 屬性：
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. 更新 `while True` 迴圈，將從 `convert_speech_to_text` 呼叫中獲得的文字從使用者語言翻譯成伺服器語言：
+
+    ```python
+    if len(text) > 0:
+        print('Original:', text)
+        text = translate_text(text, language, server_language)
+        print('Translated:', text)
+
+        message = Message(json.dumps({ 'speech': text }))
+        device_client.send_message(message)
+    ```
+
+    此程式碼還會將原始文字和翻譯文字打印到控制台。
+
+1. 更新 `say` 函數，將要說的文字從伺服器語言翻譯成使用者語言：
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    此程式碼還會將原始文字和翻譯文字打印到控制台。
+
+1. 執行你的程式碼。確保你的函數應用程式正在運行，並以使用者語言請求計時器，可以自己說該語言，或者使用翻譯應用程式。
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py
+    Connecting
+    Connected
+    Using voice fr-FR-DeniseNeural
+    Original: Définir une minuterie de 2 minutes et 27 secondes.
+    Translated: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 由於不同語言表達方式的差異，你可能會得到與你提供給 LUIS 的範例稍有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
+
+> 💁 你可以在 [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) 資料夾中找到此程式碼。
+
+😀 你的多語言計時器程式成功了！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..dd53b813
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T23:59:00+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "mo"
+}
+-->
+# 翻譯語音 - 虛擬物聯網設備
+
+在本課程的這部分，您將撰寫程式碼，使用語音服務將語音轉換為文字時進行翻譯，然後使用翻譯服務將文字翻譯後生成語音回應。
+
+## 使用語音服務翻譯語音
+
+語音服務不僅可以將語音轉換為相同語言的文字，還可以將輸出翻譯為其他語言。
+
+### 任務 - 使用語音服務翻譯語音
+
+1. 在 VS Code 中打開 `smart-timer` 專案，並確保虛擬環境已在終端中載入。
+
+1. 在現有的匯入語句下方新增以下匯入語句：
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    這將匯入用於翻譯語音的類別，以及稍後在本課程中用於呼叫翻譯服務的 `requests` 函式庫。
+
+1. 您的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（同樣的語言也用於構建與使用者對話的訊息），以及使用者所說的語言。更新 `language` 變數為使用者將使用的語言，並新增一個名為 `server_language` 的變數，用於設定訓練 LUIS 的語言：
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    將 `<user language>` 替換為您將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
+
+    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
+
+    您可以在 [Microsoft Docs 上的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的列表。
+
+    > 💁 如果您不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將您的首選語言翻譯為您選擇的語言。這些服務還可以播放翻譯後文字的音頻。請注意，語音識別器可能會忽略來自您設備的一些音頻輸出，因此您可能需要使用額外的設備來播放翻譯後的文字。
+    >
+    > 例如，如果您用英語訓練 LUIS，但希望使用法語作為使用者語言，您可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英語翻譯為法語，然後使用 **聆聽翻譯** 按鈕將翻譯內容說入您的麥克風。
+    >
+    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png)
+
+1. 用以下內容替換 `recognizer_config` 和 `recognizer` 的宣告：
+
+    ```python
+    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
+                                                 region=location,
+                                                 speech_recognition_language=language,
+                                                 target_languages=(language, server_language))
+    
+    recognizer = TranslationRecognizer(translation_config=translation_config)
+    ```
+
+    這會創建一個翻譯配置，用於識別使用者語言的語音，並生成使用者語言和伺服器語言的翻譯。然後使用此配置創建一個翻譯識別器——一個可以將語音識別的輸出翻譯為多種語言的語音識別器。
+
+    > 💁 必須在 `target_languages` 中指定原始語言，否則您將無法獲得任何翻譯。
+
+1. 更新 `recognized` 函數，將函數的全部內容替換為以下內容：
+
+    ```python
+    if args.result.reason == speech.ResultReason.TranslatedSpeech:
+        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
+        text = args.result.translations[language_match]
+        if (len(text) > 0):
+            print(f'Translated text: {text}')
+    
+            message = Message(json.dumps({ 'speech': text }))
+            device_client.send_message(message)
+    ```
+
+    此程式碼檢查是否因為語音被翻譯而觸發了識別事件（此事件也可能在其他情況下觸發，例如語音被識別但未翻譯）。如果語音被翻譯，它會在 `args.result.translations` 字典中找到與伺服器語言匹配的翻譯。
+
+    `args.result.translations` 字典的鍵是區域設置的語言部分，而不是整個設置。例如，如果您請求將法語翻譯為 `fr-FR`，字典中將包含一個 `fr` 的條目，而不是 `fr-FR`。
+
+    翻譯後的文字將被發送到 IoT Hub。
+
+1. 執行此程式碼以測試翻譯功能。確保您的函數應用程式正在運行，並用使用者語言請求計時器，可以是您自己說該語言，也可以使用翻譯應用程式。
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## 使用翻譯服務翻譯文字
+
+語音服務不支援將翻譯後的文字轉回語音，您可以使用翻譯服務將文字翻譯。此服務提供一個 REST API，您可以用來翻譯文字。
+
+### 任務 - 使用翻譯資源翻譯文字
+
+1. 在 `speech_api_key` 下方新增翻譯 API 金鑰：
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    將 `<key>` 替換為您的翻譯服務資源的 API 金鑰。
+
+1. 在 `say` 函數上方，定義一個 `translate_text` 函數，用於將文字從伺服器語言翻譯為使用者語言：
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. 在此函數內，定義 REST API 呼叫的 URL 和標頭：
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    此 API 的 URL 並非特定於位置，而是將位置作為標頭傳遞。API 金鑰直接使用，因此與語音服務不同，無需從令牌發行 API 獲取訪問令牌。
+
+1. 在此下方定義呼叫的參數和主體：
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` 定義了傳遞給 API 呼叫的參數，指定翻譯的來源語言和目標語言。此呼叫將把 `from` 語言的文字翻譯為 `to` 語言。
+
+    `body` 包含要翻譯的文字。這是一個陣列，因為可以在一次呼叫中翻譯多段文字。
+
+1. 呼叫 REST API 並獲取回應：
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    返回的回應是一個 JSON 陣列，其中包含一個項目，該項目包含翻譯結果。此項目有一個陣列，包含所有在主體中傳遞的項目的翻譯。
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. 返回陣列中第一個項目中第一個翻譯的 `text` 屬性：
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. 更新 `say` 函數，在生成 SSML 之前翻譯要說的文字：
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    此程式碼還會將原始文字和翻譯後的文字打印到控制台。
+
+1. 執行您的程式碼。確保您的函數應用程式正在運行，並用使用者語言請求計時器，可以是您自己說該語言，也可以使用翻譯應用程式。
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 由於不同語言表達方式的差異，您可能會得到與您提供給 LUIS 的範例略有不同的翻譯。如果是這種情況，請向 LUIS 添加更多範例，重新訓練並重新發布模型。
+
+> 💁 您可以在 [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) 資料夾中找到此程式碼。
+
+😀 您的多語言計時器程式大獲成功！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..32452b94
--- /dev/null
+++ b/translations/mo/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T23:52:46+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "mo"
+}
+-->
+# 翻譯語音 - Wio Terminal
+
+在本課程的這部分，你將撰寫程式碼，使用翻譯服務來翻譯文字。
+
+## 使用翻譯服務將文字轉換為語音
+
+語音服務的 REST API 不支援直接翻譯，但你可以使用翻譯服務將語音轉文字服務生成的文字，以及語音回應的文字進行翻譯。此服務提供 REST API，可用於翻譯文字，但為了更方便使用，將在你的函數應用程式中包裝成另一個 HTTP 觸發器。
+
+### 任務 - 建立無伺服器函數來翻譯文字
+
+1. 在 VS Code 中開啟你的 `smart-timer-trigger` 專案，並開啟終端機，確保虛擬環境已啟動。如果未啟動，請終止並重新建立終端機。
+
+1. 開啟 `local.settings.json` 檔案，並新增翻譯 API 金鑰和位置的設定：
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    將 `<key>` 替換為你的翻譯服務資源的 API 金鑰。將 `<location>` 替換為你建立翻譯服務資源時使用的位置。
+
+1. 在函數應用程式專案的根目錄中，使用以下指令新增一個名為 `translate-text` 的 HTTP 觸發器：
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    這將建立一個名為 `translate-text` 的 HTTP 觸發器。
+
+1. 將 `translate-text` 資料夾中的 `__init__.py` 檔案內容替換為以下內容：
+
+    ```python
+    import logging
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    location = os.environ['TRANSLATOR_LOCATION']
+    translator_key = os.environ['TRANSLATOR_KEY']
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        from_language = req_body['from_language']
+        to_language = req_body['to_language']
+        text = req_body['text']
+        
+        logging.info(f'Translating {text} from {from_language} to {to_language}')
+    
+        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': translator_key,
+            'Ocp-Apim-Subscription-Region': location,
+            'Content-type': 'application/json'
+        }
+    
+        params = {
+            'from': from_language,
+            'to': to_language
+        }
+    
+        body = [{
+            'text' : text
+        }]
+        
+        response = requests.post(url, headers=headers, params=params, json=body)
+        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
+    ```
+
+    此程式碼從 HTTP 請求中提取文字和語言，然後向翻譯 REST API 發出請求，將語言作為 URL 的參數，將要翻譯的文字作為主體傳遞。最後返回翻譯結果。
+
+1. 在本地執行你的函數應用程式。你可以使用像 curl 這樣的工具來呼叫它，就像測試 `text-to-timer` HTTP 觸發器一樣。確保以 JSON 主體的形式傳遞要翻譯的文字和語言：
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    此範例將 *Définir une minuterie de 30 secondes* 從法語翻譯為美式英語。它將返回 *Set a 30-second timer*。
+
+> 💁 你可以在 [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) 資料夾中找到此程式碼。
+
+### 任務 - 使用翻譯函數來翻譯文字
+
+1. 如果尚未開啟，請在 VS Code 中開啟 `smart-timer` 專案。
+
+1. 你的智慧計時器將設定兩種語言——用於訓練 LUIS 的伺服器語言（此語言也用於構建與使用者對話的訊息）以及使用者說的語言。更新 `config.h` 標頭檔案中的 `LANGUAGE` 常數為使用者將使用的語言，並新增一個名為 `SERVER_LANGUAGE` 的常數，用於訓練 LUIS 的語言：
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    將 `<user language>` 替換為你將使用的語言的區域名稱，例如法語為 `fr-FR`，或粵語為 `zn-HK`。
+
+    將 `<server language>` 替換為用於訓練 LUIS 的語言的區域名稱。
+
+    你可以在 [Microsoft Docs 的語言和語音支援文件](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) 中找到支援的語言及其區域名稱的清單。
+
+    > 💁 如果你不會多種語言，可以使用像 [Bing 翻譯](https://www.bing.com/translator) 或 [Google 翻譯](https://translate.google.com) 這樣的服務，將你的首選語言翻譯成其他語言。這些服務還可以播放翻譯後文字的音頻。
+    >
+    > 例如，如果你用英語訓練 LUIS，但希望使用法語作為使用者語言，你可以使用 Bing 翻譯將像 "set a 2 minute and 27 second timer" 這樣的句子從英語翻譯成法語，然後使用 **聆聽翻譯** 按鈕將翻譯語音說入麥克風。
+    >
+    > ![Bing 翻譯上的聆聽翻譯按鈕](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.mo.png)
+
+1. 在 `SPEECH_LOCATION` 下新增翻譯 API 金鑰和位置：
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    將 `<KEY>` 替換為你的翻譯服務資源的 API 金鑰。將 `<LOCATION>` 替換為你建立翻譯服務資源時使用的位置。
+
+1. 在 `VOICE_URL` 下新增翻譯觸發器的 URL：
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    將 `<URL>` 替換為函數應用程式中 `translate-text` HTTP 觸發器的 URL。這將與 `TEXT_TO_TIMER_FUNCTION_URL` 的值相同，但函數名稱為 `translate-text` 而非 `text-to-timer`。
+
+1. 在 `src` 資料夾中新增一個名為 `text_translator.h` 的檔案。
+
+1. 此新的 `text_translator.h` 標頭檔案將包含一個用於翻譯文字的類別。在此檔案中新增以下內容以宣告此類別：
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    
+    class TextTranslator
+    {
+    public:   
+    private:
+        WiFiClient _client;
+    };
+    
+    TextTranslator textTranslator;
+    ```
+
+    這宣告了 `TextTranslator` 類別，以及此類別的一個實例。該類別有一個用於 WiFi 客戶端的欄位。
+
+1. 在此類別的 `public` 區段中，新增一個用於翻譯文字的方法：
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    此方法接收要翻譯的來源語言和目標語言。在處理語音時，語音將從使用者語言翻譯為 LUIS 伺服器語言，而在提供回應時，將從 LUIS 伺服器語言翻譯為使用者語言。
+
+1. 在此方法中，新增程式碼以構建包含要翻譯文字和語言的 JSON 主體：
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+    doc["from_language"] = from_language;
+    doc["to_language"] = to_language;
+
+    String body;
+    serializeJson(doc, body);
+
+    Serial.print("Translating ");
+    Serial.print(text);
+    Serial.print(" from ");
+    Serial.print(from_language);
+    Serial.print(" to ");
+    Serial.print(to_language);
+    ```
+
+1. 在此之下，新增以下程式碼以將主體發送到無伺服器函數應用程式：
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. 接著，新增程式碼以獲取回應：
+
+    ```cpp
+    String translated_text = "";
+
+    if (httpResponseCode == 200)
+    {
+        translated_text = httpClient.getString();
+        Serial.print("Translated: ");
+        Serial.println(translated_text);
+    }
+    else
+    {
+        Serial.print("Failed to translate text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. 最後，新增程式碼以關閉連線並返回翻譯後的文字：
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### 任務 - 翻譯識別的語音和回應
+
+1. 開啟 `main.cpp` 檔案。
+
+1. 在檔案頂部新增一個包含 `TextTranslator` 類別標頭檔案的 include 指令：
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. 設定計時器時或計時器到期時所說的文字需要被翻譯。為此，在 `say` 函數的第一行新增以下內容：
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    這將把文字翻譯成使用者語言。
+
+1. 在 `processAudio` 函數中，透過 `String text = speechToText.convertSpeechToText();` 呼叫從捕獲的音頻中檢索文字。在此呼叫之後，翻譯文字：
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    這將把文字從使用者語言翻譯成伺服器使用的語言。
+
+1. 編譯此程式碼，將其上傳到你的 Wio Terminal，並透過序列監視器進行測試。一旦你在序列監視器中看到 `Ready`，按下 C 按鈕（左側靠近電源開關的按鈕），然後說話。確保你的函數應用程式正在執行，並以使用者語言請求計時器，可以是你自己說該語言，也可以使用翻譯應用程式。
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
+    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
+    Translated: Set a timer of 2 minutes 27 seconds.
+    Set a timer of 2 minutes 27 seconds.
+    {"seconds": 147}
+    Translating 2 minute 27 second timer started. from en-US to fr-FR
+    Translated: 2 minute 27 seconde minute a commencé.
+    2 minute 27 seconde minute a commencé.
+    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+> 💁 你可以在 [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) 資料夾中找到此程式碼。
+
+😀 你的多語言計時器程式大功告成！
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/CODE_OF_CONDUCT.md b/translations/mo/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..7dcd013b
--- /dev/null
+++ b/translations/mo/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T21:24:46+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "mo"
+}
+-->
+# 微軟開源行為準則
+
+此專案已採用[微軟開源行為準則](https://opensource.microsoft.com/codeofconduct/)。
+
+資源：
+
+- [微軟開源行為準則](https://opensource.microsoft.com/codeofconduct/)
+- [微軟行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)
+- 如有疑問或擔憂，請聯繫[opencode@microsoft.com](mailto:opencode@microsoft.com)
+
+---
+
+**免責聲明**：  
+本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤讀概不負責。
\ No newline at end of file
diff --git a/translations/mo/CONTRIBUTING.md b/translations/mo/CONTRIBUTING.md
new file mode 100644
index 00000000..8eebdfd7
--- /dev/null
+++ b/translations/mo/CONTRIBUTING.md
@@ -0,0 +1,24 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T21:28:08+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "mo"
+}
+-->
+# 貢獻指南
+
+此專案歡迎各種貢獻與建議。大多數的貢獻需要您同意一份貢獻者授權協議 (Contributor License Agreement, CLA)，聲明您有權利並實際授權我們使用您的貢獻。詳情請參閱 https://cla.microsoft.com。
+
+> 重要提示：在翻譯此存放庫中的文字時，請確保不要使用機器翻譯。我們將透過社群驗證翻譯，因此請僅在您精通的語言中自願進行翻譯。
+
+當您提交拉取請求 (pull request) 時，CLA 機器人會自動判斷您是否需要提供 CLA，並適當地標記 PR（例如，標籤、評論）。只需按照機器人提供的指示操作即可。您只需在所有使用我們 CLA 的存放庫中執行一次此操作。
+
+此專案採用了 [Microsoft 開放原始碼行為準則](https://opensource.microsoft.com/codeofconduct/)。  
+如需更多資訊，請閱讀 [行為準則常見問題](https://opensource.microsoft.com/codeofconduct/faq/)，或透過 [opencode@microsoft.com](mailto:opencode@microsoft.com) 聯繫我們提出其他問題或意見。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/README.md b/translations/mo/README.md
new file mode 100644
index 00000000..259766f6
--- /dev/null
+++ b/translations/mo/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T21:21:54+00:00",
+  "source_file": "README.md",
+  "language_code": "mo"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# IoT 初學者課程 - 一套完整的教學計劃  
+
+Microsoft 的 Azure Cloud Advocates 團隊很高興提供一套為期 12 週、共 24 節課的教學計劃，專注於 IoT 基礎知識。每節課包含課前與課後測驗、詳細的教學指引、解決方案、作業等內容。我們採用基於專案的教學法，讓您在實作中學習，這是一種被證明能有效掌握新技能的方法。  
+
+這些專案涵蓋了從農場到餐桌的食物旅程，包括農業、物流、製造、零售和消費者等 IoT 裝置的熱門應用領域。  
+
+![課程路線圖，展示了 24 節課程，涵蓋入門、農業、運輸、加工、零售和烹飪](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.mo.jpg)  
+
+> 由 [Nitya Narasimhan](https://github.com/nitya) 繪製的手繪筆記。點擊圖片查看更大版本。  
+
+**特別感謝我們的作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett)，以及我們的手繪筆記藝術家 [Nitya Narasimhan](https://github.com/nitya)。**  
+
+**同時感謝 [Microsoft Learn 學生大使](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) 團隊，他們審核並翻譯了這套課程，包括 [Aditya Garg](https://github.com/AdityaGarg00)、[Anurag Sharma](https://github.com/Anurag-0-1-A)、[Arpita Das](https://github.com/Arpiiitaaa)、[Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/)、[Bhavesh Suneja](https://github.com/EliteWarrior315)、[Faith Hunja](https://faithhunja.github.io/)、[Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/)、[Manvi Jha](https://github.com/Severus-Matthew)、[Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/)、[Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119)、[Mohammad Zulfikar](https://github.com/mohzulfikar)、[Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba)、[Thanmai Gowducheruvu](https://github.com/innovation-platform)、以及 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。**  
+
+來認識我們的團隊吧！  
+
+[![宣傳影片](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif 製作：** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 點擊上方圖片觀看專案介紹影片！  
+
+> **教師們**，我們提供了一些[建議](for-teachers.md)來幫助您使用這套課程。如果您想自行設計課程，我們也提供了[課程模板](lesson-template/README.md)。  
+
+> **[學生們](https://aka.ms/student-page)**，如果您想自行使用這套課程，可以 fork 整個倉庫並完成所有練習，從課前測驗開始，接著閱讀課程內容並完成其他活動。嘗試理解課程內容並自行完成專案，而不是直接複製解決方案程式碼；不過，解決方案程式碼可以在每個專案課程的 /solutions 資料夾中找到。另一個建議是與朋友組成學習小組，一起學習這些內容。若想進一步學習，我們推薦 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。  
+
+觀看這門課程的影片概述：  
+
+[![宣傳影片](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "宣傳影片")  
+
+> 🎥 點擊上方圖片觀看專案介紹影片！  
+
+## 教學法  
+
+在設計這套課程時，我們採用了兩個教學原則：確保課程是基於專案的，並且包含頻繁的測驗。完成這系列課程後，學生將能建構植物監測與灌溉系統、車輛追蹤器、智慧工廠系統（用於追蹤與檢查食品），以及語音控制的烹飪計時器，並學會 IoT 的基礎知識，包括如何撰寫裝置程式碼、連接雲端、分析遙測數據，以及在邊緣設備上運行 AI。  
+
+透過專案導向的內容設計，學習過程變得更具吸引力，並能增強學生對概念的記憶。  
+
+此外，課前的低壓力測驗能幫助學生專注於學習主題，而課後測驗則能進一步鞏固記憶。這套課程設計靈活有趣，可以完整學習，也可以選擇部分內容。專案從簡單開始，隨著 12 週的進展逐漸變得更具挑戰性。  
+
+每個專案都基於學生和愛好者可獲得的真實硬體。每個專案都深入探討特定的專案領域，提供相關的背景知識。成為成功的開發者需要了解解決問題的領域，這些背景知識能幫助學生將 IoT 解決方案與學習內容應用於真實世界的問題情境中。學生不僅學會如何構建解決方案，還能理解其背後的原因，並對最終使用者有更深的體會。  
+
+## 硬體  
+
+我們提供了兩種 IoT 硬體選擇，您可以根據個人偏好、程式語言知識或學習目標來選擇。此外，我們還提供了「虛擬硬體」版本，適合那些無法獲得硬體或想在購買前多了解的學習者。您可以在[硬體頁面](./hardware.md)找到更多資訊和購物清單，包括我們合作夥伴 Seeed Studio 提供的完整套件購買連結。  
+
+> 💁 查看我們的[行為準則](CODE_OF_CONDUCT.md)、[貢獻指南](CONTRIBUTING.md)和[翻譯指南](TRANSLATIONS.md)。我們歡迎您的建設性反饋！  
+
+## 每節課包含：  
+
+- 手繪筆記  
+- 可選的補充影片  
+- 課前熱身測驗  
+- 書面課程內容  
+- 專案課程的分步指導  
+- 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。測驗可以從課程中連結，也可以在本地運行或部署到 Azure；請參考 `quiz-app` 資料夾中的指引。目前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   | [入門](./1-getting-started/README.md) |                     IoT 簡介                     | 學習 IoT 的基本原則，以及 IoT 解決方案的基本構建模組，例如感測器和雲端服務，同時設置您的第一個 IoT 裝置 |                      [IoT 簡介](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |  
+|  02   | [入門](./1-getting-started/README.md) |                   深入了解 IoT                    | 進一步了解 IoT 系統的組成部分，以及微控制器和單板電腦                                                                 |                        [深入了解 IoT](./1-getting-started/lessons/2-deeper-dive/README.md)                         |  
+|  03   | [入門](./1-getting-started/README.md) | 使用感測器與致動器與物理世界互動 | 學習如何使用感測器收集物理世界的數據，以及使用致動器發送反饋，同時構建一個夜燈                                           | [使用感測器與致動器與物理世界互動](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |  
+|  04   | [入門](./1-getting-started/README.md) |             將裝置連接到互聯網             | 學習如何將 IoT 裝置連接到互聯網以發送和接收訊息，通過將夜燈連接到 MQTT broker 來實現                               |               [將裝置連接到互聯網](./1-getting-started/lessons/4-connect-internet/README.md)                |  
+|  05   |            [農場](./2-farm/README.md)            |                    預測植物生長                     | 學習如何使用 IoT 裝置捕獲的溫度數據來預測植物生長                                                                                  |                          [預測植物生長](./2-farm/lessons/1-predict-plant-growth/README.md)                           |  
+|  06   |            [農場](./2-farm/README.md)            |                    偵測土壤濕度                     | 學習如何偵測土壤濕度並校準土壤濕度感測器                                                                                              |                          [偵測土壤濕度](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |  
+|  07   |            [農場](./2-farm/README.md)            |                  自動化植物灌溉                   | 學習如何使用繼電器和 MQTT 自動化和定時灌溉                                                                                                      |                      [自動化植物灌溉](./2-farm/lessons/3-automated-plant-watering/README.md)                       |  
+|  08   |            [農場](./2-farm/README.md)            |               將植物遷移到雲端               | 學習雲端和雲端托管的 IoT 服務，並將您的植物連接到這些服務，而不是公共 MQTT broker                                   |               [將植物遷移到雲端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |  
+|  09   |            [農場](./2-farm/README.md)            |         將應用程式邏輯遷移到雲端         | 學習如何在雲端撰寫應用程式邏輯以回應 IoT 訊息                                                                          |         [將應用程式邏輯遷移到雲端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Farm](./2-farm/README.md)            |                   保護您的植物安全                    | 了解 IoT 的安全性以及如何使用密鑰和憑證保護您的植物安全                                                                          |                        [保護您的植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Transport](./3-transport/README.md)       |                      位置追蹤                      | 了解 IoT 裝置的 GPS 位置追蹤                                                                                                                   |                           [位置追蹤](./3-transport/lessons/1-location-tracking/README.md)                           |
+|  12   |       [Transport](./3-transport/README.md)       |                     儲存位置數據                     | 了解如何儲存 IoT 數據以供後續可視化或分析                                                                                                      |                         [儲存位置數據](./3-transport/lessons/2-store-location-data/README.md)                         |
+|  13   |       [Transport](./3-transport/README.md)       |                   可視化位置數據                   | 了解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以二維方式呈現                                                            |                     [可視化位置數據](./3-transport/lessons/3-visualize-location-data/README.md)                     |
+|  14   |       [Transport](./3-transport/README.md)       |                          地理圍欄                          | 了解地理圍欄及其如何用於在供應鏈中的車輛接近目的地時發出警報                                           |                                   [地理圍欄](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               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](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           從 IoT 裝置檢測水果品質            | 了解如何從 IoT 裝置使用您的水果品質檢測器                                                                                                    |           [從 IoT 裝置檢測水果品質](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             在邊緣運行您的水果檢測器             | 了解如何在邊緣的 IoT 裝置上運行您的水果檢測器                                                                                                |             [在邊緣運行您的水果檢測器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        從感測器觸發水果品質檢測        | 了解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](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
+|  19   |          [Retail](./5-retail/README.md)          |                   訓練庫存檢測器                    | 了解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](./5-retail/lessons/1-train-stock-detector/README.md)                         |
+|  20   |          [Retail](./5-retail/README.md)          |               從 IoT 裝置檢測庫存                | 了解如何使用物件檢測模型從 IoT 裝置檢測庫存                                                                                         |                     [從 IoT 裝置檢測庫存](./5-retail/lessons/2-check-stock-device/README.md)                      |
+|  21   |        [Consumer](./6-consumer/README.md)        |             使用 IoT 裝置進行語音識別             | 了解如何從 IoT 裝置進行語音識別以建立智能計時器                                                                                             |                  [使用 IoT 裝置進行語音識別](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     理解語言                     | 了解如何理解對 IoT 裝置說出的句子                                                                                                           |                        [理解語言](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Consumer](./6-consumer/README.md)        |           設定計時器並提供語音回饋           | 了解如何在 IoT 裝置上設定計時器，並提供語音回饋，告知計時器設定完成及結束時間                                                    |                 [設定計時器並提供語音回饋](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 支援多語言                  | 了解如何支援多語言，包括對智能計時器的語音輸入及回應                                                               |                   [支援多語言](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## 離線存取
+
+您可以使用 [Docsify](https://docsify.js.org/#/) 離線運行此文件。Fork 此 repo，並在您的本地機器上 [安裝 Docsify](https://docsify.js.org/#/quickstart)，然後在此 repo 的根目錄中輸入 `docsify serve`。網站將在本地端的 3000 端口上運行：`localhost:3000`。
+
+### PDF
+
+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](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，並在此 repo 的根目錄中運行以下命令：
+
+```sh
+npm i
+npm run convert
+```
+
+### 投影片
+
+部分課程的投影片位於 [slides](../../slides) 資料夾中。
+
+## 尋求幫助！
+
+您想要貢獻翻譯嗎？請閱讀我們的 [翻譯指南](TRANSLATIONS.md)，並在 [翻譯問題](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation) 中提供意見。如果您想翻譯成新的語言，請提出新的問題以進行追蹤。
+
+## 其他課程
+
+我們的團隊還製作了其他課程！查看以下內容：
+
+- [生成式 AI 初學者課程](https://aka.ms/genai-beginners)
+- [生成式 AI 初學者課程 .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [使用 JavaScript 的生成式 AI](https://github.com/microsoft/generative-ai-with-javascript)
+- [使用 Java 的生成式 AI](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI 初學者課程](https://aka.ms/ai-beginners)
+- [數據科學初學者課程](https://aka.ms/datascience-beginners)
+- [機器學習初學者課程](https://aka.ms/ml-beginners)
+- [網絡安全初學者課程](https://github.com/microsoft/Security-101) 
+- [Web 開發初學者課程](https://aka.ms/webdev-beginners)
+- [IoT 初學者課程](https://aka.ms/iot-beginners)
+- [XR 開發初學者課程](https://github.com/microsoft/xr-development-for-beginners)
+- [掌握 GitHub Copilot 的智能使用](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [掌握 GitHub Copilot 的 C#/.NET 開發者課程](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [選擇您的 Copilot 冒險](https://github.com/microsoft/CopilotAdventures)
+
+## 圖片來源
+
+您可以在 [圖片來源](./attributions.md) 中找到本課程中使用的圖片所需的所有來源信息。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/SECURITY.md b/translations/mo/SECURITY.md
new file mode 100644
index 00000000..9cc8f6ed
--- /dev/null
+++ b/translations/mo/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T21:27:33+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "mo"
+}
+-->
+# 安全性
+
+Microsoft 非常重視我們軟體產品與服務的安全性，這包括透過我們的 GitHub 組織管理的所有原始碼庫，這些組織包括 [Microsoft](https://github.com/Microsoft)、[Azure](https://github.com/Azure)、[DotNet](https://github.com/dotnet)、[AspNet](https://github.com/aspnet)、[Xamarin](https://github.com/xamarin) 和 [我們的 GitHub 組織](https://opensource.microsoft.com/)。
+
+如果您認為在任何 Microsoft 擁有的原始碼庫中發現了符合 [Microsoft 對安全性漏洞的定義](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) 的安全性漏洞，請按照以下說明向我們報告。
+
+## 回報安全性問題
+
+**請勿透過公開的 GitHub 問題回報安全性漏洞。**
+
+相反地，請透過 Microsoft Security Response Center (MSRC) 回報，網址為 [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report)。
+
+如果您希望在不登入的情況下提交，請發送電子郵件至 [secure@microsoft.com](mailto:secure@microsoft.com)。如果可能，請使用我們的 PGP 金鑰加密您的訊息；您可以從 [Microsoft Security Response Center PGP Key 頁面](https://www.microsoft.com/en-us/msrc/pgp-key-msrc) 下載。
+
+您應該會在 24 小時內收到回覆。如果因某些原因未收到，請透過電子郵件跟進，以確保我們已收到您的原始訊息。更多資訊請參閱 [microsoft.com/msrc](https://www.microsoft.com/msrc)。  
+
+請盡可能提供以下所列的資訊，以幫助我們更好地了解問題的性質與範圍：
+
+  * 問題類型（例如：緩衝區溢位、SQL 注入、跨網站腳本攻擊等）
+  * 與問題相關的原始檔案完整路徑
+  * 受影響原始碼的位置（標籤/分支/提交或直接 URL）
+  * 重現問題所需的任何特殊配置
+  * 重現問題的逐步指導
+  * 概念驗證或漏洞利用程式碼（如果可能）
+  * 問題的影響，包括攻擊者可能如何利用該問題
+
+這些資訊將幫助我們更快速地處理您的回報。
+
+如果您是為了漏洞賞金計畫而回報，提供更完整的報告可能會獲得更高的賞金獎勵。請造訪我們的 [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty) 頁面，了解更多關於我們現行計畫的詳細資訊。
+
+## 偏好語言
+
+我們偏好所有的溝通以英文進行。
+
+## 政策
+
+Microsoft 遵循 [協調式漏洞披露](https://www.microsoft.com/en-us/msrc/cvd) 原則。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/SUPPORT.md b/translations/mo/SUPPORT.md
new file mode 100644
index 00000000..60e2e6e5
--- /dev/null
+++ b/translations/mo/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T21:23:13+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "mo"
+}
+-->
+# 支援
+
+## 如何提交問題並獲得協助  
+
+此專案使用 GitHub Issues 來追蹤錯誤和功能請求。在提交新問題之前，請先搜尋現有問題以避免重複。若有新問題，請將您的錯誤或功能請求提交為一個新的 Issue。
+
+若需協助或對使用此專案有任何疑問，請透過在此存放庫中提出 Issue 與我們聯繫。
+
+## 微軟支援政策  
+
+對於此 **專案或產品** 的支援僅限於上述列出的資源。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/attributions.md b/translations/mo/attributions.md
new file mode 100644
index 00000000..1def943c
--- /dev/null
+++ b/translations/mo/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T21:17:24+00:00",
+  "source_file": "attributions.md",
+  "language_code": "mo"
+}
+-->
+# 圖片來源
+
+* 香蕉由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
+* 大腦由 Icon Market 提供，來自 [Noun Project](https://thenounproject.com)
+* 廣播由 RomStu 提供，來自 [Noun Project](https://thenounproject.com)
+* 按鈕由 Dan Hetteix 提供，來自 [Noun Project](https://thenounproject.com)
+* C451B 小振膜電容麥克風由 AKG Acoustics 提供。[Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) 在 [en.wikipedia](https://en.wikipedia.org/) / [創作共用署名-相同方式分享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* 日曆由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
+* 證書由 alimasykurm 提供，來自 [Noun Project](https://thenounproject.com)
+* 晶片由 Astatine Lab 提供，來自 [Noun Project](https://thenounproject.com)
+* 雲由 Debi Alpa Nugraha 提供，來自 [Noun Project](https://thenounproject.com)
+* 容器由 ProSymbols 提供，來自 [Noun Project](https://thenounproject.com)
+* CPU 由 Icon Lauk 提供，來自 [Noun Project](https://thenounproject.com)
+* 資料庫由 Icons Bazaar 提供，來自 [Noun Project](https://thenounproject.com)
+* 撥盤由 Jamie Dickinson 提供，來自 [Noun Project](https://thenounproject.com)
+* GPS 由 mim studio 提供，來自 [Noun Project](https://thenounproject.com)
+* 加熱器由 Pascal Heß 提供，來自 [Noun Project](https://thenounproject.com)
+* 想法由 Pause08 提供，來自 [Noun Project](https://thenounproject.com)
+* 物聯網由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
+* LED 由 abderraouf omara 提供，來自 [Noun Project](https://thenounproject.com)
+* 光敏電阻由 Eucalyp 提供，來自 [Noun Project](https://thenounproject.com)
+* 燈泡由 Maxim Kulikov 提供，來自 [Noun Project](https://thenounproject.com)
+* 微控制器由 Template 提供，來自 [Noun Project](https://thenounproject.com)
+* 手機由 Alice-vector 提供，來自 [Noun Project](https://thenounproject.com)
+* 馬達由 Bakunetsu Kaito 提供，來自 [Noun Project](https://thenounproject.com)
+* Patti Smith 使用 Shure SM58（動圈心型麥克風）演唱。Beni Köhler / [創作共用署名-相同方式分享 3.0 未移植版](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* 植物由 Alex Muravev 提供，來自 [Noun Project](https://thenounproject.com)
+* 植物細胞由 Léa Lortal 提供，來自 [Noun Project](https://thenounproject.com)
+* 探測器由 Adnen Kadri 提供，來自 [Noun Project](https://thenounproject.com)
+* 記憶體由 Atif Arshad 提供，來自 [Noun Project](https://thenounproject.com)
+* Raspberry Pi 4 由 Michael Henzler 提供 / [維基共享資源](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
+* 錄音由 Aybige Speaker 提供，來自 [Noun Project](https://thenounproject.com)
+* 衛星由 Noura Mbarki 提供，來自 [Noun Project](https://thenounproject.com)
+* 智能感測器由 Andrei Yushchenko 提供，來自 [Noun Project](https://thenounproject.com)
+* 喇叭由 Gregor Cresnar 提供，來自 [Noun Project](https://thenounproject.com)
+* 開關由 Chattapat 提供，來自 [Noun Project](https://thenounproject.com)
+* 溫度由 Vectors Market 提供，來自 [Noun Project](https://thenounproject.com)
+* 番茄由 parkjisun 提供，來自 [Noun Project](https://thenounproject.com)
+* 灑水壺由 Daria Moskvina 提供，來自 [Noun Project](https://thenounproject.com)
+* 天氣由 Adrien Coquet 提供，來自 [Noun Project](https://thenounproject.com)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/clean-up.md b/translations/mo/clean-up.md
new file mode 100644
index 00000000..84533a22
--- /dev/null
+++ b/translations/mo/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T21:24:21+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "mo"
+}
+-->
+# 清理您的專案
+
+完成每個專案後，最好刪除您的雲端資源。
+
+在每個專案的課程中，您可能已建立以下資源：
+
+* 資源群組
+* IoT Hub
+* IoT 裝置註冊
+* 儲存帳戶
+* Functions App
+* Azure Maps 帳戶
+* 自訂視覺專案
+* Azure 容器登錄
+* 認知服務資源
+
+大多數這些資源不會產生費用——它們要麼完全免費，要麼您使用的是免費層級。對於需要付費層級的服務，您可能使用的是包含在免費配額內的層級，或者僅需支付幾分錢。
+
+即使成本相對較低，完成後刪除這些資源仍然是值得的。例如，您只能擁有一個使用免費層級的 IoT Hub，因此如果您想建立另一個，則需要使用付費層級。
+
+所有服務都建立在資源群組內，這使得管理更加方便。您可以刪除資源群組，該資源群組中的所有服務也會一併刪除。
+
+要刪除資源群組，請在終端或命令提示字元中執行以下指令：
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+將 `<resource-group-name>` 替換為您感興趣的資源群組名稱。
+
+系統會出現確認提示：
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+輸入 `y` 以確認並刪除資源群組。
+
+刪除所有服務需要一些時間。
+
+> 💁 您可以在 [Microsoft Docs 上的 Azure 資源管理器資源群組和資源刪除文件](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) 中閱讀更多相關資訊。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/docs/_sidebar.md b/translations/mo/docs/_sidebar.md
new file mode 100644
index 00000000..99b6104b
--- /dev/null
+++ b/translations/mo/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T23:08:40+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "mo"
+}
+-->
+- 介紹
+  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)
+  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)
+  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)
+  - [4](../1-getting-started/lessons/4-connect-internet/README.md)
+  
+- 農場
+  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
+  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
+  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
+  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
+  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
+  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
+  
+- 運輸
+  - [11](../3-transport/lessons/1-location-tracking/README.md)
+  - [12](../3-transport/lessons/2-store-location-data/README.md)
+  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
+  - [14](../3-transport/lessons/4-geofences/README.md)
+  
+- 製造
+  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)
+  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)
+  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)
+  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)
+  
+- 零售
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- 消費者
+  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
+  - [22](../6-consumer/lessons/2-language-understanding/README.md)
+  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
+  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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。對於關鍵資訊，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。
\ No newline at end of file
diff --git a/translations/mo/for-teachers.md b/translations/mo/for-teachers.md
new file mode 100644
index 00000000..8bdb3546
--- /dev/null
+++ b/translations/mo/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T21:23:47+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "mo"
+}
+-->
+# 給教育工作者
+
+您是否希望在課堂上使用這份課程？請隨意使用！
+
+事實上，您可以直接在 GitHub 上使用 GitHub Classroom 來進行。
+
+要做到這一點，請先 fork 此 repo。您需要為每一課建立一個 repo，因此需要將每個文件夾提取到單獨的 repo 中。這樣，[GitHub Classroom](https://classroom.github.com/classrooms) 就能分別處理每一課。
+
+這些[完整的指導](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/)可以幫助您了解如何設置您的課堂。
+
+## 建議的學習模式
+
+您可以在我們的[建議學習模式指南](recommended-learning-model.md)中了解更多有關教授這份課程的建議學習模式。
+
+## 按原樣使用此 repo
+
+如果您希望按目前的形式使用此 repo，而不使用 GitHub Classroom，也可以這樣做。您需要與您的學生溝通，告訴他們一起學習哪一課。
+
+在線上形式（如 Zoom、Teams 或其他）中，您可以為測驗設置分組討論室，並指導學生準備學習。然後邀請學生參加測驗，並在特定時間以 "issues" 的形式提交答案。如果您希望學生公開合作完成作業，也可以採用相同的方式。
+
+如果您更喜歡更私密的形式，可以要求您的學生逐課 fork 課程到他們自己的 GitHub 私人 repo，並授予您訪問權限。然後他們可以私下完成測驗和作業，並通過 classroom repo 的 issues 提交給您。
+
+在線課堂形式有很多種方式可以運作。請告訴我們哪種方式最適合您！
+
+## 請提供您的意見！
+
+我們希望這份課程能夠滿足您和您學生的需求。請提供您的[反饋](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u)。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/hardware.md b/translations/mo/hardware.md
new file mode 100644
index 00000000..6bf62dce
--- /dev/null
+++ b/translations/mo/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T21:26:26+00:00",
+  "source_file": "hardware.md",
+  "language_code": "mo"
+}
+-->
+# 硬體
+
+在 IoT 中，**T** 代表的是 **Things（物件）**，指的是與我們周圍環境互動的設備。每個專案都基於學生和愛好者可獲得的實體硬體。我們提供了兩種 IoT 硬體選擇，具體取決於個人偏好、程式語言知識或偏好、學習目標以及硬體的可用性。此外，我們還提供了「虛擬硬體」版本，適合那些無法取得硬體或想在購買前多了解的學習者。
+
+> 💁 完成這些作業並不需要購買任何 IoT 硬體。你可以使用虛擬 IoT 硬體完成所有內容。
+
+實體硬體選擇包括 Arduino 和 Raspberry Pi。每個平台都有其優缺點，這些內容會在初期課程中詳細介紹。如果你尚未決定使用哪種硬體平台，可以參考[第一個專案的第二課](./1-getting-started/lessons/2-deeper-dive/README.md)，以選擇你最感興趣的硬體平台。
+
+我們選擇的硬體旨在降低課程和作業的複雜性。雖然其他硬體可能也能使用，但我們無法保證所有作業都能在未額外添加硬體的情況下支援。例如，許多 Arduino 設備不具備 WiFi 功能，而連接雲端需要 WiFi，因此我們選擇了內建 WiFi 的 Wio Terminal。
+
+此外，你還需要一些非技術性的物品，例如土壤或盆栽，以及水果或蔬菜。
+
+## 購買套件
+
+![Seeed Studios 標誌](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.mo.png)
+
+Seeed Studios 非常貼心地將所有硬體整合成易於購買的套件：
+
+### Arduino - Wio Terminal
+
+**[適用於初學者的 IoT：Seeed 與 Microsoft 合作推出的 Wio Terminal 入門套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![Wio Terminal 硬體套件](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.mo.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[適用於初學者的 IoT：Seeed 與 Microsoft 合作推出的 Raspberry Pi 4 入門套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![Raspberry Pi 硬體套件](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.mo.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+所有 Arduino 的設備程式碼均使用 C++ 編寫。要完成所有作業，你需要以下硬體：
+
+### Arduino 硬體
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *可選* - USB-C 線或 USB-A 至 USB-C 轉接器。Wio Terminal 配備 USB-C 埠，並附帶 USB-C 至 USB-A 線。如果你的電腦或 Mac 僅有 USB-C 埠，你需要 USB-C 線或 USB-A 至 USB-C 轉接器。
+
+### Arduino 專用感測器與致動器
+
+這些元件僅適用於 Wio Terminal Arduino 設備，與 Raspberry Pi 無關。
+
+* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+* [麵包板跳線](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* 耳機或其他帶 3.5mm 插孔的喇叭，或者 JST 喇叭，例如：
+  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* 16GB 或更小的 microSD 卡，以及用於將 SD 卡連接到電腦的轉接器（如果電腦沒有內建 SD 卡插槽）。**注意** - Wio Terminal 僅支援容量不超過 16GB 的 SD 卡。
+
+## Raspberry Pi
+
+所有 Raspberry Pi 的設備程式碼均使用 Python 編寫。要完成所有作業，你需要以下硬體：
+
+### Raspberry Pi 硬體
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Pi 2B 及以上版本應該都能完成這些課程中的作業。如果你計劃直接在 Pi 上運行 VS Code，則需要 Pi 4 並配備 2GB 或更多 RAM。如果你打算遠端訪問 Pi，那麼任何 Pi 2B 及以上版本都可以使用。
+* microSD 卡（你可以購買附帶 microSD 卡的 Raspberry Pi 套件），以及用於將 SD 卡連接到電腦的轉接器（如果電腦沒有內建 SD 卡插槽）。
+* USB 電源供應器（你可以購買附帶電源供應器的 Raspberry Pi 4 套件）。如果使用 Raspberry Pi 4，則需要 USB-C 電源供應器，較早的設備則需要 micro-USB 電源供應器。
+
+### Raspberry Pi 專用感測器與致動器
+
+這些元件僅適用於 Raspberry Pi，與 Arduino 設備無關。
+
+* [Grove Pi 基座帽](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Raspberry Pi 攝像頭模組](https://www.raspberrypi.org/products/camera-module-v2/)
+* 麥克風與喇叭：
+
+  可選以下任一（或等效設備）：
+  * 任意 USB 麥克風搭配 USB 喇叭，或帶 3.5mm 插孔的喇叭，或者如果 Raspberry Pi 連接到帶喇叭的顯示器或電視，則使用 HDMI 音頻輸出
+  * 任意內建麥克風的 USB 耳機
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) 搭配
+    * 耳機或其他帶 3.5mm 插孔的喇叭，或者 JST 喇叭，例如：
+    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [USB 擴音器](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [Grove 光感測器](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Grove 按鈕](https://www.seeedstudio.com/Grove-Button.html)
+
+## 感測器與致動器
+
+大多數感測器與致動器適用於 Arduino 和 Raspberry Pi 學習路徑：
+
+* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Grove 濕度與溫度感測器](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Grove 電容式土壤濕度感測器](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Grove 繼電器](https://www.seeedstudio.com/Grove-Relay.html)
+* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Grove 飛行時間距離感測器](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## 可選硬體
+
+自動澆水課程使用繼電器。作為選項，你可以將此繼電器連接到 USB 供電的水泵，並使用以下硬體：
+
+* [6V 水泵](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [USB 接頭](https://www.adafruit.com/product/3628)
+* 矽膠管
+* 紅色與黑色電線
+* 小型平頭螺絲起子
+
+## 虛擬硬體
+
+虛擬硬體路徑提供感測器與致動器的模擬器，使用 Python 實現。根據你的硬體可用性，你可以在普通開發設備（如 Mac、PC）上運行，或者在 Raspberry Pi 上運行並僅模擬你缺少的硬體。例如，如果你有 Raspberry Pi 攝像頭但沒有 Grove 感測器，你可以在 Pi 上運行虛擬設備程式碼，模擬 Grove 感測器，但使用實體攝像頭。
+
+虛擬硬體將使用 [CounterFit 專案](https://github.com/CounterFit-IoT/CounterFit)。
+
+完成這些課程需要一個網路攝像頭、麥克風和音頻輸出設備（如喇叭或耳機）。這些設備可以是內建的或外接的，並需要配置為與操作系統兼容，且可供所有應用程式使用。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/images/README.md b/translations/mo/images/README.md
new file mode 100644
index 00000000..ff6c15ed
--- /dev/null
+++ b/translations/mo/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T21:28:33+00:00",
+  "source_file": "images/README.md",
+  "language_code": "mo"
+}
+-->
+# 圖片
+
+[icons](../../../images/icons) 資料夾中的圖片來自 [Noun Project](https://thenounproject.com)，並需要標註來源。每張圖片都列出了所需的標註。這些圖片應用於任何需要它們的圖表，以保持影像的一致性。
+
+[Diagrams.sketch](../../../images/Diagrams.sketch) 文件是一個 [Sketch](https://www.sketch.com) 文件，包含課程和項目中使用的所有圖表。如果您參與翻譯，請通過複製並更新文件或在 GitHub 問題中提供需要翻譯的詞語列表來翻譯這些內容。
+
+其餘的圖片則用於課程和項目中。
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/lesson-template/README.md b/translations/mo/lesson-template/README.md
new file mode 100644
index 00000000..f98bf8d9
--- /dev/null
+++ b/translations/mo/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-27T01:04:01+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "mo"
+}
+-->
+# [課程主題]
+
+![嵌入影片](../../../lesson-template/video-url)
+
+## [課前測驗](../../../lesson-template/quiz-url)
+
+[描述我們將學習的內容]
+
+### 介紹
+
+描述將涵蓋的內容
+
+> 注意事項
+
+### 前置條件
+
+在這堂課之前應該完成哪些步驟？
+
+### 準備工作
+
+開始這堂課的準備步驟
+
+---
+
+[逐步講解內容]
+
+## [主題 1]
+
+### 任務：
+
+共同合作逐步改進你的代碼庫，以使用共享代碼構建專案：
+
+```html
+code blocks
+```
+
+✅ 知識檢查 - 利用這個時機通過開放性問題擴展學生的知識
+
+## [主題 2]
+
+## [主題 3]
+
+🚀 挑戰：為學生設計一個課堂合作挑戰，提升專案的功能
+
+可選：如果適合，可以添加完成課程後的介面截圖
+
+## [課後測驗](../../../lesson-template/quiz-url)
+
+## 回顧與自學
+
+**作業截止日期 [MM/YY]**: [作業名稱](assignment.md)
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/mo/lesson-template/assignment.md b/translations/mo/lesson-template/assignment.md
new file mode 100644
index 00000000..ae605858
--- /dev/null
+++ b/translations/mo/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-27T01:04:22+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "mo"
+}
+-->
+# [作業名稱]
+
+## 說明
+
+## 評分標準
+
+| 評分項目 | 優秀 | 合格 | 需改進 |
+| -------- | ---- | ---- | ------- |
+|          |      |      |         |
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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產生的任何誤解或錯誤解釋不承擔責任。
\ No newline at end of file
diff --git a/translations/mo/quiz-app/README.md b/translations/mo/quiz-app/README.md
new file mode 100644
index 00000000..9f88bc85
--- /dev/null
+++ b/translations/mo/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-27T01:05:14+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "mo"
+}
+-->
+# 測驗
+
+這些測驗是 IoT 初學者課程（https://aka.ms/iot-beginners）的課前和課後測驗。
+
+## 專案設置
+
+```
+npm install
+```
+
+### 編譯並啟用開發模式的熱重載
+
+```
+npm run serve
+```
+
+### 編譯並壓縮以進行生產部署
+
+```
+npm run build
+```
+
+### 檢查並修復檔案
+
+```
+npm run lint
+```
+
+### 自訂配置
+
+請參閱[配置參考](https://cli.vuejs.org/config/)。
+
+致謝：感謝此測驗應用程式的原始版本：https://github.com/arpan45/simple-quiz-vue
+
+## 部署到 Azure
+
+以下是幫助您開始的分步指南：
+
+1. Fork GitHub 儲存庫  
+確保您的靜態網站應用程式代碼已存放於 GitHub 儲存庫中。Fork 此儲存庫。
+
+2. 建立 Azure 靜態網站應用程式  
+- 建立並[註冊 Azure 帳戶](http://azure.microsoft.com)  
+- 前往 [Azure 入口網站](https://portal.azure.com)  
+- 點擊「建立資源」，然後搜尋「靜態網站應用程式」。  
+- 點擊「建立」。  
+
+3. 配置靜態網站應用程式  
+- 基本設定：  
+  - 訂閱：選擇您的 Azure 訂閱。  
+  - 資源群組：建立新的資源群組或使用現有的資源群組。  
+  - 名稱：為您的靜態網站應用程式提供一個名稱。  
+  - 區域：選擇最接近您使用者的區域。  
+
+- #### 部署詳情：  
+  - 原始碼來源：選擇「GitHub」。  
+  - GitHub 帳戶：授權 Azure 訪問您的 GitHub 帳戶。  
+  - 組織：選擇您的 GitHub 組織。  
+  - 儲存庫：選擇包含靜態網站應用程式的儲存庫。  
+  - 分支：選擇您要部署的分支。  
+
+- #### 建置詳情：  
+  - 建置預設值：選擇您的應用程式所使用的框架（例如 React、Angular、Vue 等）。  
+  - 應用程式位置：指定包含應用程式代碼的資料夾（例如，如果在根目錄，則為 /）。  
+  - API 位置：如果有 API，請指定其位置（可選）。  
+  - 輸出位置：指定生成輸出的資料夾（例如 build 或 dist）。  
+
+4. 檢查並建立  
+檢查您的設置，然後點擊「建立」。Azure 將設置必要的資源，並在您的儲存庫中建立一個 GitHub Actions 工作流程。
+
+5. GitHub Actions 工作流程  
+Azure 會自動在您的儲存庫中建立一個 GitHub Actions 工作流程檔案（.github/workflows/azure-static-web-apps-<name>.yml）。此工作流程將處理建置和部署過程。
+
+6. 監控部署  
+前往 GitHub 儲存庫中的「Actions」標籤。  
+您應該會看到一個正在運行的工作流程。此工作流程將建置並部署您的靜態網站應用程式到 Azure。  
+一旦工作流程完成，您的應用程式將在提供的 Azure URL 上線。
+
+### 範例工作流程檔案
+
+以下是 GitHub Actions 工作流程檔案的範例：  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```
+
+### 其他資源
+- [Azure 靜態網站應用程式文件](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [GitHub Actions 文件](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，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。
\ No newline at end of file
diff --git a/translations/mo/recommended-learning-model.md b/translations/mo/recommended-learning-model.md
new file mode 100644
index 00000000..2f1ffd80
--- /dev/null
+++ b/translations/mo/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T21:18:26+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "mo"
+}
+-->
+# 推薦的學習模式
+
+為了達到最有效的學習成果，**我們建議採用「翻轉模式」的學習方法**，類似於科學實驗室：學生在課堂上進行專案，並有機會進行討論、問答以及獲得專案協助，而講課部分則由學生在課前自行閱讀完成。
+
+## 為什麼選擇翻轉學習？
+
+1. 這種教學模式結合了多種學習方法——視覺、聽覺、動手操作、問題解決等。[[1]](../..)
+2. 翻轉教室已被證明能提升專注力、參與度、動機、自主學習能力、知識保留以及溝通能力（包括師生之間和學生之間的溝通）。[[2,3]](../..)
+3. 作為教師，您可以花更多時間幫助有困難的學生，同時讓進度較快的學生有更多自由去提前探索。[[4]](../..)
+
+我們還建議教師扮演**「共同促進者」**的角色，與學生一起學習，並在學生基於自身興趣和見解進行探索和提問時提供支持。
+
+在這裡，沒有「唯一正確的方法」。有時候，您可能無法解答所有問題。有些學生可能無法完成所有專案。您的目標是幫助學生自然地找到解決問題的方法，這些方法可能比他們原本預期的更具趣味性、更具合作性或更具自主性。
+
+## 有用的促進技巧：
+
+* 反思您觀察到的內容，提出問題並做出觀察。
+* 使用像「我注意到……」和「我想知道……」這樣的語句。
+* 將有困難的學生與已經找到解決方案的學生連結起來。
+* 指出元件和部分，或對學生卡住時可以嘗試的不同方法提出建議。請學生一次改變一個變數，並觀察結果。
+* 承認挫折並肯定努力。
+* 除非學生需要實際的物理協助，否則避免為學生構建或編碼。
+
+## 範例促進語言：
+
+* 「在問我之前，先問兩位其他同學。」
+* 「再試兩分鐘……」
+* 「我們試著先暫時放下這個問題。也許你可以幫助其他同學解決他們的電路連接問題，因為你已經解決了這部分？」
+* 「我想知道是否有其他學生遇到過同樣的問題。我們來看看吧！」
+* 「你真的投入了很多努力並解決了這個問題！我可以推薦其他同學向你請教這部分嗎？」
+* 「這很奇怪，我也不太明白。也許我們可以問問其他同學，或者如果你解決了，能否與全班分享？」
+
+## 參考資料
+
+[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Accessed 4/21/21.
+
+[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Accessed 4/21/21.
+
+[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Accessed 4/21/21
+
+[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Accessed 4/21/21.
+
+---
+
+**免責聲明**：  
+本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，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，建議尋求專業人工翻譯。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。
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/README.md b/translations/ru/1-getting-started/README.md
new file mode 100644
index 00000000..40d8cf1f
--- /dev/null
+++ b/translations/ru/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T23:08:50+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "ru"
+}
+-->
+# Начало работы с IoT
+
+В этом разделе учебного курса вы познакомитесь с Интернетом вещей (IoT) и изучите основные концепции, включая создание вашего первого проекта 'Hello World' IoT с подключением к облаку. Этот проект представляет собой ночник, который загорается, когда уровень света, измеряемый датчиком, падает.
+
+![Светодиод, подключенный к WIO, включается и выключается в зависимости от изменения уровня света](../../../images/wio-running-assignment-1-1.gif)
+
+## Темы
+
+1. [Введение в IoT](lessons/1-introduction-to-iot/README.md)
+1. [Глубокое погружение в IoT](lessons/2-deeper-dive/README.md)
+1. [Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов](lessons/3-sensors-and-actuators/README.md)
+1. [Подключение вашего устройства к Интернету](lessons/4-connect-internet/README.md)
+
+## Благодарности
+
+Все уроки были написаны с ♥️ [Джимом Беннеттом](https://GitHub.com/JimBobBennett)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..1dece42e
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T23:31:41+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "ru"
+}
+-->
+# Введение в IoT
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был проведен в рамках [серии Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Урок состоял из двух видео: часового занятия и часовой сессии вопросов и ответов, где более подробно рассматривались части урока.
+
+[![Урок 1: Введение в IoT](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![Урок 1: Введение в IoT - Сессия вопросов и ответов](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 Нажмите на изображения выше, чтобы посмотреть видео
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## Введение
+
+Этот урок охватывает основные темы, связанные с Интернетом вещей (IoT), и помогает вам настроить ваше оборудование.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое «Интернет вещей»?](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Устройства IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Настройка вашего устройства](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Применение IoT](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [Примеры устройств IoT вокруг вас](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## Что такое «Интернет вещей»?
+
+Термин «Интернет вещей» был введен [Кевином Эштоном](https://wikipedia.org/wiki/Kevin_Ashton) в 1999 году для обозначения подключения Интернета к физическому миру через датчики. С тех пор этот термин используется для описания любых устройств, которые взаимодействуют с окружающим физическим миром, либо собирая данные с помощью датчиков, либо обеспечивая взаимодействие с реальным миром через актуаторы (устройства, которые выполняют действия, например, включают выключатель или зажигают светодиод), обычно подключенные к другим устройствам или Интернету.
+
+> **Датчики** собирают информацию из окружающего мира, например, измеряют скорость, температуру или местоположение.
+>
+> **Актуаторы** преобразуют электрические сигналы в действия в реальном мире, такие как включение выключателя, зажигание света, создание звуков или отправка управляющих сигналов другим устройствам, например, для включения розетки.
+
+IoT как технологическая область включает не только устройства, но и облачные сервисы, которые могут обрабатывать данные с датчиков или отправлять запросы актуаторам, подключенным к IoT-устройствам. Также сюда входят устройства, которые не имеют или не нуждаются в подключении к Интернету, часто называемые периферийными устройствами. Эти устройства могут самостоятельно обрабатывать и реагировать на данные с датчиков, обычно используя модели ИИ, обученные в облаке.
+
+IoT — это быстрорастущая технологическая область. По оценкам, к концу 2020 года было развернуто и подключено к Интернету 30 миллиардов IoT-устройств. В будущем, по прогнозам, к 2025 году IoT-устройства будут собирать почти 80 зеттабайт данных, или 80 триллионов гигабайт. Это огромное количество данных!
+
+![График, показывающий рост числа активных IoT-устройств с 2015 по 2025 год, с увеличением с менее 5 миллиардов до более 30 миллиардов](../../../../../images/connected-iot-devices.svg)
+
+✅ Проведите небольшое исследование: Какой объем данных, генерируемых IoT-устройствами, действительно используется, а какой — игнорируется? Почему так много данных остается неиспользованными?
+
+Эти данные — ключ к успеху IoT. Чтобы стать успешным разработчиком IoT, вам нужно понимать, какие данные необходимо собирать, как их собирать, как принимать решения на их основе и как использовать эти решения для взаимодействия с физическим миром, если это необходимо.
+
+## Устройства IoT
+
+**T** в IoT означает **Things** («вещи») — устройства, которые взаимодействуют с физическим миром вокруг них, либо собирая данные с помощью датчиков, либо обеспечивая взаимодействие с реальным миром через актуаторы.
+
+Устройства для производственного или коммерческого использования, такие как фитнес-трекеры для потребителей или промышленные контроллеры машин, обычно изготавливаются на заказ. Они используют индивидуальные печатные платы, а иногда и процессоры, разработанные для выполнения конкретных задач, будь то компактность для ношения на запястье или прочность для работы в условиях высокой температуры, стресса или вибрации на производстве.
+
+Как разработчику, изучающему IoT или создающему прототип устройства, вам нужно будет начать с набора для разработчиков. Это универсальные IoT-устройства, предназначенные для использования разработчиками, часто с функциями, которые отсутствуют в серийных устройствах, например, набор внешних контактов для подключения датчиков или актуаторов, оборудование для отладки или дополнительные ресурсы, которые увеличили бы стоимость при массовом производстве.
+
+Эти наборы для разработчиков обычно делятся на две категории — микроконтроллеры и одноплатные компьютеры. Они будут представлены здесь, а в следующем уроке мы рассмотрим их более подробно.
+
+> 💁 Ваш телефон также можно считать универсальным IoT-устройством, с встроенными датчиками и актуаторами, которые используются различными приложениями по-разному с разными облачными сервисами. Вы даже можете найти некоторые уроки по IoT, где телефонное приложение используется как IoT-устройство.
+
+### Микроконтроллеры
+
+Микроконтроллер (также называемый MCU, сокращение от microcontroller unit) — это небольшой компьютер, состоящий из:
+
+🧠 Одного или нескольких центральных процессоров (CPU) — «мозга» микроконтроллера, который выполняет вашу программу
+
+💾 Памяти (RAM и памяти программы) — где хранятся ваша программа, данные и переменные
+
+🔌 Программируемых входов/выходов (I/O) — для взаимодействия с внешними устройствами (подключенными устройствами), такими как датчики и актуаторы
+
+Микроконтроллеры обычно являются недорогими вычислительными устройствами, средняя стоимость которых для использования в индивидуальном оборудовании составляет около 0,50 доллара США, а некоторые устройства стоят всего 0,03 доллара США. Наборы для разработчиков могут стоить от 4 долларов США, а их стоимость увеличивается с добавлением дополнительных функций. [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), набор для разработчиков микроконтроллеров от [Seeed Studios](https://www.seeedstudio.com), который имеет датчики, актуаторы, WiFi и экран, стоит около 30 долларов США.
+
+![Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ru.png)
+
+> 💁 При поиске микроконтроллеров в Интернете будьте осторожны с термином **MCU**, так как он может привести к множеству результатов, связанных с Кинематографической вселенной Marvel, а не с микроконтроллерами.
+
+Микроконтроллеры предназначены для выполнения ограниченного числа очень специфических задач, а не для использования в качестве универсальных компьютеров, таких как ПК или Mac. За исключением очень специфических сценариев, вы не сможете подключить к ним монитор, клавиатуру и мышь для выполнения общих задач.
+
+Наборы для разработчиков микроконтроллеров обычно поставляются с дополнительными встроенными датчиками и актуаторами. Большинство плат имеют один или несколько программируемых светодиодов, а также другие устройства, такие как стандартные разъемы для подключения дополнительных датчиков или актуаторов через экосистемы различных производителей или встроенные датчики (обычно самые популярные, такие как датчики температуры). Некоторые микроконтроллеры имеют встроенную беспроводную связь, такую как Bluetooth или WiFi, или дополнительные микроконтроллеры на плате для добавления этой связи.
+
+> 💁 Микроконтроллеры обычно программируются на C/C++.
+
+### Одноплатные компьютеры
+
+Одноплатный компьютер — это небольшое вычислительное устройство, которое содержит все элементы полноценного компьютера на одной небольшой плате. Эти устройства имеют характеристики, близкие к настольным или портативным ПК или Mac, работают под управлением полноценной операционной системы, но при этом меньше по размеру, потребляют меньше энергии и значительно дешевле.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg)
+
+Raspberry Pi — один из самых популярных одноплатных компьютеров.
+
+Как и микроконтроллер, одноплатные компьютеры имеют процессор, память и входы/выходы, но также обладают дополнительными функциями, такими как графический чип для подключения мониторов, аудиовыходы и USB-порты для подключения клавиатур, мышей и других стандартных USB-устройств, таких как веб-камеры или внешние накопители. Программы хранятся на SD-картах или жестких дисках вместе с операционной системой, а не на встроенном в плату чипе памяти.
+
+> 🎓 Одноплатный компьютер можно рассматривать как уменьшенную и удешевленную версию ПК или Mac, на котором вы читаете этот текст, с добавлением GPIO (универсальных входов/выходов) для взаимодействия с датчиками и актуаторами.
+
+Одноплатные компьютеры являются полноценными компьютерами, поэтому их можно программировать на любом языке. Устройства IoT обычно программируются на Python.
+
+### Выбор оборудования для следующих уроков
+
+Все последующие уроки включают задания с использованием IoT-устройства для взаимодействия с физическим миром и связи с облаком. Каждый урок поддерживает 3 варианта устройств — Arduino (с использованием Seeed Studios Wio Terminal) или одноплатный компьютер, либо физическое устройство (например, Raspberry Pi 4), либо виртуальный одноплатный компьютер, работающий на вашем ПК или Mac.
+
+Вы можете ознакомиться с оборудованием, необходимым для выполнения всех заданий, в [руководстве по оборудованию](../../../hardware.md).
+
+> 💁 Вам не нужно приобретать оборудование IoT для выполнения заданий, вы можете использовать виртуальный одноплатный компьютер.
+
+Какое оборудование выбрать — зависит от того, что у вас есть дома или в школе, а также от того, какой язык программирования вы знаете или планируете изучать. Оба варианта оборудования используют одну и ту же экосистему датчиков, поэтому, начав с одного варианта, вы можете переключиться на другой, не заменяя большую часть набора. Виртуальный одноплатный компьютер эквивалентен обучению на Raspberry Pi, и большая часть кода будет совместима с Pi, если вы в будущем приобретете устройство и датчики.
+
+### Набор для разработчиков Arduino
+
+Если вы хотите изучать разработку микроконтроллеров, вы можете выполнять задания, используя устройство Arduino. Вам потребуется базовое понимание программирования на C/C++, так как уроки будут охватывать только код, относящийся к фреймворку Arduino, используемым датчикам и актуаторам, а также библиотекам для взаимодействия с облаком.
+
+Задания будут выполняться с использованием [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) с расширением [PlatformIO для разработки микроконтроллеров](https://platformio.org). Вы также можете использовать Arduino IDE, если у вас есть опыт работы с этим инструментом, так как инструкции по нему предоставляться не будут.
+
+### Набор для разработчиков одноплатных компьютеров
+
+Если вы хотите изучать разработку IoT с использованием одноплатных компьютеров, вы можете выполнять задания, используя Raspberry Pi или виртуальное устройство, работающее на вашем ПК или Mac.
+
+Вам потребуется базовое понимание программирования на Python, так как уроки будут охватывать только код, относящийся к используемым датчикам и актуаторам, а также библиотекам для взаимодействия с облаком.
+
+> 💁 Если вы хотите изучить программирование на Python, обратите внимание на следующие два видеокурса:
+>
+> * [Python для начинающих](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Больше Python для начинающих](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+Задания будут выполняться с использованием [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn).
+
+Если вы используете Raspberry Pi, вы можете либо работать с полной настольной версией Raspberry Pi OS и писать код прямо на Pi, используя [версию VS Code для Raspberry Pi OS](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn), либо использовать Pi как устройство без экрана и писать код с вашего ПК или Mac, используя VS Code с расширением [Remote SSH](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), которое позволяет подключаться к Pi и редактировать, отлаживать и запускать код, как если бы вы работали на нем напрямую.
+
+Если вы используете виртуальное устройство, вы будете писать код прямо на своем компьютере. Вместо работы с датчиками и актуаторами вы будете использовать инструмент для их симуляции, задавая значения датчиков и наблюдая результаты работы актуаторов на экране.
+
+## Настройка вашего устройства
+
+Прежде чем приступить к программированию вашего IoT-устройства, вам нужно будет выполнить небольшую настройку. Следуйте соответствующим инструкциям в зависимости от того, какое устройство вы будете использовать.
+💁 Если у вас еще нет устройства, обратитесь к [руководству по оборудованию](../../../hardware.md), чтобы определиться, какое устройство вы собираетесь использовать и какое дополнительное оборудование нужно приобрести. Покупать оборудование необязательно, так как все проекты можно запускать на виртуальном оборудовании.
+Эти инструкции включают ссылки на сторонние веб-сайты, созданные разработчиками оборудования или инструментов, которые вы будете использовать. Это сделано для того, чтобы вы всегда пользовались самыми актуальными инструкциями для различных инструментов и оборудования.
+
+Пройдите соответствующее руководство, чтобы настроить ваше устройство и завершить проект "Hello World". Это будет первым шагом в создании IoT-ночника в рамках 4 уроков этой вводной части.
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Одноплатный компьютер - Raspberry Pi](pi.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device.md)
+
+✅ Вы будете использовать VS Code как для Arduino, так и для одноплатных компьютеров. Если вы раньше не работали с этим инструментом, прочитайте больше о нем на [сайте VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+## Применение IoT
+
+IoT охватывает огромное количество вариантов использования, которые можно разделить на несколько широких категорий:
+
+* Потребительский IoT
+* Коммерческий IoT
+* Промышленный IoT
+* Инфраструктурный IoT
+
+✅ Небольшое исследование: Для каждой из описанных ниже областей найдите один конкретный пример, который не упоминается в тексте.
+
+### Потребительский IoT
+
+Потребительский IoT относится к устройствам IoT, которые покупают и используют дома. Некоторые из этих устройств невероятно полезны, например, умные колонки, системы умного отопления и роботизированные пылесосы. Другие вызывают сомнения в своей полезности, например, краны с голосовым управлением, которые невозможно выключить, если голосовое управление не слышит вас из-за шума текущей воды.
+
+Устройства потребительского IoT помогают людям достигать большего в их окружении, особенно 1 миллиарду людей с инвалидностью. Роботизированные пылесосы могут обеспечивать чистоту полов для людей с ограниченной подвижностью, которые не могут пылесосить самостоятельно, духовки с голосовым управлением позволяют людям с ограниченным зрением или моторным контролем включать духовку с помощью голоса, а медицинские мониторы позволяют пациентам самостоятельно отслеживать хронические заболевания с более частыми и детализированными обновлениями о состоянии здоровья. Эти устройства становятся настолько повсеместными, что даже маленькие дети используют их в повседневной жизни, например, школьники, обучающиеся дистанционно во время пандемии COVID, устанавливают таймеры на умных устройствах для отслеживания школьных заданий или напоминаний о предстоящих занятиях.
+
+✅ Какие устройства потребительского IoT есть у вас дома или при вас?
+
+### Коммерческий IoT
+
+Коммерческий IoT охватывает использование IoT на рабочем месте. В офисе могут быть датчики присутствия и движения для управления освещением и отоплением, чтобы включать их только тогда, когда это необходимо, снижая затраты и выбросы углерода. На фабрике устройства IoT могут следить за соблюдением техники безопасности, например, за тем, чтобы рабочие носили каски, или за уровнем шума, который достиг опасных значений. В розничной торговле устройства IoT могут измерять температуру в холодильниках, предупреждая владельца магазина, если температура выходит за допустимые пределы, или отслеживать наличие товаров на полках, чтобы направлять сотрудников для пополнения запасов. Транспортная отрасль все больше полагается на IoT для мониторинга местоположения транспортных средств, отслеживания пробега для дорожных сборов, соблюдения водителями режима труда и отдыха или уведомления персонала о приближении транспортного средства к складу для подготовки к погрузке или разгрузке.
+
+✅ Какие устройства коммерческого IoT есть в вашей школе или на рабочем месте?
+
+### Промышленный IoT (IIoT)
+
+Промышленный IoT, или IIoT, — это использование устройств IoT для управления и контроля оборудования в крупных масштабах. Это охватывает широкий спектр вариантов использования, от заводов до цифрового сельского хозяйства.
+
+На заводах устройства IoT используются по-разному. Оборудование может быть оснащено множеством датчиков для отслеживания температуры, вибрации и скорости вращения. Эти данные можно использовать для остановки машины, если она выходит за пределы допустимых значений, например, если она перегревается. Эти данные также можно анализировать с течением времени для проведения предиктивного обслуживания, когда модели ИИ анализируют данные, предшествующие сбою, и используют их для прогнозирования других сбоев до их возникновения.
+
+Цифровое сельское хозяйство важно для того, чтобы прокормить растущее население планеты, особенно для 2 миллиардов людей в 500 миллионах домохозяйств, которые живут за счет [натурального хозяйства](https://wikipedia.org/wiki/Subsistence_agriculture). Цифровое сельское хозяйство может варьироваться от недорогих датчиков до крупных коммерческих установок. Фермер может начать с мониторинга температуры и использования [тепловых единиц роста](https://wikipedia.org/wiki/Growing_degree-day) для прогнозирования времени сбора урожая. Они могут подключить датчики влажности почвы к автоматизированным системам полива, чтобы давать растениям столько воды, сколько нужно, но не больше, чтобы избежать пересыхания урожая и не тратить воду впустую. Фермеры идут еще дальше, используя дроны, спутниковые данные и ИИ для мониторинга роста урожая, заболеваний и качества почвы на огромных территориях.
+
+✅ Какие еще устройства IoT могли бы помочь фермерам?
+
+### Инфраструктурный IoT
+
+Инфраструктурный IoT занимается мониторингом и управлением местной и глобальной инфраструктурой, которую люди используют ежедневно.
+
+[Умные города](https://wikipedia.org/wiki/Smart_city) — это городские территории, которые используют устройства IoT для сбора данных о городе и их использования для улучшения его функционирования. Такие города обычно управляются в сотрудничестве местных властей, академических кругов и местного бизнеса, отслеживая и управляя такими аспектами, как транспорт, парковка и загрязнение. Например, в Копенгагене, Дания, загрязнение воздуха важно для местных жителей, поэтому оно измеряется, а данные используются для предоставления информации о самых чистых маршрутах для велосипедистов и бегунов.
+
+[Умные энергосети](https://wikipedia.org/wiki/Smart_grid) позволяют лучше анализировать спрос на электроэнергию, собирая данные об использовании на уровне отдельных домов. Эти данные могут помочь принимать решения на уровне страны, например, где строить новые электростанции, а также на личном уровне, предоставляя пользователям информацию о том, сколько энергии они используют, когда они это делают, и даже рекомендации по снижению затрат, например, зарядка электромобилей ночью.
+
+✅ Если бы вы могли добавить устройства IoT для измерения чего-либо в вашем районе, что бы это было?
+
+## Примеры устройств IoT, которые могут быть вокруг вас
+
+Вы будете удивлены, узнав, сколько устройств IoT находится вокруг вас. Я пишу это из дома, и у меня есть следующие устройства, подключенные к Интернету с умными функциями, такими как управление через приложение, голосовое управление или возможность отправлять данные на мой телефон:
+
+* Несколько умных колонок
+* Холодильник, посудомоечная машина, духовка и микроволновка
+* Электрический монитор для солнечных панелей
+* Умные розетки
+* Видеодомофон и камеры безопасности
+* Умный термостат с несколькими датчиками для комнат
+* Открывалка для гаражных ворот
+* Домашние развлекательные системы и телевизоры с голосовым управлением
+* Освещение
+* Трекеры здоровья и фитнеса
+
+Все эти устройства имеют датчики и/или исполнительные механизмы и подключены к Интернету. Я могу узнать через телефон, открыт ли мой гараж, и попросить умную колонку закрыть его за меня. Я даже могу установить таймер, чтобы он автоматически закрывался ночью, если останется открытым. Когда звонит мой дверной звонок, я могу увидеть, кто там, через телефон, где бы я ни находился, и поговорить с ними через динамик и микрофон, встроенные в звонок. Я могу отслеживать уровень глюкозы в крови, частоту сердцебиения и режим сна, анализируя данные для улучшения здоровья. Я могу управлять освещением через облако и сидеть в темноте, если пропадает подключение к Интернету.
+
+---
+
+## 🚀 Задание
+
+Перечислите как можно больше устройств IoT, которые есть у вас дома, в школе или на рабочем месте — их может быть больше, чем вы думаете!
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## Обзор и самостоятельное изучение
+
+Изучите преимущества и недостатки потребительских IoT-проектов. Проверьте новостные сайты на наличие статей о случаях, когда что-то пошло не так, например, проблемы с конфиденциальностью, аппаратные сбои или проблемы, вызванные отсутствием подключения.
+
+Некоторые примеры:
+
+* Ознакомьтесь с аккаунтом в Twitter **[Internet of Sh*t](https://twitter.com/internetofshit)** *(предупреждение о ненормативной лексике)* для примеров неудач в потребительском IoT.
+* [c|net - Мои Apple Watch спасли мне жизнь: 5 человек делятся своими историями](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)
+* [c|net - Техник ADT признал вину в шпионаже за клиентами через камеры](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(предупреждение о триггерах - неконсенсуальное наблюдение)*
+
+## Задание
+
+[Исследуйте проект IoT](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..a47110ec
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T23:36:09+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Исследуйте проект IoT
+
+## Инструкции
+
+По всему миру реализуются многочисленные проекты IoT разного масштаба, от умных ферм до умных городов, в области мониторинга здоровья, транспорта и использования общественных пространств.
+
+Найдите в интернете информацию о проекте, который вас интересует, желательно о том, который находится недалеко от вашего места жительства. Объясните плюсы и минусы проекта, такие как его преимущества, возможные проблемы и то, как учитываются вопросы конфиденциальности.
+
+## Критерии оценки
+
+| Критерии | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Объяснение плюсов и минусов | Дано четкое объяснение плюсов и минусов проекта | Дано краткое объяснение плюсов и минусов | Плюсы и минусы не объяснены |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..48af8f26
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,286 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T23:38:48+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "ru"
+}
+-->
+# Raspberry Pi
+
+[Raspberry Pi](https://raspberrypi.org) — это одноплатный компьютер. Вы можете подключать датчики и исполнительные устройства, используя широкий спектр устройств и экосистем. В этих уроках используется аппаратная экосистема под названием [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html). Вы будете программировать Raspberry Pi и работать с датчиками Grove с помощью Python.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg)
+
+## Настройка
+
+Если вы используете Raspberry Pi в качестве оборудования для IoT, у вас есть два варианта: вы можете пройти все уроки и писать код непосредственно на Raspberry Pi, либо подключиться удаленно к "безголовому" Raspberry Pi и программировать его с вашего компьютера.
+
+Перед началом работы вам также нужно подключить Grove Base Hat к вашему Raspberry Pi.
+
+### Задача — настройка
+
+Установите Grove Base Hat на Raspberry Pi и настройте его.
+
+1. Подключите Grove Base Hat к Raspberry Pi. Разъем на плате надевается на все GPIO-пины Raspberry Pi, полностью опускаясь вниз, чтобы плотно прилегать к основанию. Плата накрывает Raspberry Pi сверху.
+
+    ![Установка Grove Hat](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. Решите, как вы хотите программировать Raspberry Pi, и перейдите к соответствующему разделу ниже:
+
+    * [Работа напрямую на Raspberry Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [Удаленный доступ для программирования Raspberry Pi](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### Работа напрямую на Raspberry Pi
+
+Если вы хотите работать напрямую на Raspberry Pi, вы можете использовать настольную версию Raspberry Pi OS и установить все необходимые инструменты.
+
+#### Задача — работа напрямую на Raspberry Pi
+
+Настройте Raspberry Pi для разработки.
+
+1. Следуйте инструкциям в [руководстве по настройке Raspberry Pi](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up), чтобы настроить Raspberry Pi, подключить его к клавиатуре/мыши/монитору, подключить к сети Wi-Fi или Ethernet и обновить программное обеспечение.
+
+Для программирования Raspberry Pi с использованием датчиков и исполнительных устройств Grove вам нужно установить редактор для написания кода устройств, а также различные библиотеки и инструменты для работы с оборудованием Grove.
+
+1. После перезагрузки Raspberry Pi откройте терминал, нажав на значок **Terminal** на верхней панели меню или выбрав *Menu -> Accessories -> Terminal*.
+
+1. Выполните следующую команду, чтобы убедиться, что операционная система и установленное программное обеспечение обновлены:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Выполните следующие команды, чтобы установить все необходимые библиотеки для оборудования Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    Сначала устанавливаются Git и Pip для установки Python-пакетов.
+
+    Одной из мощных возможностей Python является установка [Pip-пакетов](https://pypi.org) — это пакеты кода, написанные другими разработчиками и опубликованные в Интернете. Вы можете установить Pip-пакет на свой компьютер одной командой, а затем использовать его в своем коде.
+
+    Python-пакеты Seeed Grove необходимо устанавливать из исходного кода. Эти команды клонируют репозиторий с исходным кодом пакета, а затем устанавливают его локально.
+
+    > 💁 По умолчанию, при установке пакета он становится доступным на всем компьютере, что может привести к проблемам с версиями пакетов — например, одно приложение зависит от одной версии пакета, которая перестает работать после установки новой версии для другого приложения. Чтобы избежать этой проблемы, можно использовать [виртуальное окружение Python](https://docs.python.org/3/library/venv.html), которое представляет собой копию Python в отдельной папке. Установленные через Pip пакеты будут доступны только в этой папке. Однако при работе с Raspberry Pi виртуальные окружения не используются. Скрипт установки Grove устанавливает Python-пакеты Grove глобально, поэтому для использования виртуального окружения нужно будет настроить его и вручную переустановить пакеты Grove внутри этого окружения. Проще использовать глобальные пакеты, особенно учитывая, что многие разработчики Raspberry Pi предпочитают заново прошивать SD-карту для каждого проекта.
+
+    Наконец, включается интерфейс I<sup>2</sup>C.
+
+1. Перезагрузите Raspberry Pi, используя меню или выполнив следующую команду в терминале:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. После перезагрузки Raspberry Pi снова откройте терминал и выполните следующую команду для установки [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) — это редактор, который вы будете использовать для написания кода устройств на Python.
+
+    ```sh
+    sudo apt install code
+    ```
+
+    После установки VS Code будет доступен из верхнего меню.
+
+    > 💁 Вы можете использовать любой IDE или редактор для Python, если у вас есть предпочтения, но инструкции в уроках будут основаны на использовании VS Code.
+
+1. Установите Pylance. Это расширение для VS Code, которое предоставляет поддержку языка Python. Ознакомьтесь с [документацией по расширению Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) для инструкций по установке этого расширения в VS Code.
+
+### Удаленный доступ для программирования Raspberry Pi
+
+Вместо того чтобы программировать напрямую на Raspberry Pi, вы можете использовать его в "безголовом" режиме, то есть без подключения клавиатуры/мыши/монитора, и настраивать и программировать его с вашего компьютера, используя Visual Studio Code.
+
+#### Настройка операционной системы Raspberry Pi
+
+Для удаленного программирования необходимо установить операционную систему Raspberry Pi OS на SD-карту.
+
+##### Задача — настройка операционной системы Raspberry Pi
+
+Настройте "безголовую" операционную систему Raspberry Pi OS.
+
+1. Скачайте **Raspberry Pi Imager** с [страницы программного обеспечения Raspberry Pi OS](https://www.raspberrypi.org/software/) и установите его.
+
+1. Вставьте SD-карту в ваш компьютер, используя адаптер, если это необходимо.
+
+1. Запустите Raspberry Pi Imager.
+
+1. В Raspberry Pi Imager нажмите кнопку **CHOOSE OS**, затем выберите *Raspberry Pi OS (Other)*, а затем *Raspberry Pi OS Lite (32-bit)*.
+
+    ![Raspberry Pi Imager с выбранной Raspberry Pi OS Lite](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ru.png)
+
+    > 💁 Raspberry Pi OS Lite — это версия Raspberry Pi OS без графического интерфейса и инструментов на основе интерфейса. Они не нужны для "безголового" режима, что делает установку меньше и ускоряет загрузку.
+
+1. Нажмите кнопку **CHOOSE STORAGE**, затем выберите вашу SD-карту.
+
+1. Откройте **Advanced Options**, нажав `Ctrl+Shift+X`. Эти параметры позволяют предварительно настроить Raspberry Pi OS перед записью на SD-карту.
+
+    1. Установите флажок **Enable SSH** и задайте пароль для пользователя `pi`. Этот пароль вы будете использовать для входа на Raspberry Pi позже.
+
+    1. Если вы планируете подключаться к Raspberry Pi через Wi-Fi, установите флажок **Configure WiFi** и введите ваш SSID и пароль Wi-Fi, а также выберите вашу страну Wi-Fi. Если вы будете использовать Ethernet-кабель, это не требуется. Убедитесь, что сеть, к которой вы подключаетесь, совпадает с той, к которой подключен ваш компьютер.
+
+    1. Установите флажок **Set locale settings** и задайте вашу страну и часовой пояс.
+
+    1. Нажмите кнопку **SAVE**.
+
+1. Нажмите кнопку **WRITE**, чтобы записать операционную систему на SD-карту. Если вы используете macOS, вам будет предложено ввести пароль, так как инструмент записи образов дисков требует привилегированного доступа.
+
+Операционная система будет записана на SD-карту, и после завершения карта будет извлечена операционной системой, о чем вы будете уведомлены. Извлеките SD-карту из компьютера, вставьте ее в Raspberry Pi, включите питание Raspberry Pi и подождите около 2 минут, чтобы он полностью загрузился.
+
+#### Подключение к Raspberry Pi
+
+Следующим шагом является удаленный доступ к Raspberry Pi. Это можно сделать с помощью `ssh`, который доступен на macOS, Linux и последних версиях Windows.
+
+##### Задача — подключение к Raspberry Pi
+
+Удаленно подключитесь к Raspberry Pi.
+
+1. Откройте терминал или командную строку и введите следующую команду для подключения к Raspberry Pi:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    Если вы используете Windows старой версии, где `ssh` не установлен, вы можете использовать OpenSSH. Инструкции по установке можно найти в [документации по установке OpenSSH](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn).
+
+1. Это должно подключить вас к Raspberry Pi и запросить пароль.
+
+    Возможность находить компьютеры в вашей сети с помощью `<hostname>.local` — это относительно новая функция для Linux и Windows. Если вы используете Linux или Windows и получаете ошибки о том, что имя хоста не найдено, вам нужно будет установить дополнительное программное обеспечение для включения ZeroConf-сетей (также называемых Apple Bonjour):
+
+    1. Если вы используете Linux, установите Avahi, выполнив следующую команду:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. Если вы используете Windows, самый простой способ включить ZeroConf — установить [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999). Вы также можете установить [iTunes для Windows](https://www.apple.com/itunes/download/), чтобы получить более новую версию утилиты (которая недоступна отдельно).
+
+    > 💁 Если вы не можете подключиться, используя `raspberrypi.local`, вы можете использовать IP-адрес вашего Raspberry Pi. Ознакомьтесь с [документацией по IP-адресу Raspberry Pi](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) для инструкций по различным способам получения IP-адреса.
+
+1. Введите пароль, который вы задали в Advanced Options Raspberry Pi Imager.
+
+#### Настройка программного обеспечения на Raspberry Pi
+
+После подключения к Raspberry Pi необходимо убедиться, что операционная система обновлена, и установить различные библиотеки и инструменты для работы с оборудованием Grove.
+
+##### Задача — настройка программного обеспечения на Raspberry Pi
+
+Настройте установленное программное обеспечение Raspberry Pi и установите библиотеки Grove.
+
+1. Из вашей `ssh`-сессии выполните следующую команду для обновления и перезагрузки Raspberry Pi:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    Raspberry Pi будет обновлен и перезагружен. `ssh`-сессия завершится, когда Raspberry Pi перезагрузится, поэтому подождите около 30 секунд, а затем подключитесь снова.
+
+1. Из вновь подключенной `ssh`-сессии выполните следующие команды для установки всех необходимых библиотек для оборудования Grove:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    Сначала устанавливаются Git и Pip для установки Python-пакетов.
+
+    Одной из мощных возможностей Python является установка [Pip-пакетов](https://pypi.org) — это пакеты кода, написанные другими разработчиками и опубликованные в Интернете. Вы можете установить Pip-пакет на свой компьютер одной командой, а затем использовать его в своем коде.
+
+    Python-пакеты Seeed Grove необходимо устанавливать из исходного кода. Эти команды клонируют репозиторий с исходным кодом пакета, а затем устанавливают его локально.
+
+    > 💁 По умолчанию, при установке пакета он становится доступным на всем компьютере, что может привести к проблемам с версиями пакетов — например, одно приложение зависит от одной версии пакета, которая перестает работать после установки новой версии для другого приложения. Чтобы избежать этой проблемы, можно использовать [виртуальное окружение Python](https://docs.python.org/3/library/venv.html), которое представляет собой копию Python в отдельной папке. Установленные через Pip пакеты будут доступны только в этой папке. Однако при работе с Raspberry Pi виртуальные окружения не используются. Скрипт установки Grove устанавливает Python-пакеты Grove глобально, поэтому для использования виртуального окружения нужно будет настроить его и вручную переустановить пакеты Grove внутри этого окружения. Проще использовать глобальные пакеты, особенно учитывая, что многие разработчики Raspberry Pi предпочитают заново прошивать SD-карту для каждого проекта.
+
+    Наконец, включается интерфейс I<sup>2</sup>C.
+
+1. Перезагрузите Raspberry Pi, выполнив следующую команду:
+
+    ```sh
+    sudo reboot
+    ```
+
+    `ssh`-сессия завершится, когда Raspberry Pi перезагрузится. Повторное подключение не требуется.
+
+#### Настройка VS Code для удаленного доступа
+
+После настройки Raspberry Pi вы можете подключиться к нему с помощью Visual Studio Code (VS Code) с вашего компьютера. Это бесплатный текстовый редактор для разработчиков, который вы будете использовать для написания кода устройств на Python.
+
+##### Задача — настройка VS Code для удаленного доступа
+
+Установите необходимое программное обеспечение и подключитесь удаленно к Raspberry Pi.
+
+1. Установите VS Code на ваш компьютер, следуя [документации по VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn).
+
+1. Следуйте инструкциям в [документации по удаленной разработке с использованием SSH в VS Code](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn), чтобы установить необходимые компоненты.
+
+1. Следуя тем же инструкциям, подключите VS Code к Raspberry Pi.
+
+1. После подключения следуйте инструкциям по [управлению расширениями](https://code.visualstudio.com/docs/remote/ssh#_managing-extensions?WT.mc_id=academic-17441-jabenn), чтобы установить расширение [Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) удаленно на Raspberry Pi.
+
+## Hello world
+Начинать изучение нового языка программирования или технологии традиционно с создания приложения "Hello World" — небольшого приложения, которое выводит текст вроде `"Hello World"`, чтобы убедиться, что все инструменты настроены правильно.
+
+Приложение Hello World для Pi поможет убедиться, что Python и Visual Studio Code установлены корректно.
+
+Это приложение будет находиться в папке `nightlight`, и в дальнейшем оно будет использоваться с другим кодом для создания приложения ночного света.
+
+### Задача - Hello World
+
+Создайте приложение Hello World.
+
+1. Запустите VS Code, либо непосредственно на Pi, либо на вашем компьютере, подключившись к Pi с помощью расширения Remote SSH.
+
+1. Откройте терминал VS Code, выбрав *Terminal -> New Terminal* или нажав `` CTRL+` ``. Терминал откроется в домашней директории пользователя `pi`.
+
+1. Выполните следующие команды, чтобы создать директорию для вашего кода и файл Python под названием `app.py` внутри этой директории:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. Откройте эту папку в VS Code, выбрав *File -> Open...* и выбрав папку *nightlight*, затем нажмите **OK**.
+
+    ![Диалог открытия папки в VS Code, показывающий папку nightlight](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ru.png)
+
+1. Откройте файл `app.py` в проводнике VS Code и добавьте следующий код:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    Функция `print` выводит в консоль всё, что передано ей в качестве аргумента.
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше приложение на Python:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 Возможно, вам потребуется явно указать `python3`, чтобы запустить этот код, если у вас установлены обе версии Python — Python 2 и Python 3 (последняя версия). Если Python 2 установлен, то вызов `python` будет использовать Python 2 вместо Python 3. По умолчанию, последние версии Raspberry Pi OS содержат только Python 3.
+
+    В терминале появится следующий вывод:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 Вы можете найти этот код в папке [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi).
+
+😀 Ваше приложение "Hello World" успешно создано!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..da146b33
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T23:36:34+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "ru"
+}
+-->
+# Виртуальный одноплатный компьютер
+
+Вместо покупки IoT-устройства вместе с датчиками и исполнительными механизмами, вы можете использовать свой компьютер для симуляции IoT-оборудования. Проект [CounterFit](https://github.com/CounterFit-IoT/CounterFit) позволяет запускать приложение локально, которое симулирует IoT-оборудование, такое как датчики и исполнительные механизмы, и получать доступ к этим компонентам из локального Python-кода, написанного так же, как если бы вы работали с Raspberry Pi и физическим оборудованием.
+
+## Настройка
+
+Чтобы использовать CounterFit, необходимо установить бесплатное программное обеспечение на ваш компьютер.
+
+### Задача
+
+Установите необходимое программное обеспечение.
+
+1. Установите Python. Ознакомьтесь с [страницей загрузки Python](https://www.python.org/downloads/) для получения инструкций по установке последней версии Python.
+
+1. Установите Visual Studio Code (VS Code). Это редактор, который вы будете использовать для написания кода виртуального устройства на Python. Ознакомьтесь с [документацией VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) для получения инструкций по установке VS Code.
+
+    > 💁 Вы можете использовать любой IDE или редактор для Python, если у вас есть предпочтительный инструмент, но инструкции в уроках будут основаны на использовании VS Code.
+
+1. Установите расширение Pylance для VS Code. Это расширение предоставляет поддержку языка Python в VS Code. Ознакомьтесь с [документацией расширения Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) для получения инструкций по установке этого расширения.
+
+Инструкции по установке и настройке приложения CounterFit будут предоставлены в соответствующем разделе задания, так как оно устанавливается для каждого проекта отдельно.
+
+## Hello World
+
+Традиционно при изучении нового языка программирования или технологии создается приложение "Hello World" — небольшое приложение, которое выводит текст вроде `"Hello World"`, чтобы убедиться, что все инструменты настроены правильно.
+
+Приложение Hello World для виртуального IoT-оборудования поможет убедиться, что Python и Visual Studio Code установлены корректно. Оно также подключится к CounterFit для работы с виртуальными IoT-датчиками и исполнительными механизмами. Оборудование использоваться не будет, приложение просто подключится, чтобы доказать, что все работает.
+
+Это приложение будет находиться в папке `nightlight` и будет использоваться с разным кодом в последующих частях задания для создания приложения ночника.
+
+### Настройка виртуального окружения Python
+
+Одной из мощных функций Python является возможность устанавливать [Pip-пакеты](https://pypi.org) — это пакеты кода, написанные другими разработчиками и опубликованные в Интернете. Вы можете установить Pip-пакет на свой компьютер одной командой, а затем использовать его в своем коде. Вы будете использовать Pip для установки пакета, который позволяет взаимодействовать с CounterFit.
+
+По умолчанию, когда вы устанавливаете пакет, он становится доступным везде на вашем компьютере, что может привести к проблемам с версиями пакетов — например, одно приложение зависит от одной версии пакета, которая перестает работать после установки новой версии для другого приложения. Чтобы избежать этой проблемы, можно использовать [виртуальное окружение Python](https://docs.python.org/3/library/venv.html) — это копия Python в выделенной папке, и установленные через Pip пакеты будут доступны только в этой папке.
+
+> 💁 Если вы используете Raspberry Pi, то вы не настраивали виртуальное окружение на этом устройстве для управления Pip-пакетами, вместо этого вы используете глобальные пакеты, так как пакеты Grove устанавливаются глобально с помощью установочного скрипта.
+
+#### Задача — настройка виртуального окружения Python
+
+Настройте виртуальное окружение Python и установите Pip-пакеты для CounterFit.
+
+1. В терминале или командной строке выполните следующую команду в выбранной вами директории, чтобы создать и перейти в новую папку:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. Затем выполните следующую команду, чтобы создать виртуальное окружение в папке `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Необходимо явно вызвать `python3` для создания виртуального окружения, на случай если у вас установлены Python 2 и Python 3 (последняя версия). Если установлен Python 2, то вызов `python` будет использовать Python 2 вместо Python 3.
+
+1. Активируйте виртуальное окружение:
+
+    * На Windows:
+        * Если вы используете Command Prompt или Command Prompt через Windows Terminal, выполните:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Если вы используете PowerShell, выполните:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > Если вы получите ошибку о том, что выполнение скриптов отключено на этой системе, вам нужно включить выполнение скриптов, установив соответствующую политику выполнения. Для этого запустите PowerShell от имени администратора и выполните следующую команду:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            Подтвердите, введя `Y`. Затем перезапустите PowerShell и попробуйте снова.
+
+            Вы можете сбросить эту политику выполнения позже, если потребуется. Подробнее об этом можно прочитать на [странице о политиках выполнения на Microsoft Docs](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn).
+
+    * На macOS или Linux выполните:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Эти команды должны быть выполнены из той же директории, где вы создавали виртуальное окружение. Вам никогда не нужно переходить в папку `.venv`, всегда запускайте команду активации и любые команды для установки пакетов или выполнения кода из папки, где было создано виртуальное окружение.
+
+1. После активации виртуального окружения команда `python` по умолчанию будет использовать версию Python, которая была использована для создания виртуального окружения. Выполните следующую команду, чтобы узнать версию:
+
+    ```sh
+    python --version
+    ```
+
+    В выводе должно быть указано:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Ваша версия Python может отличаться — главное, чтобы она была 3.6 или выше. Если нет, удалите эту папку, установите более новую версию Python и попробуйте снова.
+
+1. Выполните следующие команды для установки Pip-пакетов для CounterFit. Эти пакеты включают основное приложение CounterFit, а также шимы для оборудования Grove. Эти шимы позволяют писать код так, как если бы вы программировали с использованием физических датчиков и исполнительных механизмов из экосистемы Grove, но подключенных к виртуальным IoT-устройствам.
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    Эти Pip-пакеты будут установлены только в виртуальном окружении и не будут доступны вне его.
+
+### Написание кода
+
+После настройки виртуального окружения Python вы можете написать код для приложения "Hello World".
+
+#### Задача — написание кода
+
+Создайте приложение на Python, которое выводит `"Hello World"` в консоль.
+
+1. В терминале или командной строке выполните следующую команду внутри виртуального окружения, чтобы создать файл Python с именем `app.py`:
+
+    * На Windows выполните:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * На macOS или Linux выполните:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Откройте текущую папку в VS Code:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 Если ваш терминал возвращает `command not found` на macOS, это означает, что VS Code не был добавлен в ваш PATH. Вы можете добавить VS Code в PATH, следуя инструкциям в [разделе о запуске из командной строки в документации VS Code](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) и затем выполнить команду. VS Code добавляется в PATH по умолчанию на Windows и Linux.
+
+1. Когда VS Code запустится, он активирует виртуальное окружение Python. Выбранное виртуальное окружение будет отображаться в нижней строке состояния:
+
+    ![VS Code показывает выбранное виртуальное окружение](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ru.png)
+
+1. Если терминал VS Code уже запущен при старте VS Code, виртуальное окружение в нем не будет активировано. Самый простой способ — закрыть терминал, используя кнопку **Kill the active terminal instance**:
+
+    ![Кнопка VS Code Kill the active terminal instance](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ru.png)
+
+    Вы можете определить, активировано ли виртуальное окружение в терминале, по имени виртуального окружения, которое будет префиксом в приглашении терминала. Например, это может быть:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    Если в приглашении нет `.venv` в качестве префикса, виртуальное окружение не активировано в терминале.
+
+1. Запустите новый терминал VS Code, выбрав *Terminal -> New Terminal* или нажав `` CTRL+` ``. Новый терминал загрузит виртуальное окружение, и вызов активации появится в терминале. В приглашении также будет имя виртуального окружения (`.venv`):
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Откройте файл `app.py` в проводнике VS Code и добавьте следующий код:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    Функция `print` выводит в консоль все, что передано ей в качестве аргумента.
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше приложение на Python:
+
+    ```sh
+    python app.py
+    ```
+
+    В выводе будет:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 Ваше приложение "Hello World" успешно запущено!
+
+### Подключение "оборудования"
+
+На втором этапе "Hello World" вы запустите приложение CounterFit и подключите к нему свой код. Это виртуальный эквивалент подключения IoT-оборудования к плате разработки.
+
+#### Задача — подключение "оборудования"
+
+1. В терминале VS Code запустите приложение CounterFit с помощью следующей команды:
+
+    ```sh
+    counterfit
+    ```
+
+    Приложение начнет работать и откроется в вашем веб-браузере:
+
+    ![Приложение Counter Fit запущено в браузере](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ru.png)
+
+    Оно будет отмечено как *Disconnected*, а светодиод в правом верхнем углу будет выключен.
+
+1. Добавьте следующий код в начало файла `app.py`:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    Этот код импортирует класс `CounterFitConnection` из модуля `counterfit_connection`, который предоставляется пакетом `counterfit-connection`, установленным ранее. Затем он инициализирует подключение к приложению CounterFit, работающему на `127.0.0.1` — IP-адресу, который всегда можно использовать для доступа к вашему локальному компьютеру (часто называемому *localhost*), на порту 5000.
+
+    > 💁 Если у вас есть другие приложения, работающие на порту 5000, вы можете изменить это, обновив порт в коде и запустив CounterFit с помощью `CounterFit --port <port_number>`, заменив `<port_number>` на нужный порт.
+
+1. Вам нужно запустить новый терминал VS Code, выбрав кнопку **Create a new integrated terminal**. Это связано с тем, что приложение CounterFit работает в текущем терминале.
+
+    ![Кнопка VS Code Create a new integrated terminal](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ru.png)
+
+1. В новом терминале выполните файл `app.py`, как и раньше. Статус CounterFit изменится на **Connected**, и светодиод загорится.
+
+    ![Counter Fit показывает статус Connected](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device).
+
+😀 Подключение к оборудованию прошло успешно!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..fade6c11
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T23:42:07+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "ru"
+}
+-->
+# Wio Terminal
+
+[Wio Terminal от Seeed Studios](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) — это микроконтроллер, совместимый с Arduino, с встроенным WiFi, а также некоторыми датчиками и исполнительными устройствами. Он также имеет порты для подключения дополнительных датчиков и исполнительных устройств, используя аппаратную экосистему под названием [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html).
+
+![Wio Terminal от Seeed Studios](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ru.png)
+
+## Настройка
+
+Для использования Wio Terminal вам потребуется установить бесплатное программное обеспечение на ваш компьютер. Также необходимо обновить прошивку Wio Terminal перед подключением к WiFi.
+
+### Задача - настройка
+
+Установите необходимое программное обеспечение и обновите прошивку.
+
+1. Установите Visual Studio Code (VS Code). Это редактор, который вы будете использовать для написания кода устройства на C/C++. Ознакомьтесь с [документацией по VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) для инструкций по установке.
+
+    > 💁 Другой популярный IDE для разработки на Arduino — это [Arduino IDE](https://www.arduino.cc/en/software). Если вы уже знакомы с этим инструментом, вы можете использовать его вместо VS Code и PlatformIO, но уроки будут основываться на использовании VS Code.
+
+1. Установите расширение PlatformIO для VS Code. Это расширение поддерживает программирование микроконтроллеров на C/C++. Ознакомьтесь с [документацией по расширению PlatformIO](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) для инструкций по установке. Это расширение зависит от расширения Microsoft C/C++, которое будет установлено автоматически.
+
+1. Подключите Wio Terminal к вашему компьютеру. Wio Terminal имеет порт USB-C на нижней стороне, который нужно подключить к USB-порту вашего компьютера. В комплекте с Wio Terminal идет кабель USB-C на USB-A, но если у вашего компьютера только порты USB-C, вам потребуется кабель USB-C или адаптер USB-A на USB-C.
+
+1. Следуйте инструкциям в [документации Wio Terminal Wiki WiFi Overview](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) для настройки Wio Terminal и обновления прошивки.
+
+## Hello World
+
+Традиционно при изучении нового языка программирования или технологии создается приложение "Hello World" — небольшое приложение, которое выводит текст `"Hello World"`, чтобы убедиться, что все инструменты настроены правильно.
+
+Приложение Hello World для Wio Terminal поможет убедиться, что Visual Studio Code установлен правильно, PlatformIO настроен, и вы готовы к разработке для микроконтроллеров.
+
+### Создание проекта PlatformIO
+
+Первым шагом будет создание нового проекта в PlatformIO, настроенного для Wio Terminal.
+
+#### Задача - создание проекта PlatformIO
+
+Создайте проект PlatformIO.
+
+1. Подключите Wio Terminal к вашему компьютеру.
+
+1. Запустите VS Code.
+
+1. На боковой панели меню будет значок PlatformIO:
+
+    ![Опция меню PlatformIO](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ru.png)
+
+    Выберите этот пункт меню, затем выберите *PIO Home -> Open*.
+
+    ![Опция открытия PlatformIO](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ru.png)
+
+1. На приветственном экране нажмите кнопку **+ New Project**.
+
+    ![Кнопка нового проекта](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ru.png)
+
+1. Настройте проект в *Мастере создания проекта*:
+
+    1. Назовите ваш проект `nightlight`.
+
+    1. В выпадающем списке *Board* введите `WIO`, чтобы отфильтровать платы, и выберите *Seeeduino Wio Terminal*.
+
+    1. Оставьте *Framework* как *Arduino*.
+
+    1. Либо оставьте галочку *Use default location*, либо снимите ее и выберите место для вашего проекта.
+
+    1. Нажмите кнопку **Finish**.
+
+    ![Заполненный мастер создания проекта](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ru.png)
+
+    PlatformIO загрузит необходимые компоненты для компиляции кода для Wio Terminal и создаст ваш проект. Это может занять несколько минут.
+
+### Изучение проекта PlatformIO
+
+Проводник VS Code покажет несколько файлов и папок, созданных мастером PlatformIO.
+
+#### Папки
+
+* `.pio` — эта папка содержит временные данные, необходимые PlatformIO, такие как библиотеки или скомпилированный код. Она автоматически пересоздается, если удалена, и ее не нужно добавлять в систему контроля версий, если вы делитесь проектом, например, на GitHub.
+* `.vscode` — эта папка содержит конфигурацию, используемую PlatformIO и VS Code. Она также автоматически пересоздается, если удалена, и ее не нужно добавлять в систему контроля версий.
+* `include` — эта папка предназначена для внешних заголовочных файлов, необходимых при добавлении дополнительных библиотек в ваш код. В этих уроках вы не будете использовать эту папку.
+* `lib` — эта папка предназначена для внешних библиотек, которые вы хотите использовать в вашем коде. В этих уроках вы не будете использовать эту папку.
+* `src` — эта папка содержит основной исходный код вашего приложения. Изначально она будет содержать только один файл — `main.cpp`.
+* `test` — эта папка предназначена для размещения модульных тестов вашего кода.
+
+#### Файлы
+
+* `main.cpp` — этот файл в папке `src` содержит точку входа для вашего приложения. Откройте этот файл, и он будет содержать следующий код:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    Когда устройство запускается, фреймворк Arduino выполнит функцию `setup` один раз, а затем будет многократно выполнять функцию `loop`, пока устройство не будет выключено.
+
+* `.gitignore` — этот файл перечисляет файлы и директории, которые нужно игнорировать при добавлении вашего кода в систему контроля версий, например, при загрузке в репозиторий на GitHub.
+
+* `platformio.ini` — этот файл содержит конфигурацию для вашего устройства и приложения. Откройте этот файл, и он будет содержать следующий код:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    Раздел `[env:seeed_wio_terminal]` содержит конфигурацию для Wio Terminal. Вы можете иметь несколько разделов `env`, чтобы ваш код мог компилироваться для разных плат.
+
+    Остальные значения соответствуют настройкам из мастера создания проекта:
+
+  * `platform = atmelsam` определяет аппаратное обеспечение, используемое Wio Terminal (микроконтроллер на базе ATSAMD51).
+  * `board = seeed_wio_terminal` определяет тип платы микроконтроллера (Wio Terminal).
+  * `framework = arduino` указывает, что этот проект использует фреймворк Arduino.
+
+### Написание приложения Hello World
+
+Теперь вы готовы написать приложение Hello World.
+
+#### Задача - написание приложения Hello World
+
+Напишите приложение Hello World.
+
+1. Откройте файл `main.cpp` в VS Code.
+
+1. Измените код, чтобы он соответствовал следующему:
+
+    ```cpp
+    #include <Arduino.h>
+
+    void setup()
+    {
+        Serial.begin(9600);
+
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    
+    void loop()
+    {
+        Serial.println("Hello World");
+        delay(5000);
+    }
+    ```
+
+    Функция `setup` инициализирует соединение с последовательным портом — в данном случае с USB-портом, который используется для подключения Wio Terminal к вашему компьютеру. Параметр `9600` — это [скорость передачи данных](https://wikipedia.org/wiki/Symbol_rate) (также известная как символическая скорость), или скорость передачи данных через последовательный порт в битах в секунду. Это значение означает, что передается 9 600 бит данных в секунду. Затем функция ожидает готовности последовательного порта.
+
+    Функция `loop` отправляет строку `Hello World!` в последовательный порт, добавляя символ новой строки. Затем она засыпает на 5 000 миллисекунд или 5 секунд. После завершения `loop` она запускается снова и снова, пока микроконтроллер включен.
+
+1. Переведите Wio Terminal в режим загрузки. Это нужно делать каждый раз при загрузке нового кода на устройство:
+
+    1. Дважды быстро потяните вниз переключатель питания — он вернется в положение "включено" каждый раз.
+
+    1. Проверьте синий индикатор состояния справа от USB-порта. Он должен пульсировать.
+    
+    [![Видео о том, как перевести Wio Terminal в режим загрузки](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    Нажмите на изображение выше, чтобы посмотреть видео.
+
+1. Скомпилируйте и загрузите код на Wio Terminal.
+
+    1. Откройте командную палитру VS Code.
+
+    1. Введите `PlatformIO Upload`, чтобы найти опцию загрузки, и выберите *PlatformIO: Upload*.
+
+        ![Опция загрузки PlatformIO в командной палитре](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ru.png)
+
+        PlatformIO автоматически скомпилирует код, если это необходимо, перед загрузкой.
+
+    1. Код будет скомпилирован и загружен на Wio Terminal.
+
+        > 💁 Если вы используете macOS, появится уведомление о *DISK NOT EJECTED PROPERLY*. Это связано с тем, что Wio Terminal монтируется как диск в процессе прошивки, и он отключается при записи скомпилированного кода на устройство. Вы можете игнорировать это уведомление.
+
+    ⚠️ Если вы получаете ошибки о недоступности порта загрузки, сначала убедитесь, что Wio Terminal подключен к вашему компьютеру, включен с помощью переключателя на левой стороне экрана и переведен в режим загрузки. Зеленый индикатор внизу должен гореть, а синий индикатор должен пульсировать. Если ошибка сохраняется, снова дважды быстро потяните переключатель вниз, чтобы принудительно перевести Wio Terminal в режим загрузки, и повторите попытку загрузки.
+
+PlatformIO имеет Serial Monitor, который позволяет отслеживать данные, отправляемые через USB-кабель с Wio Terminal. Это позволяет наблюдать данные, отправляемые командой `Serial.println("Hello World");`.
+
+1. Откройте командную палитру VS Code.
+
+1. Введите `PlatformIO Serial`, чтобы найти опцию Serial Monitor, и выберите *PlatformIO: Serial Monitor*.
+
+    ![Опция Serial Monitor в командной палитре](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ru.png)
+
+    Откроется новый терминал, и данные, отправляемые через последовательный порт, будут отображаться в этом терминале:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Hello World
+    Hello World
+    ```
+
+    `Hello World` будет выводиться в Serial Monitor каждые 5 секунд.
+
+> 💁 Вы можете найти этот код в папке [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal).
+
+😀 Ваше приложение "Hello World" успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/2-deeper-dive/README.md b/translations/ru/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..c45b69b6
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,277 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T23:44:27+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "ru"
+}
+-->
+# Более глубокое погружение в IoT
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был частью серии [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Урок состоял из двух видео: часового занятия и часового обсуждения, где более подробно рассматривались части урока и отвечались на вопросы.
+
+[![Урок 2: Более глубокое погружение в IoT](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![Урок 2: Более глубокое погружение в IoT - Обсуждение](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 Нажмите на изображения выше, чтобы посмотреть видео
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## Введение
+
+Этот урок углубляется в некоторые из концепций, рассмотренных в предыдущем уроке.
+
+В этом уроке мы рассмотрим:
+
+* [Компоненты IoT-приложения](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Более глубокое погружение в микроконтроллеры](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [Более глубокое погружение в одноплатные компьютеры](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## Компоненты IoT-приложения
+
+Два основных компонента IoT-приложения — это *Интернет* и *вещь*. Давайте рассмотрим их подробнее.
+
+### Вещь
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg)
+
+**Вещь** в IoT относится к устройству, которое может взаимодействовать с физическим миром. Эти устройства обычно представляют собой небольшие, недорогие компьютеры, работающие на низких скоростях и с низким энергопотреблением — например, простые микроконтроллеры с несколькими килобайтами оперативной памяти (в отличие от гигабайт в ПК), работающие на частоте всего в несколько сотен мегагерц (в отличие от гигагерц в ПК), но потребляющие настолько мало энергии, что могут работать неделями, месяцами или даже годами на батарейках.
+
+Эти устройства взаимодействуют с физическим миром, используя датчики для сбора данных из окружающей среды или управляя выходами и исполнительными механизмами для внесения физических изменений. Типичный пример — умный термостат, устройство с температурным датчиком, средством для установки желаемой температуры, например, циферблатом или сенсорным экраном, и подключением к системе отопления или охлаждения, которая может включаться, если температура выходит за пределы желаемого диапазона. Температурный датчик определяет, что в комнате слишком холодно, и исполнительный механизм включает отопление.
+
+![Диаграмма, показывающая температуру и циферблат как входные данные для IoT-устройства, и управление обогревателем как выходные данные](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ru.png)
+
+Существует огромное разнообразие устройств, которые могут выступать в роли IoT-устройств: от специализированного оборудования, которое измеряет что-то одно, до универсальных устройств, таких как ваш смартфон! Смартфон может использовать датчики для обнаружения окружающего мира и исполнительные механизмы для взаимодействия с ним — например, используя GPS-датчик для определения вашего местоположения и динамик для предоставления навигационных инструкций.
+
+✅ Подумайте о других системах вокруг вас, которые считывают данные с датчиков и используют их для принятия решений. Один из примеров — термостат в духовке. Можете ли вы найти другие примеры?
+
+### Интернет
+
+**Интернет** в IoT-приложении включает приложения, к которым IoT-устройство может подключаться для отправки и получения данных, а также другие приложения, которые могут обрабатывать данные с IoT-устройства и помогать принимать решения о том, какие команды отправлять исполнительным механизмам устройства.
+
+Обычно используется облачный сервис, к которому подключается IoT-устройство. Этот сервис обрабатывает такие задачи, как безопасность, получение сообщений от устройства и отправка сообщений обратно. Облачный сервис может быть связан с другими приложениями, которые обрабатывают или хранят данные с датчиков, либо используют эти данные вместе с данными из других систем для принятия решений.
+
+Устройства не всегда подключаются к Интернету напрямую через WiFi или проводное соединение. Некоторые устройства используют сетевые технологии, такие как Bluetooth, для связи друг с другом через хаб, который имеет подключение к Интернету.
+
+В примере с умным термостатом устройство подключается к облачному сервису через домашний WiFi. Оно отправляет данные о температуре в облако, где они записываются в базу данных, позволяя владельцу дома проверять текущую и прошлую температуру через приложение на телефоне. Другой сервис в облаке знает, какую температуру хочет владелец, и отправляет сообщения обратно на IoT-устройство через облако, чтобы включить или выключить систему отопления.
+
+![Диаграмма, показывающая температуру и циферблат как входные данные для IoT-устройства, двухстороннюю связь устройства с облаком, которое также связано с телефоном, и управление обогревателем как выходные данные](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ru.png)
+
+Более умная версия может использовать ИИ в облаке с данными от других датчиков, таких как датчики присутствия, которые определяют, какие комнаты используются, а также данные о погоде и вашем календаре, чтобы умно регулировать температуру. Например, она может выключить отопление, если в вашем календаре указано, что вы в отпуске, или отключить отопление в отдельных комнатах в зависимости от их использования, обучаясь на данных для повышения точности со временем.
+
+![Диаграмма, показывающая несколько температурных датчиков и циферблат как входные данные для IoT-устройства, двухстороннюю связь устройства с облаком, которое также связано с телефоном, календарем и погодным сервисом, и управление обогревателем как выходные данные](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ru.png)
+
+✅ Какие еще данные могли бы помочь сделать интернет-подключенный термостат умнее?
+
+### IoT на границе
+
+Хотя буква I в IoT означает Интернет, эти устройства не всегда должны подключаться к Интернету. В некоторых случаях устройства могут подключаться к "пограничным" устройствам — шлюзам, работающим в вашей локальной сети, что позволяет обрабатывать данные без обращения в Интернет. Это может быть быстрее при большом объеме данных или медленном подключении к Интернету, позволяет работать оффлайн, где Интернет недоступен, например, на корабле или в зоне бедствия, и обеспечивает конфиденциальность данных. Некоторые устройства содержат код, созданный с использованием облачных инструментов, и выполняют его локально, чтобы собирать и обрабатывать данные без подключения к Интернету.
+
+Примером может служить умное домашнее устройство, такое как Apple HomePod, Amazon Alexa или Google Home, которое использует ИИ для обработки речи, обученного в облаке, но работающего локально. Эти устройства "просыпаются" при произнесении определенного слова или фразы и только тогда отправляют вашу речь в Интернет для обработки. Устройство прекращает отправку речи, когда обнаруживает паузу. Все, что вы говорите до активации устройства, и все, что вы говорите после завершения прослушивания, не отправляется в Интернет, оставаясь конфиденциальным.
+
+✅ Подумайте о других сценариях, где конфиденциальность важна, и обработка данных лучше выполняется на границе, а не в облаке. Подсказка: подумайте об IoT-устройствах с камерами или другими устройствами для обработки изображений.
+
+### Безопасность IoT
+
+С любым подключением к Интернету безопасность — это важный аспект. Существует старая шутка: "буква S в IoT означает безопасность" — намекая на то, что в IoT нет буквы S, то есть безопасность отсутствует.
+
+IoT-устройства подключаются к облачному сервису, и их безопасность зависит от безопасности этого сервиса. Если облачный сервис позволяет подключаться любому устройству, это может привести к отправке вредоносных данных или вирусным атакам. Это может иметь реальные последствия, так как IoT-устройства взаимодействуют и управляют другими устройствами. Например, [червь Stuxnet](https://wikipedia.org/wiki/Stuxnet) манипулировал клапанами в центрифугах, чтобы повредить их. Хакеры также использовали [слабую безопасность для доступа к детским мониторам](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable) и другим устройствам домашнего наблюдения.
+
+> 💁 Иногда IoT-устройства и пограничные устройства работают в сети, полностью изолированной от Интернета, чтобы сохранить данные конфиденциальными и безопасными. Это называется [воздушным зазором](https://wikipedia.org/wiki/Air_gap_(networking)).
+
+## Более глубокое погружение в микроконтроллеры
+
+На прошлом уроке мы познакомились с микроконтроллерами. Теперь давайте рассмотрим их подробнее.
+
+### CPU
+
+CPU — это "мозг" микроконтроллера. Это процессор, который выполняет ваш код и может отправлять данные на подключенные устройства и получать их от них. CPU может содержать одно или несколько ядер — по сути, несколько процессоров, которые работают вместе для выполнения вашего кода.
+
+CPU работает с тактовым генератором, который "тикает" миллионы или миллиарды раз в секунду. Каждый тик, или цикл, синхронизирует действия, которые может выполнять CPU. С каждым тиком CPU может выполнять инструкцию из программы, например, извлекать данные из внешнего устройства или выполнять математическое вычисление. Этот регулярный цикл позволяет завершить все действия до обработки следующей инструкции.
+
+Чем быстрее тактовая частота, тем больше инструкций может быть обработано за секунду, а значит, тем быстрее работает CPU. Скорость CPU измеряется в [Герцах (Hz)](https://wikipedia.org/wiki/Hertz), где 1 Hz означает один тик или цикл в секунду.
+
+> 🎓 Скорость CPU часто указывается в МГц или ГГц. 1 МГц — это 1 миллион Hz, 1 ГГц — 1 миллиард Hz.
+
+> 💁 CPU выполняет программы, используя [цикл извлечения-декодирования-исполнения](https://wikipedia.org/wiki/Instruction_cycle). На каждый тик CPU извлекает следующую инструкцию из памяти, декодирует её, а затем выполняет, например, используя арифметико-логическое устройство (ALU) для сложения двух чисел. Некоторые инструкции требуют нескольких тиков для выполнения, поэтому следующий цикл начнётся после завершения текущей инструкции.
+
+![Цикл извлечения-декодирования-исполнения, показывающий извлечение инструкции из программы, хранящейся в RAM, её декодирование и выполнение на CPU](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ru.png)
+
+Микроконтроллеры имеют гораздо более низкие тактовые частоты, чем настольные или портативные компьютеры, а также большинство смартфонов. Например, Wio Terminal имеет CPU с частотой 120 МГц или 120 000 000 циклов в секунду.
+
+✅ Средний ПК или Mac имеет CPU с несколькими ядрами, работающими на частоте в несколько гигагерц, что означает миллиарды тиков в секунду. Исследуйте тактовую частоту вашего компьютера и сравните, насколько он быстрее Wio Terminal.
+
+Каждый тактовый цикл потребляет энергию и выделяет тепло. Чем быстрее тики, тем больше энергии потребляется и больше тепла выделяется. ПК имеют радиаторы и вентиляторы для отвода тепла, без которых они перегрелись бы и выключились за считанные секунды. Микроконтроллеры часто не имеют таких систем охлаждения, так как работают гораздо медленнее и выделяют меньше тепла. ПК работают от сети или больших батарей, которых хватает на несколько часов, а микроконтроллеры могут работать дни, месяцы или даже годы от небольших батареек. Микроконтроллеры также могут иметь ядра, работающие на разных скоростях, переключаясь на более медленные и энергоэффективные ядра, когда нагрузка на CPU низкая, чтобы снизить энергопотребление.
+
+> 💁 Некоторые ПК и Mac также используют комбинацию быстрых высокопроизводительных ядер и медленных энергоэффективных ядер, переключаясь между ними для оптимизации времени работы от батареи или скорости в зависимости от выполняемой задачи. Например, чип M1 в последних ноутбуках Apple может переключаться между 4 производительными ядрами и 4 энергоэффективными ядрами.
+
+✅ Немного исследуйте: Прочитайте о CPU в [статье Википедии о центральных процессорах](https://wikipedia.org/wiki/Central_processing_unit).
+
+#### Задание
+
+Изучите Wio Terminal.
+
+Если вы используете Wio Terminal для этих уроков, попробуйте найти CPU. Найдите раздел *Обзор оборудования* на [странице продукта Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), чтобы увидеть изображение внутренностей устройства, и попробуйте найти CPU через прозрачное пластиковое окно на задней стороне.
+
+### Память
+
+Микроконтроллеры обычно имеют два типа памяти: память программ и оперативную память (RAM).
+
+Память программ является энергонезависимой, то есть данные в ней сохраняются даже при отключении питания устройства. Эта память используется для хранения кода вашей программы.
+
+RAM используется программой во время выполнения, в ней хранятся переменные, выделенные вашей программой, и данные, полученные от периферийных устройств. RAM является энергозависимой, то есть её содержимое теряется при отключении питания, что фактически приводит к сбросу программы.
+🎓 Память программы хранит ваш код и сохраняется даже при отсутствии питания.
+🎓 ОЗУ используется для выполнения вашей программы и сбрасывается при отключении питания
+
+Как и у процессора, объем памяти в микроконтроллере на порядки меньше, чем у ПК или Mac. Типичный ПК может иметь 8 гигабайт (ГБ) ОЗУ, или 8,000,000,000 байт, где каждый байт — это достаточно места для хранения одной буквы или числа от 0 до 255. Микроконтроллер обычно имеет только килобайты (КБ) ОЗУ, где килобайт равен 1,000 байт. У Wio Terminal, упомянутого выше, 192 КБ ОЗУ, или 192,000 байт — более чем в 40,000 раз меньше, чем у среднего ПК!
+
+Диаграмма ниже показывает относительную разницу в размере между 192 КБ и 8 ГБ — маленькая точка в центре представляет 192 КБ.
+
+![Сравнение между 192 КБ и 8 ГБ — более чем в 40,000 раз больше](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ru.png)
+
+Объем памяти для хранения программ также меньше, чем у ПК. Типичный ПК может иметь жесткий диск на 500 ГБ для хранения программ, тогда как микроконтроллер может иметь только килобайты или, возможно, несколько мегабайт (МБ) памяти (1 МБ — это 1,000 КБ, или 1,000,000 байт). У Wio Terminal 4 МБ памяти для хранения программ.
+
+✅ Проведите небольшое исследование: Сколько ОЗУ и памяти для хранения данных у компьютера, который вы используете для чтения этого текста? Как это соотносится с микроконтроллером?
+
+### Ввод/Вывод
+
+Микроконтроллеры нуждаются в соединениях ввода и вывода (I/O) для считывания данных с датчиков и отправки управляющих сигналов на исполнительные устройства. Обычно они содержат несколько универсальных выводов ввода/вывода (GPIO). Эти выводы можно настроить в программном обеспечении как вход (то есть они принимают сигнал) или как выход (они отправляют сигнал).
+
+🧠⬅️ Входные выводы используются для считывания значений с датчиков
+
+🧠➡️ Выходные выводы отправляют инструкции исполнительным устройствам
+
+✅ Вы узнаете больше об этом в следующем уроке.
+
+#### Задание
+
+Исследуйте Wio Terminal.
+
+Если вы используете Wio Terminal для этих уроков, найдите выводы GPIO. Найдите раздел *Pinout diagram* на [странице продукта Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html), чтобы узнать, какие выводы за что отвечают. Wio Terminal поставляется с наклейкой, которую можно прикрепить на заднюю часть устройства с номерами выводов, так что добавьте ее сейчас, если еще не сделали этого.
+
+### Физический размер
+
+Микроконтроллеры обычно имеют небольшой размер, а самый маленький, [Freescale Kinetis KL03 MCU, достаточно мал, чтобы поместиться в углубление на поверхности мяча для гольфа](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/). Только процессор в ПК может иметь размеры 40 мм x 40 мм, и это без учета радиаторов и вентиляторов, необходимых для того, чтобы процессор мог работать более нескольких секунд без перегрева, что значительно больше, чем полный микроконтроллер. Набор разработчика Wio Terminal с микроконтроллером, корпусом, экраном и рядом соединений и компонентов не намного больше, чем голый процессор Intel i9, и значительно меньше, чем процессор с радиатором и вентилятором!
+
+| Устройство                      | Размер                |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1.6 мм x 2 мм x 1 мм  |
+| Wio Terminal                    | 72 мм x 57 мм x 12 мм |
+| Intel i9 CPU, радиатор и вентилятор | 136 мм x 145 мм x 103 мм |
+
+### Фреймворки и операционные системы
+
+Из-за низкой скорости и небольшого объема памяти микроконтроллеры не используют операционную систему (ОС) в привычном для настольных компьютеров смысле. Операционная система, которая заставляет ваш компьютер работать (Windows, Linux или macOS), требует много памяти и вычислительной мощности для выполнения задач, которые совершенно не нужны микроконтроллеру. Помните, что микроконтроллеры обычно программируются для выполнения одной или нескольких очень специфических задач, в отличие от универсального компьютера, такого как ПК или Mac, который должен поддерживать пользовательский интерфейс, воспроизводить музыку или фильмы, предоставлять инструменты для написания документов или кода, играть в игры или просматривать Интернет.
+
+Для программирования микроконтроллера без ОС вам понадобятся инструменты, которые позволят вам создавать код таким образом, чтобы микроконтроллер мог его выполнять, используя API для взаимодействия с периферийными устройствами. Каждый микроконтроллер отличается, поэтому производители обычно поддерживают стандартные фреймворки, которые позволяют следовать стандартному «рецепту» для создания кода и его выполнения на любом микроконтроллере, поддерживающем этот фреймворк.
+
+Вы можете программировать микроконтроллеры с использованием ОС — часто называемой операционной системой реального времени (RTOS), так как она предназначена для обработки передачи данных на периферийные устройства и обратно в реальном времени. Эти операционные системы очень легковесны и предоставляют такие функции, как:
+
+* Многопоточность, позволяющая вашему коду выполнять более одного блока кода одновременно, либо на нескольких ядрах, либо поочередно на одном ядре
+* Сетевые возможности для безопасной передачи данных через Интернет
+* Компоненты графического пользовательского интерфейса (GUI) для создания пользовательских интерфейсов (UI) на устройствах с экранами.
+
+✅ Ознакомьтесь с различными RTOS: [Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn), [FreeRTOS](https://www.freertos.org), [Zephyr](https://www.zephyrproject.org)
+
+#### Arduino
+
+![Логотип Arduino](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) — это, пожалуй, самый популярный фреймворк для микроконтроллеров, особенно среди студентов, любителей и разработчиков. Arduino — это открытая платформа для электроники, объединяющая программное обеспечение и оборудование. Вы можете купить платы, совместимые с Arduino, у самой компании Arduino или у других производителей, а затем программировать их с использованием фреймворка Arduino.
+
+Платы Arduino программируются на C или C++. Использование C/C++ позволяет вашему коду быть очень компактным и работать быстро, что необходимо для устройства с ограниченными ресурсами, такого как микроконтроллер. Основная часть приложения Arduino называется скетчем и представляет собой код на C/C++ с двумя функциями — `setup` и `loop`. Когда плата запускается, код фреймворка Arduino выполнит функцию `setup` один раз, а затем будет снова и снова выполнять функцию `loop`, пока питание не будет отключено.
+
+Вы пишете код настройки в функции `setup`, например, подключение к WiFi и облачным сервисам или инициализацию выводов для ввода и вывода. Ваш код в функции `loop` будет содержать обработку, например, считывание данных с датчика и отправку значения в облако. Обычно вы добавляете задержку в каждом цикле, например, если вы хотите отправлять данные с датчика каждые 10 секунд, вы добавляете задержку в 10 секунд в конце цикла, чтобы микроконтроллер мог перейти в режим сна, экономя энергию, а затем снова выполнить цикл через 10 секунд.
+
+![Скетч Arduino сначала выполняет setup, затем повторяет loop](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ru.png)
+
+✅ Эта архитектура программы известна как *цикл событий* или *цикл сообщений*. Многие приложения используют ее в своей основе, и это стандарт для большинства настольных приложений, работающих на ОС, таких как Windows, macOS или Linux. Функция `loop` слушает сообщения от компонентов пользовательского интерфейса, таких как кнопки, или устройств, таких как клавиатура, и реагирует на них. Вы можете узнать больше в [статье о цикле событий](https://wikipedia.org/wiki/Event_loop).
+
+Arduino предоставляет стандартные библиотеки для взаимодействия с микроконтроллерами и выводами ввода/вывода, с различными реализациями под капотом для работы на разных микроконтроллерах. Например, функция [`delay`](https://www.arduino.cc/reference/en/language/functions/time/delay/) приостановит выполнение программы на заданный период времени, а функция [`digitalRead`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) считывает значение `HIGH` или `LOW` с указанного вывода, независимо от того, на какой плате выполняется код. Эти стандартные библиотеки означают, что код Arduino, написанный для одной платы, можно перекомпилировать для любой другой платы Arduino, и он будет работать, если выводы совпадают и платы поддерживают одинаковые функции.
+
+Существует большая экосистема сторонних библиотек Arduino, которые позволяют добавлять дополнительные функции в ваши проекты Arduino, такие как использование датчиков и исполнительных устройств или подключение к облачным IoT-сервисам.
+
+##### Задание
+
+Исследуйте Wio Terminal.
+
+Если вы используете Wio Terminal для этих уроков, перечитайте код, который вы написали в прошлом уроке. Найдите функции `setup` и `loop`. Отследите вывод в последовательный порт для функции `loop`, которая вызывается повторно. Попробуйте добавить код в функцию `setup`, чтобы записать данные в последовательный порт, и убедитесь, что этот код вызывается только один раз при каждом перезапуске. Попробуйте перезапустить устройство с помощью переключателя питания на боковой стороне, чтобы показать, что этот код вызывается каждый раз при перезапуске устройства.
+
+## Более глубокое погружение в одноплатные компьютеры
+
+В прошлом уроке мы познакомились с одноплатными компьютерами. Теперь давайте рассмотрим их более подробно.
+
+### Raspberry Pi
+
+![Логотип Raspberry Pi](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ru.png)
+
+[Фонд Raspberry Pi](https://www.raspberrypi.org) — это благотворительная организация из Великобритании, основанная в 2009 году для продвижения изучения компьютерных наук, особенно на школьном уровне. В рамках этой миссии они разработали одноплатный компьютер, называемый Raspberry Pi. Raspberry Pi в настоящее время доступен в трех вариантах — полноразмерная версия, меньшая Pi Zero и вычислительный модуль, который можно встроить в ваше конечное IoT-устройство.
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ru.jpg)
+
+Последняя итерация полноразмерного Raspberry Pi — это Raspberry Pi 4B. У него четырехъядерный процессор (4 ядра) с тактовой частотой 1.5 ГГц, 2, 4 или 8 ГБ ОЗУ, гигабитный Ethernet, WiFi, 2 порта HDMI с поддержкой 4k экранов, аудио- и композитный видеовыход, USB-порты (2 USB 2.0, 2 USB 3.0), 40 выводов GPIO, разъем для камеры Raspberry Pi, и слот для SD-карты. Все это на плате размером 88 мм x 58 мм x 19.5 мм, питающейся от USB-C блока питания на 3А. Цена начинается от 35 долларов США, что значительно дешевле, чем ПК или Mac.
+
+> 💁 Существует также Pi400 — компьютер «все в одном» с Pi4, встроенным в клавиатуру.
+
+![Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ru.jpg)
+
+Pi Zero значительно меньше и менее мощный. У него одноядерный процессор с тактовой частотой 1 ГГц, 512 МБ ОЗУ, WiFi (в модели Zero W), один порт HDMI, один порт micro-USB, 40 выводов GPIO, разъем для камеры Raspberry Pi, и слот для SD-карты. Его размеры — 65 мм x 30 мм x 5 мм, и он потребляет очень мало энергии. Цена Zero — 5 долларов США, а версия W с WiFi — 10 долларов США.
+
+> 🎓 Процессоры в обоих этих устройствах — ARM, в отличие от процессоров Intel/AMD x86 или x64, которые вы найдете в большинстве ПК и Mac. Они похожи на процессоры, которые используются в некоторых микроконтроллерах, а также почти во всех мобильных телефонах, Microsoft Surface X и новых Mac на базе Apple Silicon.
+
+Все варианты Raspberry Pi работают на версии Debian Linux, называемой Raspberry Pi OS. Она доступна в легкой версии без рабочего стола, что идеально подходит для «безголовых» проектов, где экран не нужен, или в полной версии с полноценной средой рабочего стола, веб-браузером, офисными приложениями, инструментами для кодирования и играми. Поскольку ОС является версией Debian Linux, вы можете установить любое приложение или инструмент, который работает на Debian и создан для процессора ARM внутри Pi.
+
+#### Задание
+
+Исследуйте Raspberry Pi.
+
+Если вы используете Raspberry Pi для этих уроков, изучите различные аппаратные компоненты на плате.
+
+* Вы можете найти информацию о процессорах, используемых в Raspberry Pi, на [странице документации по оборудованию Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/). Ознакомьтесь с процессором, используемым в вашем Pi.
+* Найдите выводы GPIO. Узнайте больше о них на [странице документации GPIO Raspberry Pi](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md). Используйте [руководство по использованию выводов GPIO](https://www.raspberrypi.org/documentation/usage/gpio/README.md), чтобы определить различные выводы на вашем Pi.
+
+### Программирование одноплатных компьютеров
+
+Одноплатные компьютеры — это полноценные компьютеры, работающие на полноценной ОС. Это означает, что существует широкий спектр языков программирования, фреймворков и инструментов, которые вы можете использовать для их кодирования, в отличие от микроконтроллеров, которые зависят от поддержки платы в таких фреймворках, как Arduino. Большинство языков программирования имеют библиотеки, которые могут обращаться к выводам GPIO для отправки и получения данных с датчиков и исполнительных устройств.
+
+✅ Какие языки программирования вы знаете? Поддерживаются ли они на Linux?
+
+Самый распространенный язык программирования для создания IoT-приложений на Raspberry Pi — это Python. Существует огромная экосистема оборудования, разработанного для Pi, и почти все они включают соответствующий код, необходимый для их использования, в виде библиотек Python. Некоторые из этих экосистем основаны на «шляпах» — так называемых, потому что они устанавливаются сверху Pi, как шляпа, и подключаются через большой разъем к 40 выводам GPIO. Эти шляпы предоставляют дополнительные возможности, такие как экраны, датчики, дистанционно управляемые автомобили или адаптеры для подключения датчиков со стандартными кабелями.
+### Использование одноплатных компьютеров в профессиональных IoT-разработках
+
+Одноплатные компьютеры используются в профессиональных IoT-разработках, а не только как наборы для разработчиков. Они могут быть мощным инструментом для управления оборудованием и выполнения сложных задач, таких как запуск моделей машинного обучения. Например, существует [модуль Raspberry Pi 4 Compute Module](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/), который обладает всей мощностью Raspberry Pi 4, но в компактной и более дешевой форме без большинства портов, предназначенной для установки в пользовательское оборудование.
+
+---
+
+## 🚀 Задание
+
+Задание из последнего урока заключалось в том, чтобы перечислить как можно больше IoT-устройств, которые есть у вас дома, в школе или на рабочем месте. Для каждого устройства из этого списка подумайте, основано ли оно на микроконтроллерах, одноплатных компьютерах или, возможно, на их сочетании.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## Обзор и самостоятельное изучение
+
+* Прочитайте [руководство по началу работы с Arduino](https://www.arduino.cc/en/Guide/Introduction), чтобы лучше понять платформу Arduino.
+* Ознакомьтесь с [введением в Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/), чтобы узнать больше о Raspberry Pi.
+* Узнайте больше о некоторых концепциях и аббревиатурах в статье [Что такое CPU, MPU, MCU и GPU?](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) в журнале Electrical Engineering Journal.
+
+✅ Используйте эти руководства, а также информацию о стоимости, доступную по ссылкам в [руководстве по оборудованию](../../../hardware.md), чтобы решить, какую аппаратную платформу вы хотите использовать, или предпочли бы вы использовать виртуальное устройство.
+
+## Задание
+
+[Сравните и сопоставьте микроконтроллеры и одноплатные компьютеры](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/ru/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..25ad3a61
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T23:50:29+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Сравнение и сопоставление микроконтроллеров и одноплатных компьютеров
+
+## Инструкции
+
+В этом уроке рассматривались микроконтроллеры и одноплатные компьютеры. Создайте таблицу, сравнивающую и сопоставляющую их, и укажите как минимум 2 причины, почему вы бы использовали микроконтроллер вместо одноплатного компьютера, и как минимум 2 причины, почему вы бы использовали одноплатный компьютер вместо микроконтроллера.
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | -------- | ----------------- |
+| Создание таблицы для сравнения микроконтроллеров и одноплатных компьютеров | Создан список с несколькими пунктами, правильно сравнивающими и сопоставляющими | Создан список с только несколькими пунктами | Создан только один пункт или отсутствуют пункты для сравнения и сопоставления |
+| Причины использования одного вместо другого | Указано 2 или более причины для микроконтроллеров и 2 или более причины для одноплатных компьютеров | Указано только 1-2 причины для микроконтроллеров и 1-2 причины для одноплатных компьютеров | Не указано ни одной или указана только одна причина для микроконтроллеров или одноплатных компьютеров |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..adf59e75
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,230 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T23:22:23+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "ru"
+}
+-->
+# Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов
+
+![Скетчноут с обзором урока](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был проведен в рамках серии [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Урок состоял из двух видео: часового занятия и часового офисного часа, где более подробно рассматривались части урока и отвечались вопросы.
+
+[![Урок 3: Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![Урок 3: Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов - Офисный час](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 Нажмите на изображения выше, чтобы посмотреть видео
+
+## Предварительный тест
+
+[Предварительный тест](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## Введение
+
+Этот урок знакомит вас с двумя важными концепциями для вашего IoT-устройства — датчиками и исполнительными механизмами. Вы также получите практический опыт работы с ними, добавив датчик света в ваш IoT-проект, а затем светодиод, управляемый уровнем освещенности, фактически создавая ночник.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое датчики?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Использование датчика](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Типы датчиков](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Что такое исполнительные механизмы?](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Использование исполнительного механизма](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [Типы исполнительных механизмов](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## Что такое датчики?
+
+Датчики — это аппаратные устройства, которые воспринимают физический мир, то есть измеряют одно или несколько свойств вокруг них и передают информацию на IoT-устройство. Существует огромное количество датчиков, так как можно измерять множество вещей — от природных свойств, таких как температура воздуха, до физических взаимодействий, таких как движение.
+
+Некоторые распространенные датчики включают:
+
+* Датчики температуры — измеряют температуру воздуха или объекта, в который они погружены. Для любителей и разработчиков такие датчики часто объединяют с датчиками давления и влажности в одном устройстве.
+* Кнопки — фиксируют момент нажатия.
+* Датчики света — определяют уровень освещенности и могут быть настроены на определенные цвета, ультрафиолетовый свет, инфракрасный свет или общий видимый свет.
+* Камеры — фиксируют визуальное представление мира, делая фотографии или транслируя видео.
+* Акселерометры — измеряют движение в нескольких направлениях.
+* Микрофоны — фиксируют звук, будь то общий уровень шума или направленный звук.
+
+✅ Проведите исследование. Какие датчики есть в вашем телефоне?
+
+Все датчики имеют одну общую черту — они преобразуют то, что фиксируют, в электрический сигнал, который может быть интерпретирован IoT-устройством. То, как этот сигнал интерпретируется, зависит от датчика, а также от протокола связи, используемого для взаимодействия с IoT-устройством.
+
+## Использование датчика
+
+Следуйте соответствующему руководству ниже, чтобы добавить датчик в ваше IoT-устройство:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-sensor.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-sensor.md)
+
+## Типы датчиков
+
+Датчики бывают аналоговыми и цифровыми.
+
+### Аналоговые датчики
+
+Некоторые из самых простых датчиков являются аналоговыми. Эти датчики получают напряжение от IoT-устройства, компоненты датчика изменяют это напряжение, и напряжение, возвращаемое датчиком, измеряется для получения значения датчика.
+
+> 🎓 Напряжение — это мера того, насколько сильно электричество "толкается" из одного места в другое, например, от положительного контакта батареи к отрицательному. Например, стандартная батарея AA имеет напряжение 1,5 В (В — символ вольт) и может "толкать" электричество с силой 1,5 В от положительного контакта к отрицательному. Различное электрическое оборудование требует разного напряжения для работы, например, светодиод может светиться при напряжении от 2 до 3 В, а лампа накаливания мощностью 100 Вт потребует 240 В. Подробнее о напряжении можно прочитать на [странице Википедии о напряжении](https://wikipedia.org/wiki/Voltage).
+
+Примером аналогового датчика является потенциометр. Это ручка, которую можно вращать между двумя положениями, и датчик измеряет угол поворота.
+
+![Потенциометр, установленный на среднюю точку, получает 5 вольт и возвращает 3,8 вольта](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ru.png)
+
+IoT-устройство отправляет электрический сигнал на потенциометр с определенным напряжением, например, 5 В (5 вольт). Когда потенциометр регулируется, он изменяет напряжение, выходящее с другой стороны. Представьте, что у вас есть потенциометр, обозначенный как ручка, которая вращается от 0 до [11](https://wikipedia.org/wiki/Up_to_eleven), например, ручка громкости на усилителе. Когда потенциометр находится в полностью выключенном положении (0), то выходит 0 В (0 вольт). Когда он находится в полностью включенном положении (11), выходит 5 В (5 вольт).
+
+> 🎓 Это упрощенное объяснение, подробнее о потенциометрах и переменных резисторах можно прочитать на [странице Википедии о потенциометрах](https://wikipedia.org/wiki/Potentiometer).
+
+Напряжение, выходящее из датчика, затем считывается IoT-устройством, и устройство может на него реагировать. В зависимости от датчика это напряжение может быть произвольным значением или соответствовать стандартной единице измерения. Например, аналоговый датчик температуры на основе [термистора](https://wikipedia.org/wiki/Thermistor) изменяет свое сопротивление в зависимости от температуры. Выходное напряжение затем может быть преобразовано в температуру в Кельвинах, а затем в °C или °F с помощью расчетов в коде.
+
+✅ Как вы думаете, что произойдет, если датчик вернет напряжение выше, чем было отправлено (например, от внешнего источника питания)? ⛔️ НЕ тестируйте это.
+
+#### Преобразование аналогового сигнала в цифровой
+
+IoT-устройства являются цифровыми — они не могут работать с аналоговыми значениями, только с 0 и 1. Это означает, что значения аналоговых датчиков должны быть преобразованы в цифровой сигнал перед обработкой. Многие IoT-устройства имеют аналого-цифровые преобразователи (ADC) для преобразования аналоговых входов в цифровые представления их значений. Датчики также могут работать с ADC через соединительную плату. Например, в экосистеме Seeed Grove с Raspberry Pi аналоговые датчики подключаются к определенным портам на "шляпе", которая устанавливается на Pi и подключается к его GPIO-контактам. Эта "шляпа" имеет ADC для преобразования напряжения в цифровой сигнал, который может быть отправлен через GPIO-контакты Pi.
+
+Представьте, что у вас есть аналоговый датчик света, подключенный к IoT-устройству, которое использует 3,3 В и возвращает значение 1 В. Это 1 В ничего не значит в цифровом мире, поэтому его нужно преобразовать. Напряжение будет преобразовано в аналоговое значение с использованием шкалы, зависящей от устройства и датчика. Например, датчик света Seeed Grove выдает значения от 0 до 1023. Для этого датчика, работающего на 3,3 В, выходное напряжение 1 В будет соответствовать значению 300. IoT-устройство не может работать с 300 как с аналоговым значением, поэтому значение будет преобразовано в `0000000100101100`, двоичное представление числа 300, "шляпой" Grove. Это значение затем будет обработано IoT-устройством.
+
+✅ Если вы не знаете, что такое двоичный код, проведите небольшое исследование, чтобы узнать, как числа представляются с помощью 0 и 1. [Урок BBC Bitesize о введении в двоичный код](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) — отличное место для начала.
+
+С точки зрения программирования, все это обычно обрабатывается библиотеками, которые поставляются с датчиками, поэтому вам не нужно беспокоиться о преобразовании самостоятельно. Для датчика света Grove вы бы использовали библиотеку Python и вызвали свойство `light`, или использовали библиотеку Arduino и вызвали `analogRead`, чтобы получить значение 300.
+
+### Цифровые датчики
+
+Цифровые датчики, как и аналоговые, фиксируют окружающий мир, используя изменения электрического напряжения. Разница в том, что они выдают цифровой сигнал, либо измеряя только два состояния, либо используя встроенный ADC. Цифровые датчики становятся все более популярными, чтобы избежать необходимости использования ADC либо в соединительной плате, либо в самом IoT-устройстве.
+
+Самый простой цифровой датчик — это кнопка или переключатель. Это датчик с двумя состояниями: включено или выключено.
+
+![Кнопка получает 5 вольт. Когда она не нажата, возвращается 0 вольт, когда нажата — 5 вольт](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ru.png)
+
+Контакты на IoT-устройствах, такие как GPIO, могут измерять этот сигнал напрямую как 0 или 1. Если напряжение, отправленное, совпадает с напряжением, возвращенным, значение считывается как 1, в противном случае — как 0. Нет необходимости преобразовывать сигнал, он может быть только 1 или 0.
+
+> 💁 Напряжение никогда не бывает точным, особенно поскольку компоненты датчика имеют некоторое сопротивление, поэтому обычно существует допуск. Например, GPIO-контакты Raspberry Pi работают на 3,3 В и считывают возвращенный сигнал выше 1,8 В как 1, ниже 1,8 В как 0.
+
+* 3,3 В подается на кнопку. Кнопка выключена, поэтому возвращается 0 В, значение 0.
+* 3,3 В подается на кнопку. Кнопка включена, поэтому возвращается 3,3 В, значение 1.
+
+Более сложные цифровые датчики считывают аналоговые значения, а затем преобразуют их с помощью встроенных ADC в цифровые сигналы. Например, цифровой датчик температуры все еще будет использовать термопару так же, как аналоговый датчик, и все еще будет измерять изменение напряжения, вызванное сопротивлением термопары при текущей температуре. Вместо того чтобы возвращать аналоговое значение и полагаться на устройство или соединительную плату для преобразования в цифровой сигнал, встроенный в датчик ADC преобразует значение и отправляет его в виде серии 0 и 1 на IoT-устройство. Эти 0 и 1 отправляются так же, как цифровой сигнал для кнопки, где 1 — это полное напряжение, а 0 — 0 В.
+
+![Цифровой датчик температуры преобразует аналоговое значение в двоичные данные с 0 как 0 вольт и 1 как 5 вольт перед отправкой на IoT-устройство](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ru.png)
+
+Отправка цифровых данных позволяет датчикам становиться более сложными и передавать более детализированные данные, даже зашифрованные данные для безопасных датчиков. Примером является камера. Это датчик, который фиксирует изображение и отправляет его в виде цифровых данных, содержащих это изображение, обычно в сжатом формате, таком как JPEG, для считывания IoT-устройством. Она может даже транслировать видео, фиксируя изображения и отправляя либо полное изображение кадр за кадром, либо сжатый видеопоток.
+
+## Что такое исполнительные механизмы?
+
+Исполнительные механизмы — это противоположность датчиков. Они преобразуют электрический сигнал от вашего IoT-устройства в взаимодействие с физическим миром, например, излучение света или звука, или движение мотора.
+
+Некоторые распространенные исполнительные механизмы включают:
+
+* Светодиоды (LED) — излучают свет при включении.
+* Динамики — излучают звук на основе переданного сигнала, от простого зуммера до аудиодинамика, который может воспроизводить музыку.
+* Шаговые двигатели — преобразуют сигнал в определенное количество вращения, например, поворот ручки на 90°.
+* Реле — это переключатели, которые можно включать или выключать электрическим сигналом. Они позволяют малому напряжению от IoT-устройства включать более высокие напряжения.
+* Экраны — более сложные исполнительные механизмы, которые отображают информацию на многосегментном дисплее. Экраны варьируются от простых светодиодных дисплеев до высококачественных видеомониторов.
+
+✅ Проведите исследование. Какие исполнительные механизмы есть в вашем телефоне?
+
+## Использование исполнительного механизма
+
+Следуйте соответствующему руководству ниже, чтобы добавить исполнительный механизм в ваше IoT-устройство, управляемый датчиком, чтобы создать IoT-ночник. Он будет собирать уровни освещенности с датчика света и использовать исполнительный механизм в виде светодиода для излучения света, когда обнаруженный уровень освещенности слишком низкий.
+
+![Диаграмма задания, показывающая считывание и проверку уровней освещенности, а также управление светодиодом](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ru.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-actuator.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-actuator.md)
+
+## Типы исполнительных механизмов
+
+Как и датчики, исполнительные механизмы бывают аналоговыми и цифровыми.
+
+### Аналоговые исполнительные механизмы
+
+Аналоговые исполнительные механизмы принимают аналоговый сигнал и преобразуют его в какое-либо взаимодействие, где взаимодействие изменяется в зависимости от подаваемого напряжения.
+
+Примером является регулируемый свет, такой как те, что могут быть в вашем доме. Количество подаваемого напряжения определяет яркость света.
+![Свет тусклый при низком напряжении и яркий при высоком напряжении](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ru.png)
+
+Как и с датчиками, настоящее IoT-устройство работает с цифровыми сигналами, а не аналоговыми. Это означает, что для отправки аналогового сигнала IoT-устройству нужен преобразователь цифрового сигнала в аналоговый (DAC), либо встроенный в само устройство, либо на плате-коннекторе. Он преобразует 0 и 1 от IoT-устройства в аналоговое напряжение, которое может использовать исполнительный механизм.
+
+✅ Как вы думаете, что произойдет, если IoT-устройство отправит напряжение выше, чем может выдержать исполнительный механизм?  
+⛔️ НЕ тестируйте это.
+
+#### Широтно-импульсная модуляция
+
+Другой способ преобразования цифровых сигналов IoT-устройства в аналоговый сигнал — это широтно-импульсная модуляция (PWM). Она заключается в отправке множества коротких цифровых импульсов, которые ведут себя как аналоговый сигнал.
+
+Например, с помощью PWM можно управлять скоростью двигателя.
+
+Представьте, что вы управляете двигателем с питанием 5В. Вы отправляете короткий импульс на двигатель, переключая напряжение на высокий уровень (5В) на две сотых секунды (0,02с). За это время двигатель может повернуться на одну десятую оборота, или 36°. Затем сигнал делает паузу на две сотых секунды (0,02с), отправляя низкий сигнал (0В). Каждый цикл включения и выключения длится 0,04с. Цикл повторяется.
+
+![Широтно-импульсная модуляция вращения двигателя на 150 об/мин](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ru.png)
+
+Это означает, что за одну секунду вы отправляете 25 импульсов напряжения 5В длительностью 0,02с, которые вращают двигатель, каждый из которых сопровождается паузой 0,02с с напряжением 0В, когда двигатель не вращается. Каждый импульс поворачивает двигатель на одну десятую оборота, что означает, что двигатель завершает 2,5 оборота в секунду. Вы использовали цифровой сигнал, чтобы вращать двигатель со скоростью 2,5 оборота в секунду, или 150 [оборотов в минуту](https://wikipedia.org/wiki/Revolutions_per_minute) (нестандартная мера угловой скорости).
+
+```output
+25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
+2.5 rotations per second x 60 seconds in a minute = 150rpm
+```
+
+> 🎓 Когда сигнал PWM включен половину времени, а выключен другую половину, это называется [рабочим циклом 50%](https://wikipedia.org/wiki/Duty_cycle). Рабочие циклы измеряются как процент времени, когда сигнал находится в состоянии включения, по сравнению с состоянием выключения.
+
+![Широтно-импульсная модуляция вращения двигателя на 75 об/мин](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ru.png)
+
+Вы можете изменить скорость двигателя, изменив размер импульсов. Например, с тем же двигателем вы можете сохранить тот же цикл времени 0,04с, уменьшив импульс включения до 0,01с и увеличив паузу выключения до 0,03с. У вас будет то же количество импульсов в секунду (25), но каждый импульс включения будет вдвое короче. Импульс половинной длины поворачивает двигатель на одну двадцатую оборота, и при 25 импульсах в секунду двигатель завершает 1,25 оборота в секунду или 75 об/мин. Изменяя скорость импульсов цифрового сигнала, вы уменьшили скорость аналогового двигателя вдвое.
+
+```output
+25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
+1.25 rotations per second x 60 seconds in a minute = 75rpm
+```
+
+✅ Как бы вы обеспечили плавное вращение двигателя, особенно на низких скоростях? Вы бы использовали небольшое количество длинных импульсов с длинными паузами или множество очень коротких импульсов с очень короткими паузами?
+
+> 💁 Некоторые датчики также используют PWM для преобразования аналоговых сигналов в цифровые.
+
+> 🎓 Вы можете узнать больше о широтно-импульсной модуляции на [странице Wikipedia о широтно-импульсной модуляции](https://wikipedia.org/wiki/Pulse-width_modulation).
+
+### Цифровые исполнительные механизмы
+
+Цифровые исполнительные механизмы, как и цифровые датчики, либо имеют два состояния, управляемые высоким или низким напряжением, либо имеют встроенный DAC, который может преобразовывать цифровой сигнал в аналоговый.
+
+Простой цифровой исполнительный механизм — это светодиод. Когда устройство отправляет цифровой сигнал 1, подается высокое напряжение, которое зажигает светодиод. Когда отправляется цифровой сигнал 0, напряжение падает до 0В, и светодиод выключается.
+
+![Светодиод выключен при 0В и включен при 5В](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ru.png)
+
+✅ Какие еще простые двухсостояния исполнительные механизмы вы можете придумать? Один пример — это соленоид, который является электромагнитом, который можно активировать для выполнения таких действий, как перемещение дверного болта для блокировки/разблокировки двери.
+
+Более сложные цифровые исполнительные механизмы, такие как экраны, требуют отправки цифровых данных в определенных форматах. Обычно они поставляются с библиотеками, которые упрощают отправку правильных данных для их управления.
+
+---
+
+## 🚀 Задание
+
+Задание из последних двух уроков заключалось в том, чтобы перечислить как можно больше IoT-устройств, которые находятся у вас дома, в школе или на рабочем месте, и определить, построены ли они на микроконтроллерах или одноплатных компьютерах, или даже на их смеси.
+
+Для каждого устройства, которое вы перечислили, какие датчики и исполнительные механизмы к ним подключены? Какова цель каждого датчика и исполнительного механизма, подключенного к этим устройствам?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## Обзор и самостоятельное изучение
+
+* Ознакомьтесь с электричеством и схемами на [ThingLearn](http://thinglearn.jenlooper.com/curriculum/).  
+* Узнайте о различных типах датчиков температуры в [руководстве по датчикам температуры от Seeed Studios](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/).  
+* Прочитайте о светодиодах на [странице Wikipedia о светодиодах](https://wikipedia.org/wiki/Light-emitting_diode).  
+
+## Задание
+
+[Исследуйте датчики и исполнительные механизмы](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..51fa0dad
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T23:25:53+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Исследование датчиков и исполнительных механизмов
+
+## Инструкции
+
+В этом уроке рассматривались датчики и исполнительные механизмы. Исследуйте и опишите один датчик и один исполнительный механизм, которые можно использовать с IoT-набором для разработки, включая:
+
+* Что они делают
+* Какие электроника/аппаратные компоненты используются внутри
+* Аналоговые они или цифровые
+* Какие единицы измерения и диапазон входных данных или измерений
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Описание датчика | Датчик описан с подробностями по всем 4 пунктам, указанным выше. | Датчик описан, но предоставлены детали только по 2-3 пунктам из указанных выше. | Датчик описан, но предоставлены детали только по 1 пункту из указанных выше. |
+| Описание исполнительного механизма | Исполнительный механизм описан с подробностями по всем 4 пунктам, указанным выше. | Исполнительный механизм описан, но предоставлены детали только по 2-3 пунктам из указанных выше. | Исполнительный механизм описан, но предоставлены детали только по 1 пункту из указанных выше. |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..15086267
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T23:26:21+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "ru"
+}
+-->
+# Создание ночника - Raspberry Pi
+
+В этой части урока вы добавите светодиод (LED) к вашему Raspberry Pi и используете его для создания ночника.
+
+## Аппаратное обеспечение
+
+Теперь ночнику нужен исполнительный механизм.
+
+Исполнительный механизм — это **LED**, [светодиод](https://wikipedia.org/wiki/Light-emitting_diode), который излучает свет, когда через него проходит ток. Это цифровой исполнительный механизм с двумя состояниями: включено и выключено. Отправка значения 1 включает светодиод, а 0 — выключает. Светодиод является внешним исполнительным механизмом Grove и должен быть подключен к Grove Base hat на Raspberry Pi.
+
+Логика ночника в псевдокоде:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Подключение светодиода
+
+Светодиод Grove поставляется в виде модуля с набором светодиодов, что позволяет выбрать цвет.
+
+#### Задание - подключите светодиод
+
+Подключите светодиод.
+
+![Светодиод Grove](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ru.png)
+
+1. Выберите понравившийся светодиод и вставьте его ножки в два отверстия на модуле светодиода.
+
+    Светодиоды — это светоизлучающие диоды, а диоды — это электронные устройства, которые пропускают ток только в одном направлении. Это означает, что светодиод должен быть подключен правильно, иначе он не будет работать.
+
+    Одна из ножек светодиода является положительным контактом, другая — отрицательным. Светодиод не идеально круглый и слегка сплющен с одной стороны. Слегка сплющенная сторона — это отрицательный контакт. При подключении светодиода к модулю убедитесь, что ножка со стороны округлой части подключена к разъему, отмеченному **+** на внешней стороне модуля, а сплющенная сторона подключена к разъему ближе к середине модуля.
+
+1. На модуле светодиода есть вращающаяся кнопка, которая позволяет регулировать яркость. Для начала поверните ее до упора против часовой стрелки с помощью маленькой крестовой отвертки.
+
+1. Вставьте один конец кабеля Grove в разъем на модуле светодиода. Он войдет только в одном положении.
+
+1. С выключенным Raspberry Pi подключите другой конец кабеля Grove к цифровому разъему, отмеченному **D5**, на Grove Base hat, подключенном к Pi. Этот разъем второй слева в ряду разъемов рядом с GPIO-контактами.
+
+![Светодиод Grove, подключенный к разъему D5](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ru.png)
+
+## Программирование ночника
+
+Теперь ночник можно запрограммировать, используя световой датчик Grove и светодиод Grove.
+
+### Задание - запрограммируйте ночник
+
+Запрограммируйте ночник.
+
+1. Включите Pi и дождитесь его загрузки.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания, либо запустив его непосредственно на Pi, либо подключившись с помощью расширения Remote SSH.
+
+1. Добавьте следующий код в файл `app.py`, чтобы импортировать необходимую библиотеку. Этот код должен быть добавлен в начало, под другими строками `import`.
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    Строка `from grove.grove_led import GroveLed` импортирует `GroveLed` из библиотек Grove для Python. Эта библиотека содержит код для взаимодействия со светодиодом Grove.
+
+1. Добавьте следующий код после объявления `light_sensor`, чтобы создать экземпляр класса, управляющего светодиодом:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    Строка `led = GroveLed(5)` создает экземпляр класса `GroveLed`, подключенного к контакту **D5** — цифровому разъему Grove, к которому подключен светодиод.
+
+    > 💁 Все разъемы имеют уникальные номера контактов. Контакты 0, 2, 4 и 6 — аналоговые, контакты 5, 16, 18, 22, 24 и 26 — цифровые.
+
+1. Добавьте проверку внутри цикла `while`, перед `time.sleep`, чтобы проверить уровень освещенности и включить или выключить светодиод:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Этот код проверяет значение `light`. Если оно меньше 300, вызывается метод `on` класса `GroveLed`, который отправляет цифровое значение 1 на светодиод, включая его. Если значение света больше или равно 300, вызывается метод `off`, отправляющий цифровое значение 0 на светодиод, выключая его.
+
+    > 💁 Этот код должен быть отступлен на тот же уровень, что и строка `print('Light level:', light)`, чтобы находиться внутри цикла while!
+
+    > 💁 При отправке цифровых значений на исполнительные механизмы значение 0 соответствует 0 В, а значение 1 — максимальному напряжению для устройства. Для Raspberry Pi с датчиками и исполнительными механизмами Grove напряжение 1 составляет 3,3 В.
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше Python-приложение:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Уровни освещенности будут выводиться в консоль.
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+1. Закройте и откройте световой датчик. Обратите внимание, как светодиод загорается, если уровень света 300 или меньше, и гаснет, когда уровень света превышает 300.
+
+    > 💁 Если светодиод не загорается, убедитесь, что он подключен правильно, и вращающаяся кнопка установлена на максимум.
+
+![Светодиод, подключенный к Pi, включается и выключается в зависимости от уровня освещенности](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 Вы можете найти этот код в папке [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi).
+
+😀 Ваш ночник успешно заработал!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..9e98d702
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T23:21:30+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Создание ночника - Raspberry Pi
+
+В этой части урока вы добавите датчик света к вашему Raspberry Pi.
+
+## Оборудование
+
+Датчик, используемый в этом уроке, — это **датчик света**, который использует [фотодиод](https://wikipedia.org/wiki/Photodiode) для преобразования света в электрический сигнал. Это аналоговый датчик, который отправляет целое число от 0 до 1 000, указывающее относительное количество света, не привязанное к какой-либо стандартной единице измерения, такой как [люкс](https://wikipedia.org/wiki/Lux).
+
+Датчик света является внешним датчиком Grove и должен быть подключен к Grove Base hat на Raspberry Pi.
+
+### Подключение датчика света
+
+Датчик света Grove, используемый для определения уровня освещенности, необходимо подключить к Raspberry Pi.
+
+#### Задание - подключите датчик света
+
+Подключите датчик света.
+
+![Датчик света Grove](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на модуле датчика света. Кабель вставляется только в одном направлении.
+
+1. С выключенным Raspberry Pi подключите другой конец кабеля Grove к аналоговому разъему, обозначенному как **A0**, на Grove Base hat, установленном на Pi. Этот разъем находится вторым справа в ряду разъемов рядом с GPIO-контактами.
+
+![Датчик света Grove, подключенный к разъему A0](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ru.png)
+
+## Программирование датчика света
+
+Теперь устройство можно запрограммировать с использованием датчика света Grove.
+
+### Задание - программирование датчика света
+
+Программируйте устройство.
+
+1. Включите Pi и дождитесь его загрузки.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания, либо запустив его непосредственно на Pi, либо подключившись с помощью расширения Remote SSH.
+
+1. Откройте файл `app.py` и удалите из него весь код.
+
+1. Добавьте следующий код в файл `app.py`, чтобы импортировать необходимые библиотеки:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    Оператор `import time` импортирует модуль `time`, который будет использоваться позже в этом задании.
+
+    Оператор `from grove.grove_light_sensor_v1_2 import GroveLightSensor` импортирует `GroveLightSensor` из библиотек Grove для Python. Эта библиотека содержит код для взаимодействия с датчиком света Grove и была установлена глобально во время настройки Pi.
+
+1. Добавьте следующий код после предыдущего, чтобы создать экземпляр класса, управляющего датчиком света:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    Строка `light_sensor = GroveLightSensor(0)` создает экземпляр класса `GroveLightSensor`, подключенного к контакту **A0** — аналоговому разъему Grove, к которому подключен датчик света.
+
+1. Добавьте бесконечный цикл после предыдущего кода, чтобы опрашивать значение датчика света и выводить его в консоль:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Этот код считывает текущий уровень освещенности в диапазоне от 0 до 1 023, используя свойство `light` класса `GroveLightSensor`. Это свойство считывает аналоговое значение с контакта. Это значение затем выводится в консоль.
+
+1. Добавьте небольшую паузу в одну секунду в конце цикла `loop`, так как нет необходимости проверять уровень освещенности непрерывно. Пауза снижает энергопотребление устройства.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше Python-приложение:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Значения освещенности будут выводиться в консоль. Закройте и откройте датчик света, и значения изменятся:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+> 💁 Этот код можно найти в папке [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi).
+
+😀 Добавление датчика в вашу программу ночника прошло успешно!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..d84f3913
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T23:28:42+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "ru"
+}
+-->
+# Создание ночника - Виртуальное IoT-устройство
+
+В этой части урока вы добавите светодиод (LED) к вашему виртуальному IoT-устройству и используете его для создания ночника.
+
+## Виртуальное оборудование
+
+Для ночника нужен один исполнительный механизм, созданный в приложении CounterFit.
+
+Исполнительный механизм — это **светодиод (LED)**. В физическом IoT-устройстве это был бы [светодиод](https://wikipedia.org/wiki/Light-emitting_diode), который излучает свет при прохождении через него электрического тока. Это цифровой исполнительный механизм, который имеет два состояния: включено и выключено. Отправка значения 1 включает светодиод, а 0 — выключает.
+
+Логика ночника в псевдокоде:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Добавление исполнительного механизма в CounterFit
+
+Чтобы использовать виртуальный светодиод, его нужно добавить в приложение CounterFit.
+
+#### Задание - добавление исполнительного механизма в CounterFit
+
+Добавьте светодиод в приложение CounterFit.
+
+1. Убедитесь, что веб-приложение CounterFit запущено с предыдущей части задания. Если нет, запустите его и заново добавьте датчик света.
+
+1. Создайте светодиод:
+
+    1. В поле *Create actuator* на панели *Actuator* раскройте список *Actuator type* и выберите *LED*.
+
+    1. Установите *Pin* на *5*.
+
+    1. Нажмите кнопку **Add**, чтобы создать светодиод на выводе 5.
+
+    ![Настройки светодиода](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ru.png)
+
+    Светодиод будет создан и появится в списке исполнительных механизмов.
+
+    ![Созданный светодиод](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ru.png)
+
+    После создания светодиода вы можете изменить его цвет с помощью инструмента *Color picker*. Нажмите кнопку **Set**, чтобы изменить цвет после его выбора.
+
+### Программирование ночника
+
+Теперь ночник можно запрограммировать, используя датчик света и светодиод в CounterFit.
+
+#### Задание - программирование ночника
+
+Программируйте ночник.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания. Если необходимо, завершите и заново создайте терминал, чтобы убедиться, что он работает с виртуальной средой.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в файл `app.py`, чтобы импортировать необходимую библиотеку. Этот код должен быть добавлен вверху, ниже других строк `import`.
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    Строка `from counterfit_shims_grove.grove_led import GroveLed` импортирует `GroveLed` из Python-библиотек CounterFit Grove shim. Эта библиотека содержит код для взаимодействия со светодиодом, созданным в приложении CounterFit.
+
+1. Добавьте следующий код после объявления `light_sensor`, чтобы создать экземпляр класса, управляющего светодиодом:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    Строка `led = GroveLed(5)` создает экземпляр класса `GroveLed`, подключенного к выводу **5** — выводу CounterFit Grove, к которому подключен светодиод.
+
+1. Добавьте проверку внутри цикла `while` и перед `time.sleep`, чтобы проверить уровень освещенности и включить или выключить светодиод:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    Этот код проверяет значение `light`. Если оно меньше 300, вызывается метод `on` класса `GroveLed`, который отправляет цифровое значение 1 на светодиод, включая его. Если значение света больше или равно 300, вызывается метод `off`, отправляющий цифровое значение 0 на светодиод, выключая его.
+
+    > 💁 Этот код должен быть выровнен на тот же уровень, что и строка `print('Light level:', light)`, чтобы находиться внутри цикла while!
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше Python-приложение:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Значения освещенности будут выводиться в консоль.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. Измените настройки *Value* или *Random*, чтобы варьировать уровень освещенности выше и ниже 300. Светодиод будет включаться и выключаться.
+
+![Светодиод в приложении CounterFit включается и выключается при изменении уровня освещенности](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 Вы можете найти этот код в папке [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device).
+
+😀 Ваше программирование ночника прошло успешно!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..166fea3f
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T23:29:43+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Создание ночника - Виртуальное IoT-устройство
+
+В этой части урока вы добавите датчик света к вашему виртуальному IoT-устройству.
+
+## Виртуальное оборудование
+
+Для ночника нужен один датчик, созданный в приложении CounterFit.
+
+Этот датчик — **датчик света**. В физическом IoT-устройстве это был бы [фотодиод](https://wikipedia.org/wiki/Photodiode), который преобразует свет в электрический сигнал. Датчики света являются аналоговыми датчиками, которые отправляют целочисленное значение, указывающее относительное количество света, не привязанное к какой-либо стандартной единице измерения, такой как [люкс](https://wikipedia.org/wiki/Lux).
+
+### Добавление датчиков в CounterFit
+
+Чтобы использовать виртуальный датчик света, его нужно добавить в приложение CounterFit.
+
+#### Задача - добавление датчиков в CounterFit
+
+Добавьте датчик света в приложение CounterFit.
+
+1. Убедитесь, что веб-приложение CounterFit запущено с предыдущей части задания. Если нет, запустите его.
+
+1. Создайте датчик света:
+
+    1. В поле *Create sensor* на панели *Sensors* раскройте список *Sensor type* и выберите *Light*.
+
+    1. Оставьте *Units* установленным на *NoUnits*.
+
+    1. Убедитесь, что *Pin* установлен на *0*.
+
+    1. Нажмите кнопку **Add**, чтобы создать датчик света на выводе 0.
+
+    ![Настройки датчика света](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ru.png)
+
+    Датчик света будет создан и появится в списке датчиков.
+
+    ![Созданный датчик света](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ru.png)
+
+## Программирование датчика света
+
+Теперь устройство можно запрограммировать для использования встроенного датчика света.
+
+### Задача - программирование датчика света
+
+Программируйте устройство.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания. Если необходимо, завершите и заново создайте терминал, чтобы убедиться, что он работает с использованием виртуальной среды.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в начало файла `app.py` вместе с остальными инструкциями `import`, чтобы подключить необходимые библиотеки:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    Инструкция `import time` импортирует модуль Python `time`, который будет использоваться позже в этом задании.
+
+    Инструкция `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` импортирует `GroveLightSensor` из библиотек Python CounterFit Grove shim. Эта библиотека содержит код для взаимодействия с датчиком света, созданным в приложении CounterFit.
+
+1. Добавьте следующий код в конец файла, чтобы создать экземпляры классов, управляющих датчиком света:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    Строка `light_sensor = GroveLightSensor(0)` создает экземпляр класса `GroveLightSensor`, подключенного к выводу **0** — выводу CounterFit Grove, к которому подключен датчик света.
+
+1. Добавьте бесконечный цикл после кода выше, чтобы опрашивать значение датчика света и выводить его в консоль:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    Это позволит считывать текущий уровень освещенности с помощью свойства `light` класса `GroveLightSensor`. Это свойство считывает аналоговое значение с вывода. Затем это значение выводится в консоль.
+
+1. Добавьте небольшую паузу в одну секунду в конце цикла `while`, так как уровень освещенности не нужно проверять непрерывно. Пауза снижает энергопотребление устройства.
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше приложение на Python:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Значения освещенности будут выводиться в консоль. Изначально это значение будет равно 0.
+
+1. В приложении CounterFit измените значение датчика света, которое будет считываться приложением. Вы можете сделать это двумя способами:
+
+    * Введите число в поле *Value* для датчика света, затем нажмите кнопку **Set**. Число, которое вы введете, будет значением, возвращаемым датчиком.
+
+    * Установите флажок *Random* и введите значения *Min* и *Max*, затем нажмите кнопку **Set**. Каждый раз, когда датчик считывает значение, оно будет случайным числом между *Min* и *Max*.
+
+    Установленные вами значения будут выводиться в консоль. Измените *Value* или настройки *Random*, чтобы значение изменилось.
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device).
+
+😀 Ваше приложение для ночника успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..c97a86f8
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T23:27:40+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "ru"
+}
+-->
+# Создание ночника - Wio Terminal
+
+В этой части урока вы добавите светодиод (LED) к вашему Wio Terminal и создадите ночник.
+
+## Аппаратное обеспечение
+
+Теперь ночнику нужен исполнительный механизм.
+
+Исполнительный механизм — это **LED**, [светодиод](https://wikipedia.org/wiki/Light-emitting_diode), который излучает свет, когда через него проходит ток. Это цифровой исполнительный механизм, который имеет два состояния: включено и выключено. Отправка значения 1 включает светодиод, а 0 — выключает. Это внешний исполнительный механизм Grove, который необходимо подключить к Wio Terminal.
+
+Логика ночника в псевдокоде:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### Подключение светодиода
+
+Светодиод Grove поставляется в виде модуля с набором светодиодов, что позволяет выбрать цвет.
+
+#### Задание - подключите светодиод
+
+Подключите светодиод.
+
+![Светодиод Grove](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ru.png)
+
+1. Выберите понравившийся светодиод и вставьте ножки в два отверстия на модуле светодиода.
+
+    Светодиоды — это светодиоды, а диоды — это электронные устройства, которые пропускают ток только в одном направлении. Это означает, что светодиод нужно подключить правильно, иначе он не будет работать.
+
+    Одна из ножек светодиода — это положительный контакт, другая — отрицательный. Светодиод не идеально круглый, одна сторона немного более плоская. Плоская сторона — это отрицательный контакт. При подключении светодиода к модулю убедитесь, что ножка с округлой стороны подключена к разъему, обозначенному **+** на внешней стороне модуля, а плоская сторона подключена к разъему ближе к центру модуля.
+
+1. На модуле светодиода есть вращающаяся кнопка, которая позволяет регулировать яркость. Для начала поверните ее максимально против часовой стрелки с помощью маленькой отвертки с крестообразным шлицем.
+
+1. Вставьте один конец кабеля Grove в разъем на модуле светодиода. Он вставляется только в одном направлении.
+
+1. С отключенным от компьютера или другого источника питания Wio Terminal подключите другой конец кабеля Grove к правому разъему Grove на Wio Terminal, если смотреть на экран. Это разъем, который находится дальше всего от кнопки питания.
+
+    > 💁 Правый разъем Grove можно использовать с аналоговыми или цифровыми датчиками и исполнительными механизмами. Левый разъем предназначен только для цифровых датчиков и исполнительных механизмов.
+
+![Светодиод Grove, подключенный к правому разъему](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ru.png)
+
+## Программирование ночника
+
+Теперь ночник можно запрограммировать, используя встроенный датчик света и светодиод Grove.
+
+### Задание - запрограммируйте ночник
+
+Программируйте ночник.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания.
+
+1. Добавьте следующую строку в конец функции `setup`:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    Эта строка настраивает контакт, используемый для связи со светодиодом через порт Grove.
+
+    Контакт `D0` — это цифровой контакт для правого разъема Grove. Этот контакт настроен как `OUTPUT`, что означает, что он подключен к исполнительному механизму, и данные будут записываться на контакт.
+
+1. Добавьте следующий код непосредственно перед `delay` в функции цикла:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    Этот код проверяет значение `light`. Если оно меньше 300, отправляется значение `HIGH` на цифровой контакт `D0`. Это значение `HIGH` равно 1, что включает светодиод. Если значение света больше или равно 300, отправляется значение `LOW`, равное 0, что выключает светодиод.
+
+    > 💁 При отправке цифровых значений на исполнительные механизмы значение LOW равно 0 В, а значение HIGH — это максимальное напряжение для устройства. Для Wio Terminal максимальное напряжение HIGH составляет 3.3 В.
+
+1. Подключите Wio Terminal к компьютеру и загрузите новый код, как вы делали ранее.
+
+1. Подключите Serial Monitor. Значения света будут выводиться в терминал.
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+1. Закрывайте и открывайте датчик света. Обратите внимание, как светодиод загорается, если уровень света составляет 300 или меньше, и гаснет, когда уровень света превышает 300.
+
+![Светодиод, подключенный к Wio, включается и выключается в зависимости от уровня света](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 Вы можете найти этот код в папке [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal).
+
+😀 Ваш ночник успешно запрограммирован!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..1cf5726a
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T23:30:54+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Добавление датчика - Wio Terminal
+
+В этой части урока вы будете использовать датчик света на вашем Wio Terminal.
+
+## Оборудование
+
+Датчик, используемый в этом уроке, — это **датчик света**, который использует [фотодиод](https://wikipedia.org/wiki/Photodiode) для преобразования света в электрический сигнал. Это аналоговый датчик, который отправляет целое число от 0 до 1023, указывающее относительное количество света. Это значение не соответствует никакой стандартной единице измерения, такой как [люкс](https://wikipedia.org/wiki/Lux).
+
+Датчик света встроен в Wio Terminal и виден через прозрачное пластиковое окно на задней стороне устройства.
+
+![Датчик света на задней стороне Wio Terminal](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ru.png)
+
+## Программирование датчика света
+
+Теперь устройство можно запрограммировать для использования встроенного датчика света.
+
+### Задание
+
+Запрограммируйте устройство.
+
+1. Откройте проект ночника в VS Code, который вы создали в предыдущей части задания.
+
+1. Добавьте следующую строку в конец функции `setup`:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    Эта строка настраивает пины, используемые для связи с аппаратным обеспечением датчика.
+
+    Пин `WIO_LIGHT` — это номер GPIO-пина, подключенного к встроенному датчику света. Этот пин настроен как `INPUT`, что означает, что он подключен к датчику, и данные будут считываться с этого пина.
+
+1. Удалите содержимое функции `loop`.
+
+1. Добавьте следующий код в теперь пустую функцию `loop`.
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    Этот код считывает аналоговое значение с пина `WIO_LIGHT`. Оно представляет собой значение от 0 до 1023, полученное от встроенного датчика света. Это значение затем отправляется в последовательный порт, чтобы вы могли прочитать его в Serial Monitor, когда этот код выполняется. `Serial.print` записывает текст без новой строки в конце, поэтому каждая строка будет начинаться с `Light value:` и заканчиваться фактическим значением света.
+
+1. Добавьте небольшую задержку в одну секунду (1000 мс) в конце функции `loop`, так как уровень освещенности не нужно проверять непрерывно. Задержка снижает энергопотребление устройства.
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. Подключите Wio Terminal к вашему компьютеру и загрузите новый код так же, как вы делали это ранее.
+
+1. Подключите Serial Monitor. Значения освещенности будут выводиться в терминал. Закрывайте и открывайте датчик света на задней стороне Wio Terminal, и значения будут изменяться.
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal).
+
+😀 Добавление датчика в вашу программу ночника прошло успешно!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/README.md b/translations/ru/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..6e23492f
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,466 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T23:10:38+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "ru"
+}
+-->
+# Подключите ваше устройство к Интернету
+
+![Скетчноут с обзором урока](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был проведен в рамках серии [Hello IoT](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn). Урок состоял из двух видео: часового занятия и часового офисного часа, где более подробно рассматривались части урока и отвечались вопросы.
+
+[![Урок 4: Подключите ваше устройство к Интернету](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![Урок 4: Подключите ваше устройство к Интернету - Офисные часы](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 Нажмите на изображения выше, чтобы посмотреть видео
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## Введение
+
+**I** в IoT означает **Internet** — облачное подключение и сервисы, которые обеспечивают множество функций IoT-устройств, от сбора данных с датчиков, подключенных к устройству, до отправки сообщений для управления исполнительными механизмами. IoT-устройства обычно подключаются к одному облачному IoT-сервису, используя стандартный протокол связи, а этот сервис подключается к остальной части вашего IoT-приложения, включая AI-сервисы для принятия умных решений на основе данных, а также веб-приложения для управления или отчетности.
+
+> 🎓 Данные, собранные с датчиков и отправленные в облако, называются телеметрией.
+
+IoT-устройства могут получать сообщения из облака. Часто эти сообщения содержат команды — инструкции для выполнения действия либо внутри устройства (например, перезагрузка или обновление прошивки), либо с использованием исполнительного механизма (например, включение света).
+
+Этот урок знакомит с некоторыми протоколами связи, которые IoT-устройства могут использовать для подключения к облаку, а также с типами данных, которые они могут отправлять или получать. Вы также получите практический опыт работы с ними, добавив управление через Интернет к вашему ночнику, переместив логику управления светодиодом в код "сервера", работающего локально.
+
+В этом уроке мы рассмотрим:
+
+* [Протоколы связи](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Message Queueing Telemetry Transport (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Телеметрия](../../../../../1-getting-started/lessons/4-connect-internet)
+* [Команды](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## Протоколы связи
+
+Существует множество популярных протоколов связи, которые IoT-устройства используют для взаимодействия с Интернетом. Наиболее популярные из них основаны на обмене сообщениями по принципу публикации/подписки через брокер. IoT-устройства подключаются к брокеру, публикуют телеметрию и подписываются на команды. Облачные сервисы также подключаются к брокеру, подписываются на все сообщения телеметрии и публикуют команды либо для конкретных устройств, либо для групп устройств.
+
+![IoT-устройства подключаются к брокеру, публикуют телеметрию и подписываются на команды. Облачные сервисы подключаются к брокеру, подписываются на всю телеметрию и отправляют команды конкретным устройствам.](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ru.png)
+
+MQTT — самый популярный протокол связи для IoT-устройств, и он рассматривается в этом уроке. Другие протоколы включают AMQP и HTTP/HTTPS.
+
+## Message Queueing Telemetry Transport (MQTT)
+
+[MQTT](http://mqtt.org) — это легковесный, открытый стандарт протокола обмена сообщениями, который позволяет отправлять сообщения между устройствами. Он был разработан в 1999 году для мониторинга нефтепроводов, а спустя 15 лет был выпущен как открытый стандарт компанией IBM.
+
+MQTT использует одного брокера и множество клиентов. Все клиенты подключаются к брокеру, а брокер маршрутизирует сообщения к соответствующим клиентам. Сообщения маршрутизируются с использованием именованных тем, а не отправляются напрямую отдельному клиенту. Клиент может публиковать сообщения в тему, и все клиенты, подписанные на эту тему, получат сообщение.
+
+![IoT-устройство публикует телеметрию в теме /telemetry, а облачный сервис подписывается на эту тему](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ru.png)
+
+✅ Проведите исследование. Если у вас много IoT-устройств, как можно убедиться, что ваш MQTT-брокер справится с обработкой всех сообщений?
+
+### Подключите ваше IoT-устройство к MQTT
+
+Первый шаг в добавлении управления через Интернет к вашему ночнику — подключение его к MQTT-брокеру.
+
+#### Задание
+
+Подключите ваше устройство к MQTT-брокеру.
+
+На этом этапе урока вы подключите ваш IoT-ночник к Интернету, чтобы его можно было управлять удаленно. Позже в этом уроке ваше IoT-устройство отправит телеметрическое сообщение через MQTT на публичный MQTT-брокер с уровнем освещенности, где оно будет обработано серверным кодом, который вы напишете. Этот код проверит уровень освещенности и отправит командное сообщение обратно на устройство, чтобы включить или выключить светодиод.
+
+Реальный пример использования такой системы может быть связан с сбором данных с нескольких датчиков освещенности перед принятием решения о включении света в месте с большим количеством ламп, например, на стадионе. Это может предотвратить включение света, если только один датчик оказался в тени облаков или птицы, а остальные датчики фиксируют достаточный уровень освещенности.
+
+✅ Какие еще ситуации могут требовать оценки данных с нескольких датчиков перед отправкой команд?
+
+Вместо того чтобы разбираться с настройкой MQTT-брокера в рамках этого задания, вы можете использовать публичный тестовый сервер, который работает на [Eclipse Mosquitto](https://www.mosquitto.org), открытом MQTT-брокере. Этот тестовый брокер доступен по адресу [test.mosquitto.org](https://test.mosquitto.org) и не требует создания учетной записи, что делает его отличным инструментом для тестирования MQTT-клиентов и серверов.
+
+> 💁 Этот тестовый брокер является публичным и небезопасным. Любой может слушать то, что вы публикуете, поэтому его не следует использовать для данных, которые нужно сохранить в тайне.
+
+![Диаграмма задания, показывающая чтение и проверку уровня освещенности, а также управление светодиодом](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ru.png)
+
+Следуйте соответствующему шагу ниже, чтобы подключить ваше устройство к MQTT-брокеру:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-mqtt.md)
+
+### Более глубокое изучение MQTT
+
+Темы могут иметь иерархию, и клиенты могут подписываться на разные уровни иерархии, используя подстановочные знаки. Например, вы можете отправлять сообщения телеметрии температуры в тему `/telemetry/temperature` и сообщения влажности в тему `/telemetry/humidity`, а затем в вашем облачном приложении подписаться на тему `/telemetry/*`, чтобы получать сообщения телеметрии температуры и влажности.
+
+Сообщения могут отправляться с уровнем качества обслуживания (QoS), который определяет гарантию получения сообщения.
+
+* Максимум один раз — сообщение отправляется только один раз, и клиент и брокер не предпринимают дополнительных шагов для подтверждения доставки (отправить и забыть).
+* Минимум один раз — сообщение повторно отправляется отправителем несколько раз, пока не будет получено подтверждение (подтвержденная доставка).
+* Ровно один раз — отправитель и получатель выполняют двухуровневое рукопожатие, чтобы гарантировать получение только одной копии сообщения (гарантированная доставка).
+
+✅ Какие ситуации могут требовать гарантированной доставки сообщения вместо отправки и забывания?
+
+Несмотря на название Message Queueing (MQTT), протокол фактически не поддерживает очереди сообщений. Это означает, что если клиент отключится, а затем подключится снова, он не получит сообщения, отправленные во время отключения, за исключением тех, которые он уже начал обрабатывать с использованием процесса QoS. Сообщения могут иметь установленный флаг сохранения. Если этот флаг установлен, MQTT-брокер сохранит последнее сообщение, отправленное в тему с этим флагом, и отправит его любым клиентам, которые позже подпишутся на эту тему. Таким образом, клиенты всегда будут получать последнее сообщение.
+
+MQTT также поддерживает функцию keep alive, которая проверяет, активное ли соединение во время длительных пауз между сообщениями.
+
+> 🦟 [Mosquitto от Eclipse Foundation](https://mosquitto.org) предоставляет бесплатный MQTT-брокер, который вы можете запустить самостоятельно для экспериментов с MQTT, а также публичный MQTT-брокер для тестирования вашего кода, доступный по адресу [test.mosquitto.org](https://test.mosquitto.org).
+
+Соединения MQTT могут быть публичными и открытыми или зашифрованными и защищенными с использованием имен пользователей и паролей или сертификатов.
+
+> 💁 MQTT работает через TCP/IP, тот же сетевой протокол, что и HTTP, но на другом порту. Вы также можете использовать MQTT через веб-сокеты для взаимодействия с веб-приложениями, работающими в браузере, или в ситуациях, когда брандмауэры или другие сетевые правила блокируют стандартные соединения MQTT.
+
+## Телеметрия
+
+Слово "телеметрия" происходит от греческих корней, означающих "измерять удаленно". Телеметрия — это процесс сбора данных с датчиков и отправки их в облако.
+
+> 💁 Одно из первых устройств телеметрии было изобретено во Франции в 1874 году и отправляло данные о погоде и глубине снега в реальном времени с Монблана в Париж. Оно использовало физические провода, так как беспроводные технологии в то время были недоступны.
+
+Давайте вернемся к примеру умного термостата из Урока 1.
+
+![Термостат, подключенный к Интернету, использующий несколько датчиков температуры](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ru.png)
+
+Термостат имеет датчики температуры для сбора телеметрии. Скорее всего, у него будет один встроенный датчик температуры, и он может подключаться к нескольким внешним датчикам температуры через беспроводной протокол, такой как [Bluetooth Low Energy](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE).
+
+Пример данных телеметрии, которые он может отправлять:
+
+| Имя | Значение | Описание |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | Температура, измеренная встроенным датчиком температуры термостата |
+| `livingroom_temperature` | 19°C | Температура, измеренная удаленным датчиком температуры, который был назван `livingroom` для идентификации комнаты, в которой он находится |
+| `bedroom_temperature` | 21°C | Температура, измеренная удаленным датчиком температуры, который был назван `bedroom` для идентификации комнаты, в которой он находится |
+
+Облачный сервис затем может использовать эти данные телеметрии для принятия решений о том, какие команды отправить для управления отоплением.
+
+### Отправка телеметрии с вашего IoT-устройства
+
+Следующий шаг в добавлении управления через Интернет к вашему ночнику — отправка телеметрии уровня освещенности на MQTT-брокер в тему телеметрии.
+
+#### Задание — отправка телеметрии с вашего IoT-устройства
+
+Отправьте телеметрию уровня освещенности на MQTT-брокер.
+
+Данные отправляются в формате JSON — сокращение от JavaScript Object Notation, стандарта для кодирования данных в текстовом виде с использованием пар ключ/значение.
+
+✅ Если вы ранее не сталкивались с JSON, вы можете узнать больше о нем в [документации JSON.org](https://www.json.org/).
+
+Следуйте соответствующему шагу ниже, чтобы отправить телеметрию с вашего устройства на MQTT-брокер:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-telemetry.md)
+
+### Получение телеметрии от MQTT-брокера
+
+Нет смысла отправлять телеметрию, если на другом конце никто ее не слушает. Телеметрия уровня освещенности нуждается в чем-то, что будет ее слушать и обрабатывать данные. Этот "серверный" код — это тот тип кода, который вы будете разворачивать в облачном сервисе как часть более крупного IoT-приложения, но здесь вы будете запускать этот код локально на вашем компьютере (или на вашем Raspberry Pi, если вы работаете непосредственно на нем). Серверный код состоит из Python-приложения, которое слушает сообщения телеметрии через MQTT с уровнями освещенности. Позже в этом уроке вы заставите его отвечать командным сообщением с инструкциями включить или выключить светодиод.
+
+✅ Проведите исследование: Что происходит с сообщениями MQTT, если нет слушателя?
+
+#### Установите Python и VS Code
+
+Если у вас не установлен Python и VS Code локально, вам нужно будет установить их оба, чтобы написать серверный код. Если вы используете виртуальное IoT-устройство или работаете на вашем Raspberry Pi, вы можете пропустить этот шаг, так как они уже должны быть установлены и настроены.
+
+##### Задание — установка Python и VS Code
+
+Установите Python и VS Code.
+
+1. Установите Python. Обратитесь к [странице загрузки Python](https://www.python.org/downloads/) для инструкций по установке последней версии Python.
+
+1. Установите Visual Studio Code (VS Code). Это редактор, который вы будете использовать для написания кода виртуального устройства на Python. Обратитесь к [документации VS Code](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) для инструкций по установке VS Code.
+💁 Вы можете использовать любой Python IDE или редактор для этих уроков, если у вас есть предпочтительный инструмент, но инструкции в уроках будут основаны на использовании VS Code.
+1. Установите расширение Pylance для VS Code. Это расширение для VS Code, которое предоставляет поддержку языка Python. Ознакомьтесь с [документацией по расширению Pylance](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance), чтобы узнать, как установить это расширение в VS Code.
+
+#### Настройка виртуального окружения Python
+
+Одной из мощных возможностей Python является возможность устанавливать [pip-пакеты](https://pypi.org) — это пакеты кода, написанные другими людьми и опубликованные в Интернете. Вы можете установить pip-пакет на свой компьютер одной командой, а затем использовать этот пакет в своем коде. Вы будете использовать pip для установки пакета для работы с MQTT.
+
+По умолчанию, когда вы устанавливаете пакет, он становится доступным везде на вашем компьютере, что может привести к проблемам с версиями пакетов — например, одно приложение зависит от одной версии пакета, которая перестает работать, если вы устанавливаете новую версию для другого приложения. Чтобы избежать этой проблемы, вы можете использовать [виртуальное окружение Python](https://docs.python.org/3/library/venv.html) — по сути, это копия Python в выделенной папке, и при установке pip-пакетов они устанавливаются только в эту папку.
+
+##### Задача — настройка виртуального окружения Python
+
+Настройте виртуальное окружение Python и установите pip-пакеты для MQTT.
+
+1. В терминале или командной строке выполните следующую команду в выбранной вами директории, чтобы создать и перейти в новую папку:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. Теперь выполните следующую команду, чтобы создать виртуальное окружение в папке `.venv`:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 Вам нужно явно вызвать `python3`, чтобы создать виртуальное окружение, на случай если у вас установлены Python 2 и Python 3 (последняя версия). Если у вас установлен Python 2, то вызов `python` будет использовать Python 2 вместо Python 3.
+
+1. Активируйте виртуальное окружение:
+
+    * На Windows:
+        * Если вы используете Command Prompt или Command Prompt через Windows Terminal, выполните:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Если вы используете PowerShell, выполните:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * На macOS или Linux выполните:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Эти команды нужно выполнять из той же директории, где вы создавали виртуальное окружение. Вам никогда не нужно заходить в папку `.venv`, вы всегда должны запускать команду активации и любые команды для установки пакетов или выполнения кода из папки, в которой вы находились при создании виртуального окружения.
+
+1. После активации виртуального окружения команда `python` по умолчанию будет запускать версию Python, которая использовалась для создания виртуального окружения. Выполните следующую команду, чтобы узнать версию:
+
+    ```sh
+    python --version
+    ```
+
+    Вывод будет похож на следующий:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 Ваша версия Python может отличаться — главное, чтобы это была версия 3.6 или выше. Если нет, удалите эту папку, установите более новую версию Python и попробуйте снова.
+
+1. Выполните следующие команды, чтобы установить pip-пакет [Paho-MQTT](https://pypi.org/project/paho-mqtt/), популярную библиотеку для работы с MQTT:
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    Этот pip-пакет будет установлен только в виртуальном окружении и не будет доступен за его пределами.
+
+#### Написание серверного кода
+
+Теперь можно написать серверный код на Python.
+
+##### Задача — написать серверный код
+
+Напишите серверный код.
+
+1. В терминале или командной строке выполните следующую команду внутри виртуального окружения, чтобы создать файл Python с именем `app.py`:
+
+    * На Windows выполните:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * На macOS или Linux выполните:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. Откройте текущую папку в VS Code:
+
+    ```sh
+    code .
+    ```
+
+1. Когда VS Code запустится, он активирует виртуальное окружение Python. Это будет отображено в нижней строке состояния:
+
+    ![VS Code показывает выбранное виртуальное окружение](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ru.png)
+
+1. Если терминал VS Code уже запущен при старте VS Code, виртуальное окружение в нем не будет активировано. Самое простое решение — завершить работу терминала, нажав кнопку **Kill the active terminal instance**:
+
+    ![Кнопка завершения работы терминала в VS Code](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ru.png)
+
+1. Запустите новый терминал VS Code, выбрав *Terminal -> New Terminal* или нажав `` CTRL+` ``. Новый терминал загрузит виртуальное окружение, и вызов команды активации будет отображен в терминале. Имя виртуального окружения (`.venv`) также будет отображено в приглашении:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. Откройте файл `app.py` в проводнике VS Code и добавьте следующий код:
+
+    ```python
+    import json
+    import time
+    
+    import paho.mqtt.client as mqtt
+    
+    id = '<ID>'
+    
+    client_telemetry_topic = id + '/telemetry'
+    client_name = id + 'nightlight_server'
+    
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+    
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+    mqtt_client.subscribe(client_telemetry_topic)
+    mqtt_client.on_message = handle_telemetry
+    
+    while True:
+        time.sleep(2)
+    ```
+
+    Замените `<ID>` на строке 6 уникальным идентификатором, который вы использовали при создании кода устройства.
+
+    ⚠️ Этот идентификатор **обязательно** должен совпадать с тем, который вы использовали на устройстве, иначе серверный код не сможет подписаться или публиковать сообщения в нужную тему.
+
+    Этот код создает MQTT-клиент с уникальным именем и подключается к брокеру *test.mosquitto.org*. Затем он запускает цикл обработки, который работает в фоновом потоке, слушая сообщения по подписанным темам.
+
+    Клиент подписывается на сообщения по теме телеметрии и определяет функцию, которая вызывается при получении сообщения. Когда получено сообщение телеметрии, вызывается функция `handle_telemetry`, которая выводит полученное сообщение в консоль.
+
+    Наконец, бесконечный цикл поддерживает работу приложения. MQTT-клиент слушает сообщения в фоновом потоке и работает все время, пока основное приложение запущено.
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше Python-приложение:
+
+    ```sh
+    python app.py
+    ```
+
+    Приложение начнет слушать сообщения от IoT-устройства.
+
+1. Убедитесь, что ваше устройство работает и отправляет телеметрические сообщения. Изменяйте уровни освещения, которые фиксирует ваше физическое или виртуальное устройство. Полученные сообщения будут выводиться в терминал.
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    Файл `app.py` в виртуальном окружении nightlight должен быть запущен, чтобы файл `app.py` в виртуальном окружении nightlight-server мог получать отправляемые сообщения.
+
+> 💁 Вы можете найти этот код в папке [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server).
+
+### Как часто следует отправлять телеметрию?
+
+Один из важных вопросов при работе с телеметрией — как часто измерять и отправлять данные? Ответ — это зависит от ситуации. Если вы измеряете часто, вы можете быстрее реагировать на изменения, но при этом используете больше энергии, больше пропускной способности, генерируете больше данных и требуете больше облачных ресурсов для их обработки. Нужно измерять достаточно часто, но не слишком часто.
+
+Для термостата измерение каждые несколько минут, вероятно, более чем достаточно, так как температура не меняется так быстро. Если измерять только раз в день, вы можете случайно нагревать дом для ночной температуры в середине солнечного дня. Если измерять каждую секунду, вы получите тысячи ненужных дублирующих измерений температуры, которые будут расходовать интернет-канал и пропускную способность пользователя (что может быть проблемой для людей с ограниченными тарифными планами), использовать больше энергии, что может быть проблемой для устройств с батарейным питанием, и увеличивать стоимость облачных вычислительных ресурсов для их обработки и хранения.
+
+Если вы отслеживаете данные о работе оборудования на заводе, где сбой может привести к катастрофическим повреждениям и миллионным убыткам, то измерение несколько раз в секунду может быть необходимым. Лучше потратить лишнюю пропускную способность, чем пропустить телеметрию, указывающую на необходимость остановить и починить оборудование до его поломки.
+
+> 💁 В такой ситуации вы можете рассмотреть возможность использования edge-устройства для предварительной обработки телеметрии, чтобы снизить зависимость от Интернета.
+
+### Потеря соединения
+
+Интернет-соединения могут быть ненадежными, и перебои случаются часто. Что должно делать IoT-устройство в таких обстоятельствах — терять данные или сохранять их до восстановления соединения? Ответ снова зависит от ситуации.
+
+Для термостата данные, вероятно, можно терять, как только получено новое измерение температуры. Системе отопления не важно, что 20 минут назад температура была 20.5°C, если сейчас она 19°C — именно текущая температура определяет, включать ли отопление.
+
+Для оборудования вы, возможно, захотите сохранить данные, особенно если они используются для анализа трендов. Существуют модели машинного обучения, которые могут обнаруживать аномалии в потоках данных, анализируя данные за определенный период времени (например, за последний час) и выявляя аномальные значения. Это часто используется для предиктивного обслуживания, чтобы выявить признаки возможной поломки и починить или заменить оборудование до того, как это произойдет. Вы можете захотеть отправить всю телеметрию оборудования для обработки аномалий, поэтому, как только IoT-устройство восстановит соединение, оно отправит всю телеметрию, сгенерированную во время перебоя.
+
+Дизайнеры IoT-устройств также должны учитывать, может ли устройство работать во время перебоя в Интернете или потери сигнала из-за местоположения. Умный термостат должен быть способен принимать ограниченные решения для управления отоплением, если он не может отправить телеметрию в облако из-за перебоя.
+
+[![Этот Ferrari перестал работать, потому что кто-то попытался обновить его под землей, где нет сигнала](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ru.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+Для MQTT, чтобы справляться с потерей соединения, код устройства и сервера должен быть ответственным за обеспечение доставки сообщений, если это необходимо, например, требуя, чтобы на все отправленные сообщения отвечали дополнительные сообщения в теме ответа, и если этого не происходит, они вручную ставятся в очередь для повторной отправки позже.
+
+## Команды
+
+Команды — это сообщения, отправляемые из облака на устройство, чтобы дать ему указание что-то сделать. Чаще всего это связано с выдачей какого-либо результата через исполнительное устройство, но это может быть и инструкция для самого устройства, например, перезагрузиться или собрать дополнительную телеметрию и вернуть ее в ответ на команду.
+
+![Интернет-подключенный термостат получает команду включить отопление](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ru.png)
+
+Термостат может получить команду из облака включить отопление. На основе данных телеметрии от всех датчиков облачный сервис принимает решение, что отопление должно быть включено, и отправляет соответствующую команду.
+
+### Отправка команд на MQTT-брокер
+
+Следующий шаг для нашего ночника с управлением через Интернет — это серверный код, отправляющий команду обратно на IoT-устройство для управления светом в зависимости от уровня освещенности.
+
+1. Откройте серверный код в VS Code.
+
+1. Добавьте следующую строку после объявления `client_telemetry_topic`, чтобы определить, в какую тему отправлять команды:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. Добавьте следующий код в конец функции `handle_telemetry`:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Этот код отправляет JSON-сообщение в тему команд с параметром `led_on`, установленным в true или false в зависимости от того, меньше ли освещенность 300. Если освещенность меньше 300, отправляется true, чтобы указать устройству включить светодиод.
+
+1. Запустите код, как и раньше.
+
+1. Изменяйте уровни освещенности, которые фиксирует ваше физическое или виртуальное устройство. Полученные сообщения и отправленные команды будут отображаться в терминале:
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Sending message: {'led_on': True}
+    Message received: {'light': 400}
+    Sending message: {'led_on': False}
+    ```
+
+> 💁 Телеметрия и команды отправляются в одну тему каждая. Это означает, что телеметрия от нескольких устройств будет появляться в одной теме телеметрии, а команды для нескольких устройств — в одной теме команд. Если вы хотите отправить команду конкретному устройству, вы можете использовать несколько тем, названных с уникальным идентификатором устройства, например, `/commands/device1`, `/commands/device2`. Таким образом, устройство может слушать сообщения, предназначенные только для него.
+
+> 💁 Вы можете найти этот код в папке [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server).
+
+### Обработка команд на IoT-устройстве
+
+Теперь, когда команды отправляются с сервера, вы можете добавить код на IoT-устройство для их обработки и управления светодиодом.
+
+Следуйте соответствующему шагу ниже, чтобы слушать команды от MQTT-брокера:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-commands.md)
+
+После написания и запуска этого кода экспериментируйте с изменением уровней освещенности. Наблюдайте за выводом сервера и устройства, а также за светодиодом при изменении уровней освещенности.
+
+### Потеря соединения
+
+Что должен делать облачный сервис, если ему нужно отправить команду IoT-устройству, которое находится в оффлайне? Ответ снова зависит от ситуации.
+
+Если последняя команда отменяет предыдущую, то предыдущие команды, вероятно, можно игнорировать. Если облачный сервис отправляет команду включить отопление, а затем команду выключить его, то команду включения можно игнорировать и не отправлять повторно.
+
+Если команды должны обрабатываться последовательно, например, поднять роботизированную руку, а затем закрыть захват, то их нужно отправлять в порядке после восстановления соединения.
+
+✅ Как устройство или серверный код могут гарантировать, что команды всегда отправляются и обрабатываются в порядке, если это необходимо, через MQTT?
+
+---
+
+## 🚀 Задание
+
+Вызов в последних трех уроках заключался в том, чтобы перечислить как можно больше IoT-устройств, которые есть у вас дома, в школе или на работе, и определить, построены ли они на микроконтроллерах или одноплатных компьютерах, или даже на их сочетании, а также подумать, какие датчики и исполнительные устройства они используют.
+Для этих устройств подумайте, какие сообщения они могут отправлять или получать. Какую телеметрию они отправляют? Какие сообщения или команды они могут получать? Считаете ли вы, что они безопасны?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## Обзор и самостоятельное изучение
+
+Прочитайте больше о MQTT на [странице Wikipedia о MQTT](https://wikipedia.org/wiki/MQTT).
+
+Попробуйте запустить MQTT-брокер самостоятельно, используя [Mosquitto](https://www.mosquitto.org), и подключитесь к нему с вашего IoT-устройства и серверного кода.
+
+> 💁 Совет - по умолчанию Mosquitto не позволяет анонимные подключения (то есть подключения без имени пользователя и пароля) и не позволяет подключения извне компьютера, на котором он запущен.
+> Вы можете исправить это с помощью [конфигурационного файла `mosquitto.conf`](https://www.mosquitto.org/man/mosquitto-conf-5.html) с следующим содержимым:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## Задание
+
+[Сравните и сопоставьте MQTT с другими протоколами связи](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/ru/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..63bb4969
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T23:18:04+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Сравнение MQTT с другими протоколами связи
+
+## Инструкции
+
+На этом уроке был рассмотрен MQTT как протокол связи. Существуют и другие, такие как AMQP и HTTP/HTTPS.
+
+Изучите оба этих протокола и сравните их с MQTT. Обратите внимание на энергопотребление, безопасность и сохранение сообщений при потере соединения.
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | -------- | ----------------- |
+| Сравнение AMQP с MQTT | Умеет сравнивать и сопоставлять AMQP с MQTT, охватывая энергопотребление, безопасность и сохранение сообщений. | Частично умеет сравнивать и сопоставлять AMQP с MQTT, охватывая два из трех: энергопотребление, безопасность и сохранение сообщений. | Частично умеет сравнивать и сопоставлять AMQP с MQTT, охватывая один из трех: энергопотребление, безопасность и сохранение сообщений. |
+| Сравнение HTTP/HTTPS с MQTT | Умеет сравнивать и сопоставлять HTTP/HTTPS с MQTT, охватывая энергопотребление, безопасность и сохранение сообщений. | Частично умеет сравнивать и сопоставлять HTTP/HTTPS с MQTT, охватывая два из трех: энергопотребление, безопасность и сохранение сообщений. | Частично умеет сравнивать и сопоставлять HTTP/HTTPS с MQTT, охватывая один из трех: энергопотребление, безопасность и сохранение сообщений. |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..90eb33b8
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T23:09:20+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы научитесь подписываться на команды, отправляемые с MQTT-брокера на ваш Raspberry Pi или виртуальное IoT-устройство.
+
+## Подписка на команды
+
+Следующий шаг — подписаться на команды, отправляемые с MQTT-брокера, и реагировать на них.
+
+### Задание
+
+Подпишитесь на команды.
+
+1. Откройте проект ночника в VS Code.
+
+1. Если вы используете виртуальное IoT-устройство, убедитесь, что терминал работает в виртуальной среде. Если вы используете Raspberry Pi, виртуальная среда не потребуется.
+
+1. Добавьте следующий код после определения `client_telemetry_topic`:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    Переменная `server_command_topic` — это MQTT-топик, на который устройство подпишется для получения команд управления светодиодом.
+
+1. Добавьте следующий код прямо перед основным циклом, после строки `mqtt_client.loop_start()`:
+
+    ```python
+    def handle_command(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['led_on']:
+            led.on()
+        else:
+            led.off()
+    
+    mqtt_client.subscribe(server_command_topic)
+    mqtt_client.on_message = handle_command
+    ```
+
+    Этот код определяет функцию `handle_command`, которая читает сообщение в формате JSON и ищет значение свойства `led_on`. Если оно установлено в `True`, светодиод включается, в противном случае он выключается.
+
+    MQTT-клиент подписывается на топик, по которому сервер будет отправлять сообщения, и устанавливает функцию `handle_command` для вызова при получении сообщения.
+
+    > 💁 Обработчик `on_message` вызывается для всех топиков, на которые выполнена подписка. Если позже вы напишете код для прослушивания нескольких топиков, вы сможете получить топик, на который было отправлено сообщение, из объекта `message`, переданного в функцию-обработчик.
+
+1. Запустите код так же, как вы запускали код из предыдущей части задания. Если вы используете виртуальное IoT-устройство, убедитесь, что приложение CounterFit запущено, а датчик света и светодиод созданы на правильных пинах.
+
+1. Изменяйте уровень освещенности, который фиксирует ваше физическое или виртуальное устройство. Сообщения, которые принимаются и отправляются, будут отображаться в терминале. Светодиод также будет включаться и выключаться в зависимости от уровня освещенности.
+
+> 💁 Этот код можно найти в папке [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) или [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi).
+
+😀 Вы успешно запрограммировали устройство для обработки команд от MQTT-брокера.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..ab296c77
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T23:18:35+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Виртуальное IoT-устройство и Raspberry Pi
+
+Устройство IoT должно быть запрограммировано для связи с *test.mosquitto.org* с использованием MQTT, чтобы отправлять телеметрические данные с показаниями датчика света и получать команды для управления светодиодом.
+
+В этой части урока вы подключите свой Raspberry Pi или виртуальное IoT-устройство к MQTT-брокеру.
+
+## Установите пакет клиента MQTT
+
+Для связи с MQTT-брокером необходимо установить библиотеку MQTT через pip, либо на вашем Raspberry Pi, либо в виртуальной среде, если вы используете виртуальное устройство.
+
+### Задание
+
+Установите пакет pip.
+
+1. Откройте проект ночника в VS Code.
+
+1. Если вы используете виртуальное IoT-устройство, убедитесь, что терминал работает в виртуальной среде. Если вы используете Raspberry Pi, виртуальная среда не потребуется.
+
+1. Выполните следующую команду для установки пакета MQTT через pip:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## Программирование устройства
+
+Устройство готово к программированию.
+
+### Задание
+
+Напишите код для устройства.
+
+1. Добавьте следующий импорт в начало файла `app.py`:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    Библиотека `paho.mqtt.client` позволяет вашему приложению общаться через MQTT.
+
+1. Добавьте следующий код после определения датчика света и светодиода:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    Замените `<ID>` на уникальный идентификатор, который будет использоваться как имя клиента устройства, а позже — для тем, которые это устройство публикует и на которые подписывается. Брокер *test.mosquitto.org* является публичным и используется многими людьми, включая других студентов, работающих над этим заданием. Уникальное имя клиента MQTT и названия тем гарантируют, что ваш код не будет конфликтовать с кодом других пользователей. Вам также понадобится этот идентификатор при создании серверного кода позже в этом задании.
+
+    > 💁 Вы можете использовать сайт, например [GUIDGen](https://www.guidgen.com), чтобы сгенерировать уникальный идентификатор.
+
+    `client_name` — это уникальное имя для данного клиента MQTT на брокере.
+
+1. Добавьте следующий код ниже нового кода для создания объекта клиента MQTT и подключения к MQTT-брокеру:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    Этот код создает объект клиента, подключается к публичному MQTT-брокеру и запускает цикл обработки, который работает в фоновом потоке, прослушивая сообщения по подписанным темам.
+
+1. Запустите код так же, как вы запускали код из предыдущей части задания. Если вы используете виртуальное IoT-устройство, убедитесь, что приложение CounterFit запущено, а датчик света и светодиод созданы на правильных пинах.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) или [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi).
+
+😀 Вы успешно подключили свое устройство к MQTT-брокеру.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..cf0ce2c4
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T23:10:03+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы будете отправлять телеметрию с уровнями освещенности с вашего Raspberry Pi или виртуального IoT-устройства на MQTT-брокер.
+
+## Отправка телеметрии
+
+Следующий шаг — создать JSON-документ с телеметрией и отправить его на MQTT-брокер.
+
+### Задание
+
+Отправьте телеметрию на MQTT-брокер.
+
+1. Откройте проект ночника в VS Code.
+
+1. Если вы используете виртуальное IoT-устройство, убедитесь, что терминал работает в виртуальной среде. Если вы используете Raspberry Pi, виртуальная среда не потребуется.
+
+1. Добавьте следующий импорт в начало файла `app.py`:
+
+    ```python
+    import json
+    ```
+
+    Библиотека `json` используется для кодирования телеметрии в формате JSON-документа.
+
+1. Добавьте следующий код после объявления `client_name`:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    `client_telemetry_topic` — это MQTT-тема, в которую устройство будет публиковать уровни освещенности.
+
+1. Замените содержимое цикла `while True:` в конце файла следующим:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        telemetry = json.dumps({'light' : light})
+
+        print("Sending telemetry ", telemetry)
+    
+        mqtt_client.publish(client_telemetry_topic, telemetry)
+    
+        time.sleep(5)
+    ```
+
+    Этот код упаковывает уровень освещенности в JSON-документ и публикует его на MQTT-брокер. Затем он делает паузу, чтобы уменьшить частоту отправки сообщений.
+
+1. Запустите код так же, как вы запускали код из предыдущей части задания. Если вы используете виртуальное IoT-устройство, убедитесь, что приложение CounterFit запущено, а датчик освещенности и светодиод созданы на правильных пинах.
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 Этот код можно найти в папке [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) или [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi).
+
+😀 Вы успешно отправили телеметрию с вашего устройства.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..bf1f6095
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T23:20:48+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Wio Terminal
+
+В этой части урока вы будете подписываться на команды, отправленные с MQTT-брокера, на ваш Wio Terminal.
+
+## Подписка на команды
+
+Следующий шаг — подписаться на команды, отправляемые с MQTT-брокера, и реагировать на них.
+
+### Задание
+
+Подпишитесь на команды.
+
+1. Откройте проект ночника в VS Code.
+
+1. Добавьте следующий код в конец файла `config.h`, чтобы определить имя темы для команд:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC` — это тема, на которую устройство будет подписываться, чтобы получать команды для управления светодиодом.
+
+1. Добавьте следующую строку в конец функции `reconnectMQTTClient`, чтобы подписаться на тему команд при повторном подключении MQTT-клиента:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. Добавьте следующий код ниже функции `reconnectMQTTClient`.
+
+    ```cpp
+    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
+    {
+        char buff[length + 1];
+        for (int i = 0; i < length; i++)
+        {
+            buff[i] = (char)payload[i];
+        }
+        buff[length] = '\0';
+    
+        Serial.print("Message received:");
+        Serial.println(buff);
+    
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, buff);
+        JsonObject obj = doc.as<JsonObject>();
+    
+        bool led_on = obj["led_on"];
+    
+        if (led_on)
+            digitalWrite(D0, HIGH);
+        else
+            digitalWrite(D0, LOW);
+    }
+    ```
+
+    Эта функция будет обратным вызовом, который MQTT-клиент вызовет при получении сообщения от сервера.
+
+    Сообщение принимается в виде массива 8-битных целых чисел без знака, поэтому его нужно преобразовать в массив символов, чтобы работать с ним как с текстом.
+
+    Сообщение содержит JSON-документ, который декодируется с помощью библиотеки ArduinoJson. Свойство `led_on` из JSON-документа считывается, и в зависимости от его значения светодиод включается или выключается.
+
+1. Добавьте следующий код в функцию `createMQTTClient`:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    Этот код устанавливает `clientCallback` как обратный вызов, который будет вызываться при получении сообщения от MQTT-брокера.
+
+    > 💁 Обработчик `clientCallback` вызывается для всех тем, на которые подписан клиент. Если позже вы напишете код, который слушает несколько тем, вы сможете получить тему, в которую было отправлено сообщение, из параметра `topic`, переданного в функцию обратного вызова.
+
+1. Загрузите код на ваш Wio Terminal и используйте Serial Monitor, чтобы увидеть уровни освещенности, отправляемые на MQTT-брокер.
+
+1. Настройте уровни освещенности, обнаруживаемые вашим физическим или виртуальным устройством. Вы увидите, как сообщения принимаются и команды отправляются в терминале. Также вы увидите, как светодиод включается и выключается в зависимости от уровня освещенности.
+
+> 💁 Вы можете найти этот код в папке [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal).
+
+😀 Вы успешно запрограммировали ваше устройство на реагирование на команды от MQTT-брокера.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..465837b3
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T23:19:22+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Wio Terminal
+
+Устройство IoT должно быть запрограммировано для связи с *test.mosquitto.org* с использованием MQTT, чтобы отправлять телеметрические данные с показаниями датчика света и получать команды для управления светодиодом.
+
+В этой части урока вы подключите ваш Wio Terminal к MQTT-брокеру.
+
+## Установите библиотеки WiFi и MQTT для Arduino
+
+Чтобы взаимодействовать с MQTT-брокером, необходимо установить несколько библиотек Arduino, которые позволят использовать WiFi-чип в Wio Terminal и работать с MQTT. При разработке для устройств Arduino можно использовать широкий спектр библиотек с открытым исходным кодом, которые реализуют множество функций. Seeed публикует библиотеки для Wio Terminal, позволяющие ему подключаться к WiFi. Другие разработчики публикуют библиотеки для работы с MQTT-брокерами, и вы будете использовать их с вашим устройством.
+
+Эти библиотеки предоставляются в виде исходного кода, который можно автоматически импортировать в PlatformIO и компилировать для вашего устройства. Таким образом, библиотеки Arduino будут работать на любом устройстве, поддерживающем фреймворк Arduino, при условии, что устройство имеет необходимое оборудование для работы с библиотекой. Некоторые библиотеки, такие как WiFi-библиотеки от Seeed, специфичны для определенного оборудования.
+
+Библиотеки можно устанавливать глобально и компилировать при необходимости или добавлять в конкретный проект. Для этого задания библиотеки будут установлены в проект.
+
+✅ Вы можете узнать больше о управлении библиотеками и о том, как находить и устанавливать их, в [документации PlatformIO о библиотеках](https://docs.platformio.org/en/latest/librarymanager/index.html).
+
+### Задание - установка библиотек WiFi и MQTT для Arduino
+
+Установите библиотеки Arduino.
+
+1. Откройте проект ночника в VS Code.
+
+1. Добавьте следующее в конец файла `platformio.ini`:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    ```
+
+    Это импортирует WiFi-библиотеки от Seeed. Синтаксис `@ <number>` указывает на конкретную версию библиотеки.
+
+    > 💁 Вы можете удалить `@ <number>`, чтобы всегда использовать последнюю версию библиотек, но нет гарантии, что более поздние версии будут работать с приведенным ниже кодом. Код здесь был протестирован с этой версией библиотек.
+
+    Это все, что нужно сделать для добавления библиотек. При следующей сборке проекта PlatformIO загрузит исходный код этих библиотек и скомпилирует его в ваш проект.
+
+1. Добавьте следующее в `lib_deps`:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    Это импортирует [PubSubClient](https://github.com/knolleary/pubsubclient), клиент MQTT для Arduino.
+
+## Подключение к WiFi
+
+Теперь Wio Terminal можно подключить к WiFi.
+
+### Задание - подключение к WiFi
+
+Подключите Wio Terminal к WiFi.
+
+1. Создайте новый файл в папке `src` с именем `config.h`. Вы можете сделать это, выбрав папку `src` или файл `main.cpp` внутри нее и нажав кнопку **New file** в проводнике. Эта кнопка появляется только тогда, когда курсор находится над проводником.
+
+    ![Кнопка создания нового файла](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ru.png)
+
+1. Добавьте следующий код в этот файл, чтобы определить константы для ваших учетных данных WiFi:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    Замените `<SSID>` на SSID вашей сети WiFi. Замените `<PASSWORD>` на пароль вашей сети WiFi.
+
+1. Откройте файл `main.cpp`.
+
+1. Добавьте следующие директивы `#include` в начало файла:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    Это включает заголовочные файлы для библиотек, которые вы добавили ранее, а также файл конфигурации. Эти заголовочные файлы необходимы, чтобы PlatformIO включил код из библиотек. Без явного включения этих заголовочных файлов часть кода не будет скомпилирована, и вы получите ошибки компиляции.
+
+1. Добавьте следующий код выше функции `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    Этот код выполняет цикл, пока устройство не подключено к WiFi, и пытается подключиться, используя SSID и пароль из файла конфигурации.
+
+1. Добавьте вызов этой функции в конце функции `setup`, после настройки пинов.
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Загрузите этот код на ваше устройство, чтобы проверить, работает ли подключение к WiFi. Вы должны увидеть это в серийном мониторе.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    ```
+
+## Подключение к MQTT
+
+После подключения Wio Terminal к WiFi его можно подключить к MQTT-брокеру.
+
+### Задание - подключение к MQTT
+
+Подключите устройство к MQTT-брокеру.
+
+1. Добавьте следующий код в конец файла `config.h`, чтобы определить параметры подключения к MQTT-брокеру:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    Замените `<ID>` на уникальный идентификатор, который будет использоваться как имя клиента устройства, а позже — для тем, которые это устройство публикует и на которые подписывается. Брокер *test.mosquitto.org* является публичным и используется многими людьми, включая других студентов, работающих над этим заданием. Уникальное имя клиента MQTT и имена тем гарантируют, что ваш код не будет конфликтовать с кодом других пользователей. Вам также понадобится этот идентификатор при создании серверного кода позже в этом задании.
+
+    > 💁 Вы можете использовать сайт, такой как [GUIDGen](https://www.guidgen.com), чтобы сгенерировать уникальный идентификатор.
+
+    `BROKER` — это URL MQTT-брокера.
+
+    `CLIENT_NAME` — уникальное имя для клиента MQTT на брокере.
+
+1. Откройте файл `main.cpp` и добавьте следующий код ниже функции `connectWiFi` и выше функции `setup`:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    Этот код создает WiFi-клиент с использованием WiFi-библиотек Wio Terminal и использует его для создания клиента MQTT.
+
+1. Ниже этого кода добавьте следующее:
+
+    ```cpp
+    void reconnectMQTTClient()
+    {
+        while (!client.connected())
+        {
+            Serial.print("Attempting MQTT connection...");
+    
+            if (client.connect(CLIENT_NAME.c_str()))
+            {
+                Serial.println("connected");
+            }
+            else
+            {
+                Serial.print("Retying in 5 seconds - failed, rc=");
+                Serial.println(client.state());
+                
+                delay(5000);
+            }
+        }
+    }
+    ```
+
+    Эта функция проверяет подключение к MQTT-брокеру и переподключается, если оно отсутствует. Она выполняет цикл, пока устройство не подключено, и пытается подключиться, используя уникальное имя клиента, определенное в файле конфигурации.
+
+    Если подключение не удалось, повторная попытка выполняется через 5 секунд.
+
+1. Добавьте следующий код ниже функции `reconnectMQTTClient`:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    Этот код устанавливает MQTT-брокер для клиента, а также задает обратный вызов при получении сообщения. Затем он пытается подключиться к брокеру.
+
+1. Вызовите функцию `createMQTTClient` в функции `setup` после подключения к WiFi.
+
+1. Замените всю функцию `loop` следующим кодом:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    Этот код начинает с переподключения к MQTT-брокеру. Эти соединения могут легко разрываться, поэтому стоит регулярно проверять и переподключаться при необходимости. Затем он вызывает метод `loop` клиента MQTT для обработки любых сообщений, поступающих по подписанной теме. Это приложение однопоточное, поэтому сообщения не могут быть получены в фоновом потоке, и необходимо выделить время на основном потоке для обработки ожидающих сообщений.
+
+    Наконец, задержка в 2 секунды гарантирует, что уровни освещенности не отправляются слишком часто, что снижает энергопотребление устройства.
+
+1. Загрузите код на ваш Wio Terminal и используйте серийный монитор, чтобы увидеть, как устройство подключается к WiFi и MQTT.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal).
+
+😀 Вы успешно подключили ваше устройство к MQTT-брокеру.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..3ad01af4
--- /dev/null
+++ b/translations/ru/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T23:17:26+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "ru"
+}
+-->
+# Управляйте ночником через Интернет - Wio Terminal
+
+В этой части урока вы будете отправлять телеметрию с уровнями освещенности с вашего Wio Terminal на MQTT-брокер.
+
+## Установите библиотеки JSON для Arduino
+
+Популярный способ отправки сообщений через MQTT — использование JSON. Существует библиотека Arduino для JSON, которая упрощает чтение и запись JSON-документов.
+
+### Задание
+
+Установите библиотеку Arduino JSON.
+
+1. Откройте проект ночника в VS Code.
+
+1. Добавьте следующую строку в список `lib_deps` в файле `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Это подключает [ArduinoJson](https://arduinojson.org), библиотеку JSON для Arduino.
+
+## Публикация телеметрии
+
+Следующий шаг — создать JSON-документ с телеметрией и отправить его на MQTT-брокер.
+
+### Задание - публикация телеметрии
+
+Опубликуйте телеметрию на MQTT-брокере.
+
+1. Добавьте следующий код в конец файла `config.h`, чтобы определить имя темы телеметрии для MQTT-брокера:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC` — это тема, в которую устройство будет публиковать данные об уровнях освещенности.
+
+1. Откройте файл `main.cpp`.
+
+1. Добавьте следующую директиву `#include` в начало файла:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Добавьте следующий код в функцию `loop`, прямо перед `delay`:
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+
+    DynamicJsonDocument doc(1024);
+    doc["light"] = light;
+
+    string telemetry;
+    serializeJson(doc, telemetry);
+
+    Serial.print("Sending telemetry ");
+    Serial.println(telemetry.c_str());
+
+    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
+    ```
+
+    Этот код считывает уровень освещенности, создает JSON-документ с использованием ArduinoJson, содержащий этот уровень. Затем он сериализуется в строку и публикуется в теме телеметрии MQTT с помощью клиента MQTT.
+
+1. Загрузите код на ваш Wio Terminal и используйте Serial Monitor, чтобы увидеть, как уровни освещенности отправляются на MQTT-брокер.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal).
+
+😀 Вы успешно отправили телеметрию с вашего устройства.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/README.md b/translations/ru/2-farm/README.md
new file mode 100644
index 00000000..50b4a836
--- /dev/null
+++ b/translations/ru/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T22:11:35+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "ru"
+}
+-->
+# Фермерство с использованием IoT
+
+С ростом населения увеличивается и нагрузка на сельское хозяйство. Количество доступной земли не меняется, но климат становится все более непредсказуемым, создавая дополнительные трудности для фермеров, особенно для 2 миллиардов [фермеров, занимающихся натуральным хозяйством](https://wikipedia.org/wiki/Subsistence_agriculture), которые зависят от выращенного урожая, чтобы прокормить себя и свои семьи. IoT может помочь фермерам принимать более разумные решения о том, что выращивать и когда собирать урожай, увеличивать урожайность, сокращать объем ручного труда, а также выявлять и бороться с вредителями.
+
+В этих 6 уроках вы узнаете, как применять Интернет вещей для улучшения и автоматизации сельского хозяйства.
+
+> 💁 В этих уроках будут использоваться облачные ресурсы. Если вы не завершите все уроки в этом проекте, убедитесь, что вы [очистили свой проект](../clean-up.md).
+
+## Темы
+
+1. [Прогнозирование роста растений с помощью IoT](lessons/1-predict-plant-growth/README.md)
+1. [Определение влажности почвы](lessons/2-detect-soil-moisture/README.md)
+1. [Автоматический полив растений](lessons/3-automated-plant-watering/README.md)
+1. [Перенос вашего растения в облако](lessons/4-migrate-your-plant-to-the-cloud/README.md)
+1. [Перенос логики приложения в облако](lessons/5-migrate-application-to-the-cloud/README.md)
+1. [Обеспечение безопасности вашего растения](lessons/6-keep-your-plant-secure/README.md)
+
+## Благодарности
+
+Все уроки были написаны с ♥️ [Джимом Беннеттом](https://GitHub.com/JimBobBennett)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/README.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..581fa0bc
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,147 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T22:12:29+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "ru"
+}
+-->
+## Прогнозирование роста растений с помощью IoT
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## Введение
+
+Для роста растений необходимы определенные условия — вода, углекислый газ, питательные вещества, свет и тепло. В этом уроке вы узнаете, как рассчитать скорость роста и созревания растений, измеряя температуру воздуха.
+
+В этом уроке мы рассмотрим:
+
+* [Цифровое сельское хозяйство](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Почему температура важна в сельском хозяйстве?](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Измерение температуры окружающей среды](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Сумма активных температур (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [Расчет GDD с использованием данных температурного датчика](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## Цифровое сельское хозяйство
+
+Цифровое сельское хозяйство меняет подход к фермерству, используя инструменты для сбора, хранения и анализа данных. Мы живем в эпоху, которую Всемирный экономический форум называет "Четвертой промышленной революцией", а развитие цифрового сельского хозяйства называют "Четвертой сельскохозяйственной революцией" или "Сельское хозяйство 4.0".
+
+> 🎓 Термин "Цифровое сельское хозяйство" также охватывает всю "цепочку ценности сельского хозяйства", то есть весь путь от фермы до стола. Это включает контроль качества продукции при транспортировке и переработке, системы складирования и электронной коммерции, а также приложения для аренды тракторов!
+
+Эти изменения позволяют фермерам увеличивать урожайность, использовать меньше удобрений и пестицидов, а также более эффективно расходовать воду. Хотя такие технологии в основном используются в богатых странах, стоимость датчиков и других устройств постепенно снижается, что делает их более доступными для развивающихся стран.
+
+Некоторые методы, которые стали возможны благодаря цифровому сельскому хозяйству:
+
+* Измерение температуры — позволяет фермерам прогнозировать рост и созревание растений.
+* Автоматический полив — измерение влажности почвы и включение систем орошения только тогда, когда почва слишком сухая, вместо полива по расписанию. Полив по расписанию может привести к недостаточному увлажнению в жаркую и сухую погоду или к избыточному поливу во время дождей. Поливая только тогда, когда это необходимо, фермеры могут оптимизировать использование воды.
+* Контроль вредителей — фермеры могут использовать камеры на автоматизированных роботах или дронах для проверки на наличие вредителей, а затем применять пестициды только там, где это необходимо, уменьшая их использование и снижая загрязнение местных водоемов.
+
+✅ Проведите исследование. Какие еще методы используются для повышения урожайности?
+
+> 🎓 Термин "Точное сельское хозяйство" описывает наблюдение, измерение и реагирование на состояние посевов на уровне отдельных полей или даже их частей. Это включает измерение уровня воды, питательных веществ и вредителей и точное реагирование, например, полив только небольшой части поля.
+
+## Почему температура важна в сельском хозяйстве?
+
+Изучая растения, большинство студентов узнают о необходимости воды, света, углекислого газа и питательных веществ. Но растениям также нужно тепло для роста — именно поэтому они начинают цвести весной, когда температура повышается, почему подснежники или нарциссы могут зацвести рано из-за кратковременного потепления, и почему теплицы так эффективны для выращивания растений.
+
+> 🎓 Теплицы и оранжереи выполняют схожие функции, но с важным отличием. Оранжереи обогреваются искусственно, что позволяет фермерам более точно контролировать температуру, тогда как теплицы полагаются на солнечное тепло, и контроль обычно ограничивается окнами или другими отверстиями для выпуска тепла.
+
+У растений есть базовая или минимальная температура, оптимальная температура и максимальная температура, все они основаны на среднесуточной температуре.
+
+* Базовая температура — минимальная среднесуточная температура, необходимая для роста растения.
+* Оптимальная температура — лучшая среднесуточная температура для максимального роста.
+* Максимальная температура — максимальная температура, которую растение может выдержать. При превышении этого значения растение прекращает рост, чтобы сохранить воду и выжить.
+
+> 💁 Это средние температуры, усредненные за день и ночь. Растениям также нужны разные температуры днем и ночью, чтобы более эффективно фотосинтезировать и экономить энергию ночью.
+
+Каждый вид растений имеет свои значения базовой, оптимальной и максимальной температуры. Именно поэтому одни растения процветают в жарких странах, а другие — в холодных.
+
+✅ Проведите исследование. Для любых растений в вашем саду, школе или местном парке попробуйте найти их базовую температуру.
+
+![График, показывающий, как скорость роста увеличивается с повышением температуры, а затем падает при слишком высокой температуре](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ru.png)
+
+На графике выше показана примерная зависимость скорости роста от температуры. До достижения базовой температуры роста нет. Скорость роста увеличивается до оптимальной температуры, а затем падает после достижения пика. 
+
+Форма этого графика варьируется от одного вида растений к другому. У некоторых растений резкое снижение после оптимума, у других — более плавное увеличение от базовой температуры до оптимальной.
+
+> 💁 Чтобы добиться наилучшего роста, фермеру нужно знать три температурных значения и понимать форму графика для выращиваемых растений.
+
+Если фермер может контролировать температуру, например, в коммерческой оранжерее, то он может оптимизировать условия для своих растений. Например, в коммерческой оранжерее для выращивания томатов температура днем устанавливается около 25°C, а ночью — около 20°C для достижения наибольшей скорости роста.
+
+> 🍅 Сочетание этих температур с искусственным освещением, удобрениями и контролируемым уровнем CO
+Этот код открывает CSV-файл, затем добавляет новую строку в конец. Строка содержит текущую дату и время, отформатированные в удобочитаемом виде, а также температуру, полученную от IoT-устройства. Данные сохраняются в [формате ISO 8601](https://wikipedia.org/wiki/ISO_8601) с указанием часового пояса, но без микросекунд.
+
+1. Запустите этот код так же, как и раньше, убедившись, что ваше IoT-устройство отправляет данные. В той же папке будет создан CSV-файл с именем `temperature.csv`. Если вы откроете его, то увидите даты/времена и измерения температуры:
+
+    ```output
+    date,temperature
+    2021-04-19T17:21:36-07:00,25
+    2021-04-19T17:31:36-07:00,24
+    2021-04-19T17:41:36-07:00,25
+    ```
+
+1. Запустите этот код на некоторое время, чтобы собрать данные. В идеале, его следует запускать в течение целого дня, чтобы собрать достаточно данных для расчета GDD.
+
+    
+> 💁 Если вы используете виртуальное IoT-устройство, выберите случайный флажок и установите диапазон, чтобы избежать получения одинаковой температуры каждый раз, когда возвращается значение температуры.
+    ![Выберите случайный флажок и установите диапазон](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ru.png) 
+
+    > 💁 Если вы хотите запускать это в течение целого дня, убедитесь, что компьютер, на котором работает ваш серверный код, не перейдет в спящий режим. Для этого можно изменить настройки питания или использовать что-то вроде [этого Python-скрипта для поддержания активности системы](https://github.com/jaqsparow/keep-system-active).
+    
+> 💁 Вы можете найти этот код в папке [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server).
+
+### Задача - рассчитать GDD, используя сохраненные данные
+
+После того как сервер собрал данные о температуре, можно рассчитать GDD для растения.
+
+Шаги для выполнения этого вручную:
+
+1. Найдите базовую температуру для растения. Например, для клубники базовая температура составляет 10°C.
+
+1. В файле `temperature.csv` найдите максимальную и минимальную температуры за день.
+
+1. Используйте формулу расчета GDD, приведенную ранее, чтобы вычислить GDD.
+
+Например, если максимальная температура за день составляет 25°C, а минимальная — 12°C:
+
+![GDD = 25 + 12 делить на 2, затем вычесть 10 из результата, получаем 8.5](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ru.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+Таким образом, клубника получила **8.5** GDD. Клубнике требуется около 250 GDD, чтобы начать плодоносить, так что еще нужно подождать.
+
+---
+
+## 🚀 Вызов
+
+Растениям нужно больше, чем тепло, чтобы расти. Какие еще факторы необходимы?
+
+Для этих факторов найдите, существуют ли датчики, которые могут их измерять. А как насчет актуаторов для управления этими уровнями? Как бы вы собрали одно или несколько IoT-устройств для оптимизации роста растений?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о цифровом сельском хозяйстве на [странице Википедии о цифровом сельском хозяйстве](https://wikipedia.org/wiki/Digital_agriculture). Также прочитайте о точном земледелии на [странице Википедии о точном земледелии](https://wikipedia.org/wiki/Precision_agriculture).
+* Полный расчет дней роста (Growing Degree Days) более сложный, чем упрощенный, приведенный здесь. Узнайте больше о более сложной формуле и о том, как учитывать температуры ниже базовой линии, на [странице Википедии о днях роста](https://wikipedia.org/wiki/Growing_degree-day).
+* В будущем еда может стать дефицитом, если мы будем использовать те же методы земледелия. Узнайте больше о высокотехнологичных методах фермерства в этом [видео о фермах будущего на YouTube](https://www.youtube.com/watch?v=KIEOuKD9KX8).
+
+## Задание
+
+[Визуализируйте данные GDD с помощью Jupyter Notebook](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..6cf8113c
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T22:16:34+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Визуализация данных GDD с использованием Jupyter Notebook
+
+## Инструкции
+
+В этом уроке вы собирали данные GDD с помощью IoT-датчика. Чтобы получить качественные данные GDD, необходимо собирать данные в течение нескольких дней. Для визуализации температурных данных и расчета GDD вы можете использовать такие инструменты, как [Jupyter Notebooks](https://jupyter.org), чтобы анализировать данные.
+
+Начните с того, чтобы собирать данные в течение нескольких дней. Вам нужно будет убедиться, что ваш серверный код работает все время, пока работает ваше IoT-устройство. Для этого можно либо настроить параметры управления питанием, либо использовать что-то вроде [этого Python-скрипта для поддержания активности системы](https://github.com/jaqsparow/keep-system-active).
+
+Когда у вас будут данные о температуре, вы сможете использовать Jupyter Notebook из этого репозитория для их визуализации и расчета GDD. Jupyter Notebooks объединяют код и инструкции в блоках, называемых *ячейками*, часто с использованием кода на Python. Вы можете читать инструкции, а затем запускать каждый блок кода поочередно. Также вы можете редактировать код. Например, в этом ноутбуке вы можете изменить базовую температуру, используемую для расчета GDD для вашего растения.
+
+1. Создайте папку с названием `gdd-calculation`.
+
+1. Скачайте файл [gdd.ipynb](./code-notebook/gdd.ipynb) и скопируйте его в папку `gdd-calculation`.
+
+1. Скопируйте файл `temperature.csv`, созданный сервером MQTT.
+
+1. Создайте новую виртуальную среду Python в папке `gdd-calculation`.
+
+1. Установите несколько пакетов pip для Jupyter Notebook, а также библиотеки, необходимые для управления и визуализации данных:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. Запустите ноутбук в Jupyter:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    Jupyter запустится и откроет ноутбук в вашем браузере. Следуйте инструкциям в ноутбуке, чтобы визуализировать измеренные температуры и рассчитать дни накопления тепла (GDD).
+
+    ![Jupyter Notebook](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ru.png)
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | ----------------- | ----------------- |
+| Сбор данных | Собрано данные как минимум за 2 полных дня | Собрано данные как минимум за 1 полный день | Собрано некоторое количество данных |
+| Расчет GDD | Успешно запущен ноутбук и рассчитан GDD | Успешно запущен ноутбук | Не удалось запустить ноутбук |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/ru/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..339f1b5a
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# Сумма активных температур\n",
+    "\n",
+    "Этот ноутбук загружает данные о температуре, сохраненные в CSV-файле, и анализирует их. Он строит графики температур, показывает максимальное и минимальное значение для каждого дня, а также рассчитывает сумму активных температур (GDD).\n",
+    "\n",
+    "Чтобы использовать этот ноутбук:\n",
+    "\n",
+    "* Скопируйте файл `temperature.csv` в ту же папку, что и этот ноутбук\n",
+    "* Запустите все ячейки, используя кнопку **▶︎ Run** выше. Это выполнит выбранную ячейку, а затем перейдет к следующей.\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "В ячейке ниже установите `base_temperature` на базовую температуру растения.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "CSV файл теперь нужно загрузить, используя pandas\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "Как только данные будут прочитаны, их можно сгруппировать по столбцу `date`, и минимальные и максимальные температуры извлечь для каждой даты.\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert datetimes to pure dates so we can group by the date\n",
+    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
+    "\n",
+    "# Group the data by date so it can be analyzed by date\n",
+    "data_by_date = df.groupby('date')\n",
+    "\n",
+    "# Get the minimum and maximum temperatures for each date\n",
+    "min_by_date = data_by_date.min()\n",
+    "max_by_date = data_by_date.max()\n",
+    "\n",
+    "# Join the min and max temperatures into one dataframe and flatten it\n",
+    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
+    "min_max_by_date = min_max_by_date.reset_index()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "GDD можно рассчитать, используя стандартное уравнение GDD\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**Отказ от ответственности**:  \nЭтот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.1"
+  },
+  "metadata": {
+   "interpreter": {
+    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
+   }
+  },
+  "coopTranslator": {
+   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
+   "translation_date": "2025-08-27T01:05:39+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "ru"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..1e33a721
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T22:20:50+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "ru"
+}
+-->
+# Измерение температуры - Raspberry Pi
+
+В этой части урока вы добавите датчик температуры к вашему Raspberry Pi.
+
+## Аппаратное обеспечение
+
+Датчик, который вы будете использовать, — это [датчик влажности и температуры DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), объединяющий два датчика в одном корпусе. Это довольно популярное устройство, и существует множество коммерчески доступных датчиков, которые измеряют температуру, влажность, а иногда и атмосферное давление. Компонент датчика температуры представляет собой термистор с отрицательным температурным коэффициентом (NTC), сопротивление которого уменьшается с увеличением температуры.
+
+Это цифровой датчик, поэтому он имеет встроенный АЦП, который создает цифровой сигнал с данными о температуре и влажности, которые может считывать микроконтроллер.
+
+### Подключение датчика температуры
+
+Датчик температуры Grove можно подключить к Raspberry Pi.
+
+#### Задание
+
+Подключите датчик температуры.
+
+![Датчик температуры Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на датчике влажности и температуры. Кабель вставляется только в одном направлении.
+
+1. При выключенном питании Raspberry Pi подключите другой конец кабеля Grove к цифровому разъему, обозначенному как **D5**, на Grove Base Hat, подключенном к Pi. Этот разъем находится вторым слева в ряду разъемов рядом с GPIO-пинами.
+
+![Датчик температуры Grove, подключенный к разъему A0](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ru.png)
+
+## Программирование датчика температуры
+
+Теперь устройство можно запрограммировать для работы с подключенным датчиком температуры.
+
+### Задание
+
+Программируйте устройство.
+
+1. Включите Raspberry Pi и дождитесь его загрузки.
+
+1. Запустите VS Code, либо непосредственно на Raspberry Pi, либо подключившись через расширение Remote SSH.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по настройке и запуску VS Code в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. В терминале создайте новую папку в домашнем каталоге пользователя `pi` с именем `temperature-sensor`. Создайте в этой папке файл с именем `app.py`:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. Откройте эту папку в VS Code.
+
+1. Для работы с датчиком температуры и влажности необходимо установить дополнительный пакет Pip. В терминале VS Code выполните следующую команду, чтобы установить этот пакет на Raspberry Pi:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. Добавьте следующий код в файл `app.py`, чтобы импортировать необходимые библиотеки:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    Оператор `from seeed_dht import DHT` импортирует класс `DHT` для взаимодействия с датчиком температуры Grove из модуля `seeed_dht`.
+
+1. Добавьте следующий код после предыдущего, чтобы создать экземпляр класса, управляющего датчиком температуры:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Это объявляет экземпляр класса `DHT`, который управляет **D**igital **H**umidity и **T**emperature датчиком. Первый параметр указывает, что используется датчик *DHT11* — библиотека, которую вы используете, поддерживает и другие варианты этого датчика. Второй параметр указывает, что датчик подключен к цифровому порту `D5` на Grove Base Hat.
+
+    > ✅ Помните, что у всех разъемов есть уникальные номера пинов. Пины 0, 2, 4 и 6 — это аналоговые пины, а пины 5, 16, 18, 22, 24 и 26 — цифровые.
+
+1. Добавьте бесконечный цикл после предыдущего кода, чтобы опрашивать значение температуры с датчика и выводить его в консоль:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    Вызов `sensor.read()` возвращает кортеж с влажностью и температурой. Вам нужно только значение температуры, поэтому влажность игнорируется. Значение температуры затем выводится в консоль.
+
+1. Добавьте небольшую паузу в десять секунд в конце цикла, так как уровень температуры не нужно проверять постоянно. Пауза снижает энергопотребление устройства.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. В терминале VS Code выполните следующую команду, чтобы запустить ваше Python-приложение:
+
+    ```sh
+    python3 app.py
+    ```
+
+    Вы должны увидеть значения температуры, выводимые в консоль. Используйте что-нибудь для нагрева датчика, например, приложите к нему палец или используйте вентилятор, чтобы увидеть изменения значений:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi).
+
+😀 Ваше приложение для работы с датчиком температуры успешно заработало!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..a5f96962
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T22:15:51+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "ru"
+}
+-->
+# Публикация температуры - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы будете публиковать значения температуры, обнаруженные Raspberry Pi или виртуальным IoT-устройством через MQTT, чтобы их можно было использовать позже для расчета GDD.
+
+## Публикация температуры
+
+После того как температура была считана, ее можно опубликовать через MQTT в некоторый "серверный" код, который будет считывать значения и сохранять их для последующего использования в расчете GDD.
+
+### Задача - публикация температуры
+
+Программируйте устройство для публикации данных о температуре.
+
+1. Откройте проект приложения `temperature-sensor`, если он еще не открыт.
+
+1. Повторите шаги, которые вы выполняли в уроке 4, чтобы подключиться к MQTT и отправить телеметрию. Вы будете использовать тот же публичный брокер Mosquitto.
+
+    Шаги для этого:
+
+    - Добавьте пакет pip для MQTT
+    - Добавьте код для подключения к брокеру MQTT
+    - Добавьте код для публикации телеметрии
+
+    > ⚠️ Обратитесь к [инструкциям по подключению к MQTT](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) и [инструкциям по отправке телеметрии](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) из урока 4, если потребуется.
+
+1. Убедитесь, что `client_name` отражает название этого проекта:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. Для телеметрии вместо отправки значения освещенности отправьте значение температуры, считанное с датчика DHT, в свойстве JSON-документа под названием `temperature`:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. Значение температуры не нужно считывать слишком часто — оно не будет сильно меняться за короткий промежуток времени, поэтому установите `time.sleep` на 10 минут:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 Функция `sleep` принимает время в секундах, поэтому для удобства чтения значение передается как результат вычисления. 60 секунд в минуте, поэтому 10 x (60 секунд в минуте) дает задержку в 10 минут.
+
+1. Запустите код так же, как вы запускали код из предыдущей части задания. Если вы используете виртуальное IoT-устройство, убедитесь, что приложение CounterFit запущено, а датчики влажности и температуры созданы на правильных пинах.
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) или в папке [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi).
+
+😀 Вы успешно опубликовали температуру как телеметрию с вашего устройства.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..096727f9
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T22:19:16+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "ru"
+}
+-->
+# Измерение температуры - Виртуальное IoT-устройство
+
+В этой части урока вы добавите датчик температуры к вашему виртуальному IoT-устройству.
+
+## Виртуальное оборудование
+
+Виртуальное IoT-устройство будет использовать симулированный датчик Grove Digital Humidity and Temperature. Это позволяет сохранить лабораторную работу аналогичной работе с Raspberry Pi и физическим датчиком Grove DHT11.
+
+Датчик объединяет **датчик температуры** и **датчик влажности**, но в этом уроке вас интересует только компонент датчика температуры. В физическом IoT-устройстве датчик температуры обычно представляет собой [термистор](https://wikipedia.org/wiki/Thermistor), который измеряет температуру, фиксируя изменение сопротивления при изменении температуры. Датчики температуры обычно являются цифровыми и внутренне преобразуют измеренное сопротивление в температуру в градусах Цельсия (или Кельвина, или Фаренгейта).
+
+### Добавление датчиков в CounterFit
+
+Чтобы использовать виртуальный датчик влажности и температуры, необходимо добавить два датчика в приложение CounterFit.
+
+#### Задача - добавление датчиков в CounterFit
+
+Добавьте датчики влажности и температуры в приложение CounterFit.
+
+1. Создайте новое приложение на Python на вашем компьютере в папке `temperature-sensor` с одним файлом `app.py`, виртуальной средой Python и добавьте пакеты CounterFit через pip.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию и настройке проекта CounterFit на Python в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Установите дополнительный пакет через pip для установки CounterFit shim для датчика DHT11. Убедитесь, что установка выполняется из терминала с активированной виртуальной средой.
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте датчик влажности:
+
+    1. В поле *Create sensor* на панели *Sensors* выберите тип датчика в выпадающем меню *Sensor type* и выберите *Humidity*.
+
+    1. Оставьте единицы измерения (*Units*) в значении *Percentage*.
+
+    1. Убедитесь, что *Pin* установлен на *5*.
+
+    1. Нажмите кнопку **Add**, чтобы создать датчик влажности на выводе 5.
+
+    ![Настройки датчика влажности](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ru.png)
+
+    Датчик влажности будет создан и появится в списке датчиков.
+
+    ![Созданный датчик влажности](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ru.png)
+
+1. Создайте датчик температуры:
+
+    1. В поле *Create sensor* на панели *Sensors* выберите тип датчика в выпадающем меню *Sensor type* и выберите *Temperature*.
+
+    1. Оставьте единицы измерения (*Units*) в значении *Celsius*.
+
+    1. Убедитесь, что *Pin* установлен на *6*.
+
+    1. Нажмите кнопку **Add**, чтобы создать датчик температуры на выводе 6.
+
+    ![Настройки датчика температуры](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ru.png)
+
+    Датчик температуры будет создан и появится в списке датчиков.
+
+    ![Созданный датчик температуры](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ru.png)
+
+## Программирование приложения для датчика температуры
+
+Теперь можно запрограммировать приложение для работы с датчиком температуры, используя датчики CounterFit.
+
+### Задача - программирование приложения для датчика температуры
+
+Программируйте приложение для датчика температуры.
+
+1. Убедитесь, что приложение `temperature-sensor` открыто в VS Code.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в начало файла `app.py`, чтобы подключить приложение к CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Добавьте следующий код в файл `app.py`, чтобы импортировать необходимые библиотеки:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    Оператор `from seeed_dht import DHT` импортирует класс `DHT` для взаимодействия с виртуальным датчиком Grove температуры, используя shim из модуля `counterfit_shims_seeed_python_dht`.
+
+1. Добавьте следующий код после предыдущего, чтобы создать экземпляр класса, управляющего виртуальным датчиком влажности и температуры:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    Это объявляет экземпляр класса `DHT`, который управляет виртуальным **D**igital **H**umidity and **T**emperature датчиком. Первый параметр указывает, что используется виртуальный датчик *DHT11*. Второй параметр указывает, что датчик подключен к порту `5`.
+
+    > 💁 CounterFit симулирует этот комбинированный датчик влажности и температуры, подключаясь к двум датчикам: датчику влажности на выводе, указанном при создании класса `DHT`, и датчику температуры, который работает на следующем выводе. Если датчик влажности находится на выводе 5, shim ожидает, что датчик температуры будет на выводе 6.
+
+1. Добавьте бесконечный цикл после предыдущего кода, чтобы опрашивать значение датчика температуры и выводить его в консоль:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    Вызов `sensor.read()` возвращает кортеж с влажностью и температурой. Вам нужно только значение температуры, поэтому влажность игнорируется. Значение температуры затем выводится в консоль.
+
+1. Добавьте небольшую паузу в десять секунд в конце цикла, так как уровень температуры не нужно проверять постоянно. Пауза снижает энергопотребление устройства.
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. Из терминала VS Code с активированной виртуальной средой выполните следующую команду, чтобы запустить ваше приложение на Python:
+
+    ```sh
+    python app.py
+    ```
+
+1. В приложении CounterFit измените значение датчика температуры, которое будет считываться приложением. Вы можете сделать это двумя способами:
+
+    * Введите число в поле *Value* для датчика температуры, затем нажмите кнопку **Set**. Число, которое вы введете, будет значением, возвращаемым датчиком.
+
+    * Установите флажок *Random* и введите значения *Min* и *Max*, затем нажмите кнопку **Set**. Каждый раз, когда датчик считывает значение, оно будет случайным числом между *Min* и *Max*.
+
+    Вы должны увидеть значения, которые вы установили, появляющиеся в консоли. Измените *Value* или настройки *Random*, чтобы увидеть изменение значения.
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device).
+
+😀 Ваше приложение для датчика температуры успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..e7b1dc79
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T22:18:27+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "ru"
+}
+-->
+# Публикация температуры - Wio Terminal
+
+В этой части урока вы будете публиковать значения температуры, зафиксированные Wio Terminal, через MQTT, чтобы их можно было использовать позже для расчета GDD.
+
+## Публикация температуры
+
+После того как температура была считана, ее можно опубликовать через MQTT в некоторый "серверный" код, который будет считывать значения и сохранять их для последующего использования в расчете GDD. Микроконтроллеры не получают время из Интернета и не отслеживают его с помощью встроенных часов реального времени по умолчанию, устройство должно быть запрограммировано для этого, если у него есть необходимое оборудование.
+
+Чтобы упростить задачу в рамках этого урока, время не будет отправляться вместе с данными датчика. Вместо этого оно может быть добавлено серверным кодом позже, когда сообщения будут получены.
+
+### Задание
+
+Запрограммируйте устройство для публикации данных о температуре.
+
+1. Откройте проект `temperature-sensor` для Wio Terminal.
+
+1. Повторите шаги, которые вы выполняли в уроке 4, чтобы подключиться к MQTT и отправить телеметрию. Вы будете использовать тот же публичный брокер Mosquitto.
+
+    Шаги для этого следующие:
+
+    - Добавьте библиотеки Seeed WiFi и MQTT в файл `.ini`
+    - Добавьте файл конфигурации и код для подключения к WiFi
+    - Добавьте код для подключения к MQTT-брокеру
+    - Добавьте код для публикации телеметрии
+
+    > ⚠️ Обратитесь к [инструкциям по подключению к MQTT](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) и [инструкциям по отправке телеметрии](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) из урока 4, если это необходимо.
+
+1. Убедитесь, что `CLIENT_NAME` в заголовочном файле `config.h` соответствует этому проекту:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. Для телеметрии вместо отправки значения освещенности отправьте значение температуры, считанное с датчика DHT, в свойстве JSON-документа под названием `temperature`, изменив функцию `loop` в `main.cpp`:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. Значение температуры не нужно считывать слишком часто — оно не будет сильно меняться за короткий промежуток времени, поэтому установите `delay` в функции `loop` на 10 минут:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 Функция `delay` принимает время в миллисекундах, поэтому для удобства чтения значение передается как результат вычисления. 1 000 мс в секунде, 60 секунд в минуте, поэтому 10 x (60 секунд в минуте) x (1 000 мс в секунде) дает задержку в 10 минут.
+
+1. Загрузите это на ваш Wio Terminal и используйте монитор порта, чтобы увидеть, как температура отправляется в MQTT-брокер.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"temperature":25}
+    Sending telemetry {"temperature":25}
+    ```
+
+> 💁 Этот код можно найти в папке [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal).
+
+😀 Вы успешно опубликовали температуру в качестве телеметрии с вашего устройства.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..6200ebf8
--- /dev/null
+++ b/translations/ru/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T22:17:13+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "ru"
+}
+-->
+# Измерение температуры - Wio Terminal
+
+В этой части урока вы добавите датчик температуры к вашему Wio Terminal и будете считывать значения температуры с него.
+
+## Аппаратное обеспечение
+
+Для Wio Terminal требуется датчик температуры.
+
+Датчик, который вы будете использовать, — это [датчик влажности и температуры DHT11](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html), объединяющий два датчика в одном корпусе. Это довольно популярное устройство, и существует множество коммерчески доступных датчиков, которые объединяют измерение температуры, влажности, а иногда и атмосферного давления. Компонент для измерения температуры представляет собой термистор с отрицательным температурным коэффициентом (NTC), сопротивление которого уменьшается с увеличением температуры.
+
+Это цифровой датчик, поэтому он имеет встроенный АЦП (аналогово-цифровой преобразователь), который создает цифровой сигнал с данными о температуре и влажности, которые может считывать микроконтроллер.
+
+### Подключение датчика температуры
+
+Датчик температуры Grove можно подключить к цифровому порту Wio Terminal.
+
+#### Задание - подключите датчик температуры
+
+Подключите датчик температуры.
+
+![Датчик температуры Grove](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на датчике влажности и температуры. Кабель вставляется только в одном направлении.
+
+1. Отключив Wio Terminal от компьютера или другого источника питания, подключите другой конец кабеля Grove к правому разъему Grove на Wio Terminal, если смотреть на экран. Это разъем, который находится дальше всего от кнопки питания.
+
+![Датчик температуры Grove подключен к правому разъему](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ru.png)
+
+## Программирование датчика температуры
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенным датчиком температуры.
+
+### Задание - программирование датчика температуры
+
+Программируйте устройство.
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите проект `temperature-sensor`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию проекта PlatformIO в проекте 1, уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Добавьте зависимость от библиотеки Seeed Grove Humidity and Temperature sensor в файл `platformio.ini` проекта:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ Вы можете обратиться к [инструкциям по добавлению библиотек в проект PlatformIO в проекте 1, уроке 4, если это необходимо](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries).
+
+1. Добавьте следующие директивы `#include` в начало файла, под существующей строкой `#include <Arduino.h>`:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    Эти директивы импортируют файлы, необходимые для взаимодействия с датчиком. Заголовочный файл `DHT.h` содержит код для работы с самим датчиком, а добавление заголовочного файла `SPI.h` гарантирует, что код, необходимый для связи с датчиком, будет подключен при компиляции приложения.
+
+1. Перед функцией `setup` объявите датчик DHT:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    Это объявляет экземпляр класса `DHT`, который управляет **D**igital **H**umidity and **T**emperature датчиком. Он подключен к порту `D0`, правому разъему Grove на Wio Terminal. Второй параметр указывает, что используется датчик *DHT11* — библиотека, которую вы используете, поддерживает и другие варианты этого датчика.
+
+1. В функции `setup` добавьте код для настройки последовательного соединения:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. В конце функции `setup`, после последней строки `delay`, добавьте вызов для запуска датчика DHT:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. В функции `loop` добавьте код для вызова датчика и вывода температуры в последовательный порт:
+
+    ```cpp
+    void loop()
+    {
+        float temp_hum_val[2] = {0};
+        dht.readTempAndHumidity(temp_hum_val);
+        Serial.print("Temperature: ");
+        Serial.print(temp_hum_val[1]);
+        Serial.println ("°C");
+    
+        delay(10000);
+    }
+    ```
+
+    Этот код объявляет пустой массив из двух чисел с плавающей точкой и передает его в вызов `readTempAndHumidity` экземпляра `DHT`. Этот вызов заполняет массив двумя значениями — влажность записывается в 0-й элемент массива (помните, что в C++ массивы нумеруются с 0, поэтому 0-й элемент — это "первый" элемент массива), а температура записывается в 1-й элемент.
+
+    Температура считывается из 1-го элемента массива и выводится в последовательный порт.
+
+    > 🇺🇸 Температура считывается в градусах Цельсия. Для американцев: чтобы преобразовать это значение в градусы Фаренгейта, разделите значение в Цельсиях на 5, затем умножьте на 9 и добавьте 32. Например, значение температуры 20°C преобразуется в ((20/5)*9) + 32 = 68°F.
+
+1. Соберите и загрузите код на Wio Terminal.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию проекта PlatformIO в проекте 1, уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. После загрузки вы можете отслеживать температуру с помощью последовательного монитора:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 24.00°C
+    ```
+
+> 💁 Этот код можно найти в папке [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal).
+
+😀 Ваше приложение для работы с датчиком температуры успешно создано!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/ru/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..7f6cff9f
--- /dev/null
+++ b/translations/ru/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T22:42:39+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "ru"
+}
+-->
+C, произносится как *ай-квадрат-си*, — это протокол с несколькими контроллерами и периферийными устройствами, где любое подключенное устройство может выступать в роли контроллера или периферийного устройства, общаясь через шину I²C (так называют систему передачи данных). Данные передаются в виде адресованных пакетов, каждый из которых содержит адрес устройства, для которого они предназначены.
+
+> 💁 Ранее эту модель называли master/slave (ведущий/ведомый), но от этой терминологии отказываются из-за её ассоциации с рабством. [Ассоциация Open Source Hardware приняла термины контроллер/периферия](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/), но вы всё ещё можете встретить упоминания старой терминологии.
+
+Устройства имеют адрес, который используется при подключении к шине I²C, и обычно он жёстко задан на устройстве. Например, каждый тип датчиков Grove от Seeed имеет одинаковый адрес: все датчики освещённости имеют один адрес, все кнопки — другой, отличный от адреса датчиков освещённости. Некоторые устройства позволяют изменить адрес, изменяя настройки перемычек или спаивая контакты.
+
+I²C использует шину, состоящую из двух основных проводов, а также двух проводов питания:
+
+| Провод | Название | Описание |
+| ---- | --------- | ----------- |
+| SDA | Serial Data (Серийные данные) | Этот провод используется для передачи данных между устройствами. |
+| SCL | Serial Clock (Серийные часы) | Этот провод передаёт тактовый сигнал с частотой, установленной контроллером. |
+| VCC | Voltage common collector (Общий коллектор напряжения) | Источник питания для устройств. Этот провод подключён к проводам SDA и SCL через подтягивающий резистор, который отключает сигнал, если ни одно устройство не является контроллером. |
+| GND | Ground (Земля) | Обеспечивает общий контур для электрической цепи. |
+
+![Шина I2C с 3 устройствами, подключёнными к проводам SDA и SCL, с общим проводом заземления](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ru.png)
+
+Для передачи данных одно из устройств инициирует стартовое состояние, показывая, что оно готово передавать данные. Оно становится контроллером. Затем контроллер отправляет адрес устройства, с которым хочет взаимодействовать, а также указывает, хочет ли он читать или записывать данные. После передачи данных контроллер отправляет сигнал остановки, чтобы показать, что передача завершена. После этого другое устройство может стать контроллером и начать передачу или приём данных.
+
+I<sup>2</sup>C имеет ограничения по скорости, с тремя различными режимами, работающими на фиксированных скоростях. Самый быстрый — это режим высокой скорости с максимальной скоростью 3.4 Мбит/с (мегабит в секунду), хотя очень мало устройств поддерживают такую скорость. Например, Raspberry Pi ограничен быстрым режимом на 400 Кбит/с (килобит в секунду). Стандартный режим работает на скорости 100 Кбит/с.
+
+> 💁 Если вы используете Raspberry Pi с Grove Base hat в качестве вашего IoT-оборудования, вы сможете увидеть несколько разъемов I<sup>2</sup>C на плате, которые можно использовать для связи с датчиками I<sup>2</sup>C. Аналоговые датчики Grove также используют I<sup>2</sup>C с АЦП для передачи аналоговых значений в виде цифровых данных, поэтому датчик света, который вы использовали, имитировал аналоговый вывод, передавая значение через I<sup>2</sup>C, так как Raspberry Pi поддерживает только цифровые выводы.
+
+### Универсальный асинхронный приемопередатчик (UART)
+
+UART включает физическую схему, которая позволяет двум устройствам обмениваться данными. Каждое устройство имеет 2 коммуникационных вывода — передающий (Tx) и принимающий (Rx), причем вывод Tx первого устройства подключен к выводу Rx второго, а вывод Tx второго устройства подключен к выводу Rx первого. Это позволяет передавать данные в обоих направлениях.
+
+* Устройство 1 передает данные с вывода Tx, которые принимаются устройством 2 на его выводе Rx.
+* Устройство 1 принимает данные на выводе Rx, которые передаются устройством 2 с его вывода Tx.
+
+![UART с выводом Tx одного чипа, подключенным к выводу Rx другого, и наоборот](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ru.png)
+
+> 🎓 Данные передаются по одному биту за раз, и это называется *последовательной* передачей. Большинство операционных систем и микроконтроллеров имеют *последовательные порты*, то есть соединения, которые могут отправлять и принимать последовательные данные, доступные вашему коду.
+
+Устройства UART имеют [скорость передачи данных](https://wikipedia.org/wiki/Symbol_rate) (также известную как символическая скорость), которая определяет скорость отправки и получения данных в битах в секунду. Обычная скорость передачи данных — 9600, что означает, что 9600 бит (0 и 1) данных передаются каждую секунду.
+
+UART использует стартовые и стоповые биты — то есть отправляет стартовый бит, чтобы указать, что собирается отправить байт (8 бит) данных, а затем стоповый бит после отправки 8 бит.
+
+Скорость UART зависит от оборудования, но даже самые быстрые реализации не превышают 6.5 Мбит/с (мегабит в секунду, или миллионы бит, 0 или 1, отправленных в секунду).
+
+Вы можете использовать UART через GPIO-выводы — можно настроить один вывод как Tx, а другой как Rx, затем подключить их к другому устройству.
+
+> 💁 Если вы используете Raspberry Pi с Grove Base hat в качестве вашего IoT-оборудования, вы сможете увидеть разъем UART на плате, который можно использовать для связи с датчиками, использующими протокол UART.
+
+### Последовательный периферийный интерфейс (SPI)
+
+SPI предназначен для связи на коротких расстояниях, например, между микроконтроллером и устройством хранения, таким как флэш-память. Он основан на модели контроллер/периферия с одним контроллером (обычно процессором IoT-устройства), взаимодействующим с несколькими периферийными устройствами. Контроллер управляет всем, выбирая периферийное устройство и отправляя или запрашивая данные.
+
+> 💁 Как и в случае с I<sup>2</sup>C, термины контроллер и периферия являются недавними изменениями, поэтому вы можете встретить старые термины.
+
+Контроллеры SPI используют 3 провода, а также 1 дополнительный провод на периферийное устройство. Периферийные устройства используют 4 провода. Эти провода:
+
+| Провод | Название | Описание |
+| ---- | --------- | ----------- |
+| COPI | Вывод контроллера, ввод периферии | Этот провод используется для отправки данных от контроллера к периферийному устройству. |
+| CIPO | Ввод контроллера, вывод периферии | Этот провод используется для отправки данных от периферийного устройства к контроллеру. |
+| SCLK | Последовательный тактовый сигнал | Этот провод отправляет тактовый сигнал с частотой, установленной контроллером. |
+| CS   | Выбор чипа | Контроллер имеет несколько проводов, по одному на периферийное устройство, и каждый провод подключается к проводу CS соответствующего периферийного устройства. |
+
+![SPI с одним контроллером и двумя периферийными устройствами](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ru.png)
+
+Провод CS используется для активации одного периферийного устройства за раз, связи через провода COPI и CIPO. Когда контроллеру нужно переключиться на другое периферийное устройство, он деактивирует провод CS, подключенный к текущему активному периферийному устройству, затем активирует провод, подключенный к периферийному устройству, с которым он хочет взаимодействовать.
+
+SPI является *полнодуплексным*, что означает, что контроллер может одновременно отправлять и получать данные от одного и того же периферийного устройства, используя провода COPI и CIPO. SPI использует тактовый сигнал на проводе SCLK для синхронизации устройств, поэтому, в отличие от передачи напрямую через UART, ему не нужны стартовые и стоповые биты.
+
+Для SPI нет определенных ограничений по скорости, и реализации часто могут передавать несколько мегабайт данных в секунду.
+
+Наборы разработчиков IoT часто поддерживают SPI через некоторые из GPIO-выводов. Например, на Raspberry Pi можно использовать GPIO-выводы 19, 21, 23, 24 и 26 для SPI.
+
+### Беспроводная связь
+
+Некоторые датчики могут обмениваться данными через стандартные беспроводные протоколы, такие как Bluetooth (в основном Bluetooth Low Energy, или BLE), LoRaWAN (протокол низкого энергопотребления для **Lo**ng **Ra**nge сетей) или WiFi. Это позволяет использовать удаленные датчики, которые не подключены физически к IoT-устройству.
+
+Один из примеров — коммерческие датчики влажности почвы. Они измеряют влажность почвы в поле, затем отправляют данные через LoRaWAN на концентратор, который обрабатывает данные или отправляет их через Интернет. Это позволяет датчику находиться вдали от IoT-устройства, которое управляет данными, снижая энергопотребление и необходимость в больших WiFi-сетях или длинных кабелях.
+
+BLE популярен для сложных датчиков, таких как фитнес-трекеры, которые работают на запястье. Они объединяют несколько датчиков и отправляют данные с них на IoT-устройство, например, ваш телефон, через BLE.
+
+✅ У вас есть какие-либо Bluetooth-датчики на себе, в вашем доме или школе? Это могут быть датчики температуры, датчики присутствия, трекеры устройств и фитнес-устройства.
+
+Один из популярных способов подключения коммерческих устройств — Zigbee. Zigbee использует WiFi для создания сетей типа "mesh" между устройствами, где каждое устройство подключается к как можно большему числу ближайших устройств, формируя множество соединений, похожих на паутину. Когда одно устройство хочет отправить сообщение в Интернет, оно может отправить его ближайшим устройствам, которые затем передают его другим ближайшим устройствам и так далее, пока оно не достигнет координатора и не будет отправлено в Интернет.
+
+> 🐝 Название Zigbee связано с "танцем тряски" медоносных пчел после их возвращения в улей.
+
+## Измерение уровня влажности почвы
+
+Вы можете измерить уровень влажности почвы, используя датчик влажности почвы, IoT-устройство и комнатное растение или ближайший участок почвы.
+
+### Задача - измерение влажности почвы
+
+Пройдите соответствующее руководство, чтобы измерить влажность почвы с помощью вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-soil-moisture.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-soil-moisture.md)
+
+## Калибровка датчиков
+
+Датчики работают на основе измерения электрических характеристик, таких как сопротивление или емкость.
+
+> 🎓 Сопротивление, измеряемое в омах (Ω), показывает, насколько сильно электрический ток встречает сопротивление при прохождении через материал. Когда на материал подается напряжение, количество проходящего через него тока зависит от сопротивления материала. Подробнее можно прочитать на [странице о сопротивлении на Wikipedia](https://wikipedia.org/wiki/Electrical_resistance_and_conductance).
+
+> 🎓 Емкость, измеряемая в фарадах (F), показывает способность компонента или цепи накапливать и сохранять электрическую энергию. Подробнее можно прочитать на [странице о емкости на Wikipedia](https://wikipedia.org/wiki/Capacitance).
+
+Эти измерения не всегда полезны — представьте себе датчик температуры, который выдает значение 22.5 кОм! Вместо этого измеренное значение должно быть преобразовано в полезную единицу путем калибровки — то есть сопоставления измеренных значений с измеряемой величиной, чтобы новые измерения можно было преобразовать в правильную единицу.
+
+Некоторые датчики поставляются предварительно откалиброванными. Например, датчик температуры, который вы использовали в прошлом уроке, уже был откалиброван, чтобы возвращать измерение температуры в °C. На заводе первый созданный датчик подвергался воздействию ряда известных температур, и измерялось сопротивление. Затем это использовалось для создания расчета, который может преобразовывать значение, измеренное в Ω (единица сопротивления), в °C.
+
+> 💁 Формула для расчета сопротивления по температуре называется [уравнением Штейнхарта–Харта](https://wikipedia.org/wiki/Steinhart–Hart_equation).
+
+### Калибровка датчика влажности почвы
+
+Влажность почвы измеряется с использованием гравиметрического или объемного содержания воды.
+
+* Гравиметрическое — это вес воды в единице веса почвы, измеряемый как количество килограммов воды на килограмм сухой почвы.
+* Объемное — это объем воды в единице объема почвы, измеряемый как количество кубических метров воды на кубические метры сухой почвы.
+
+> 🇺🇸 Для американцев, благодаря согласованности единиц измерения, это можно измерять в фунтах вместо килограммов или в кубических футах вместо кубических метров.
+
+Датчики влажности почвы измеряют электрическое сопротивление или емкость — это зависит не только от влажности почвы, но и от типа почвы, так как компоненты в почве могут изменять ее электрические характеристики. Идеально, если датчики откалиброваны — то есть сняты показания с датчика и сопоставлены с измерениями, полученными более научным методом. Например, лаборатория может рассчитать гравиметрическую влажность почвы, используя образцы конкретного поля, взятые несколько раз в год, и эти числа могут быть использованы для калибровки датчика, сопоставляя показания датчика с гравиметрической влажностью почвы.
+
+![График напряжения против содержания влаги в почве](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ru.png)
+
+График выше показывает, как откалибровать датчик. Напряжение фиксируется для образца почвы, который затем измеряется в лаборатории путем сравнения влажного веса с сухим (измеряется вес влажного образца, затем он сушится в печи и измеряется сухой вес). После того как снято несколько показаний, их можно нанести на график и провести линию через точки. Эта линия затем может быть использована для преобразования показаний датчика влажности почвы, снятых IoT-устройством, в фактические измерения влажности почвы.
+
+💁 Для резистивных датчиков влажности почвы напряжение увеличивается с увеличением влажности почвы. Для емкостных датчиков влажности почвы напряжение уменьшается с увеличением влажности почвы, поэтому графики для них будут наклонены вниз, а не вверх.
+
+![Значение влажности почвы, интерполированное из графика](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ru.png)
+
+График выше показывает показание напряжения с датчика влажности почвы, и, следуя этому значению до линии на графике, можно рассчитать фактическую влажность почвы.
+
+Этот подход позволяет фермеру получить всего несколько лабораторных измерений для поля, а затем использовать IoT-устройства для измерения влажности почвы — значительно ускоряя процесс получения измерений.
+
+---
+
+## 🚀 Задание
+
+Резистивные и емкостные датчики влажности почвы имеют ряд различий. Какие это различия, и какой тип (если таковой имеется) лучше всего подходит для использования фермером? Меняется ли ответ в зависимости от того, идет ли речь о развивающихся или развитых странах?
+
+## Тест после лекции
+
+[Тест после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## Обзор и самостоятельное изучение
+
+Изучите оборудование и протоколы, используемые датчиками и исполнительными устройствами:
+
+* [Страница GPIO на Wikipedia](https://wikipedia.org/wiki/General-purpose_input/output)
+* [Страница UART на Wikipedia](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)
+* [Страница SPI на Wikipedia](https://wikipedia.org/wiki/Serial_Peripheral_Interface)
+* [Страница I<sup>2</sup>C на Wikipedia](https://wikipedia.org/wiki/I²C)
+* [Страница Zigbee на Wikipedia](https://wikipedia.org/wiki/Zigbee)
+
+## Задание
+
+[Откалибруйте ваш датчик](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/ru/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..85a9490b
--- /dev/null
+++ b/translations/ru/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,63 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T22:49:58+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Калибровка вашего датчика
+
+## Инструкции
+
+В этом уроке вы собрали показания датчика влажности почвы, измеряемые в диапазоне от 0 до 1023. Чтобы преобразовать их в фактические значения влажности почвы, необходимо откалибровать датчик. Это можно сделать, взяв показания с образцов почвы, а затем рассчитав гравиметрическое содержание влаги в почве на основе этих образцов.
+
+Вам нужно будет повторить эти шаги несколько раз, чтобы получить необходимые данные, каждый раз с разной степенью влажности почвы.
+
+1. Снимите показания влажности почвы с помощью датчика влажности почвы. Запишите это значение.
+
+1. Возьмите образец почвы и взвесьте его. Запишите этот вес.
+
+1. Высушите почву — лучше всего это сделать в теплой духовке при температуре 110°C (230°F) в течение нескольких часов. Вы также можете высушить почву на солнце или оставить в теплом, сухом месте, пока она полностью не высохнет. Почва должна стать рассыпчатой и порошкообразной.
+
+    > 💁 В лабораторных условиях для получения наиболее точных результатов почву сушат в духовке в течение 48-72 часов. Если в вашей школе есть сушильные шкафы, попробуйте использовать их для более длительной сушки. Чем дольше сушится образец, тем он суше, а результаты точнее.
+
+1. Снова взвесьте почву.
+
+    > 🔥 Если вы сушили почву в духовке, убедитесь, что она сначала остыла!
+
+Гравиметрическая влажность почвы рассчитывается по формуле:
+
+![влажность почвы % = вес влажной почвы минус вес сухой почвы, делённый на вес сухой почвы, умноженный на 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ru.png)
+
+* W  
+- вес влажной почвы  
+* W  
+- вес сухой почвы  
+
+Например, у вас есть образец почвы, который весит 212 г во влажном состоянии и 197 г в сухом.
+
+![Пример расчёта](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ru.png)
+
+* W = 212 г  
+* W = 197 г  
+* 212 - 197 = 15  
+* 15 / 197 = 0.076  
+* 0.076 * 100 = 7.6%  
+
+В этом примере гравиметрическая влажность почвы составляет 7.6%.
+
+После того как вы получите данные как минимум для 3 образцов, постройте график зависимости влажности почвы (%) от показаний датчика влажности почвы и добавьте линию, которая лучше всего соответствует точкам. Затем вы сможете использовать этот график для расчёта гравиметрической влажности почвы по заданному показанию датчика, считывая значение с линии.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Сбор данных для калибровки | Собрано как минимум 3 образца для калибровки | Собрано как минимум 2 образца для калибровки | Собран как минимум 1 образец для калибровки |
+| Проведение калиброванного измерения | Успешно построен график калибровки, выполнено измерение с датчика и преобразование в гравиметрическую влажность почвы | Успешно построен график калибровки | Не удалось построить график |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/ru/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..df37b787
--- /dev/null
+++ b/translations/ru/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T22:52:30+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "ru"
+}
+-->
+# Измерение влажности почвы - Raspberry Pi
+
+В этой части урока вы добавите емкостный датчик влажности почвы к вашему Raspberry Pi и будете считывать с него значения.
+
+## Оборудование
+
+Для Raspberry Pi потребуется емкостный датчик влажности почвы.
+
+Датчик, который вы будете использовать, — это [Емкостный датчик влажности почвы](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), который измеряет влажность почвы, определяя её емкость — свойство, изменяющееся в зависимости от уровня влажности. С увеличением влажности почвы напряжение уменьшается.
+
+Этот датчик является аналоговым, поэтому он использует аналоговый вывод и 10-битный АЦП в Grove Base Hat на Raspberry Pi для преобразования напряжения в цифровой сигнал от 1 до 1023. Затем этот сигнал передается через I
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/ru/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..c36ef387
--- /dev/null
+++ b/translations/ru/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T22:51:18+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "ru"
+}
+-->
+# Измерение влажности почвы - Виртуальное IoT-устройство
+
+В этой части урока вы добавите емкостной датчик влажности почвы к вашему виртуальному IoT-устройству и будете считывать с него данные.
+
+## Виртуальное оборудование
+
+Виртуальное IoT-устройство будет использовать симулированный емкостной датчик влажности почвы Grove. Это позволяет сохранить лабораторную работу идентичной работе с Raspberry Pi и физическим емкостным датчиком влажности почвы Grove.
+
+В физическом IoT-устройстве датчик влажности почвы представляет собой емкостной датчик, который измеряет влажность почвы, определяя ее емкость — свойство, которое изменяется в зависимости от уровня влажности. По мере увеличения влажности почвы напряжение уменьшается.
+
+Это аналоговый датчик, поэтому он использует симулированный 10-битный АЦП для передачи значений в диапазоне от 1 до 1 023.
+
+### Добавление датчика влажности почвы в CounterFit
+
+Чтобы использовать виртуальный датчик влажности почвы, его необходимо добавить в приложение CounterFit.
+
+#### Задача - Добавить датчик влажности почвы в CounterFit
+
+Добавьте датчик влажности почвы в приложение CounterFit.
+
+1. Создайте новое приложение на Python на вашем компьютере в папке `soil-moisture-sensor` с единственным файлом `app.py` и виртуальной средой Python, а также добавьте пакеты pip для CounterFit.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию и настройке Python-проекта CounterFit в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте датчик влажности почвы:
+
+    1. В поле *Create sensor* на панели *Sensors* выберите тип датчика в выпадающем меню *Sensor type* и выберите *Soil Moisture*.
+
+    1. Оставьте *Units* установленным на *NoUnits*.
+
+    1. Убедитесь, что *Pin* установлен на *0*.
+
+    1. Нажмите кнопку **Add**, чтобы создать датчик *Soil Moisture* на выводе 0.
+
+    ![Настройки датчика влажности почвы](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ru.png)
+
+    Датчик влажности почвы будет создан и появится в списке датчиков.
+
+    ![Созданный датчик влажности почвы](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ru.png)
+
+## Программирование приложения для датчика влажности почвы
+
+Теперь можно запрограммировать приложение для работы с датчиком влажности почвы, используя датчики CounterFit.
+
+### Задача - Программирование приложения для датчика влажности почвы
+
+Запрограммируйте приложение для работы с датчиком влажности почвы.
+
+1. Убедитесь, что приложение `soil-moisture-sensor` открыто в VS Code.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в начало файла `app.py`, чтобы подключить приложение к CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Добавьте следующий код в файл `app.py` для импорта необходимых библиотек:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    Оператор `import time` импортирует модуль `time`, который будет использоваться позже в этом задании.
+
+    Оператор `from counterfit_shims_grove.adc import ADC` импортирует класс `ADC` для взаимодействия с виртуальным аналогово-цифровым преобразователем, который может подключаться к датчику CounterFit.
+
+1. Добавьте следующий код ниже для создания экземпляра класса `ADC`:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. Добавьте бесконечный цикл, который считывает данные с этого АЦП на выводе 0 и выводит результат в консоль. Этот цикл может делать паузу на 10 секунд между считываниями.
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. В приложении CounterFit измените значение датчика влажности почвы, которое будет считываться приложением. Это можно сделать двумя способами:
+
+    * Введите число в поле *Value* для датчика влажности почвы, затем нажмите кнопку **Set**. Введенное число будет возвращаемым значением датчика.
+
+    * Установите флажок *Random* и введите значения *Min* и *Max*, затем нажмите кнопку **Set**. Каждый раз, когда датчик считывает значение, оно будет случайным числом в диапазоне от *Min* до *Max*.
+
+1. Запустите приложение на Python. Вы увидите, как измерения влажности почвы выводятся в консоль. Измените *Value* или настройки *Random*, чтобы увидеть изменение значений.
+
+    ```output
+    (.venv) ➜ soil-moisture-sensor $ python app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+> 💁 Вы можете найти этот код в папке [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device).
+
+😀 Ваше приложение для датчика влажности почвы успешно заработало!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/ru/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..1ecc55d0
--- /dev/null
+++ b/translations/ru/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T22:48:51+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "ru"
+}
+-->
+# Измерение влажности почвы - Wio Terminal
+
+В этой части урока вы добавите емкостный датчик влажности почвы к вашему Wio Terminal и будете считывать значения с него.
+
+## Оборудование
+
+Для Wio Terminal потребуется емкостный датчик влажности почвы.
+
+Датчик, который вы будете использовать, — это [емкостный датчик влажности почвы](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html), который измеряет влажность почвы, определяя её емкость — свойство, изменяющееся в зависимости от уровня влажности. С увеличением влажности почвы напряжение уменьшается.
+
+Это аналоговый датчик, который подключается к аналоговым выводам Wio Terminal, используя встроенный АЦП для создания значения в диапазоне от 0 до 1023.
+
+### Подключение датчика влажности почвы
+
+Емкостный датчик влажности почвы Grove можно подключить к настраиваемому аналоговому/цифровому порту Wio Terminal.
+
+#### Задача - подключить датчик влажности почвы
+
+Подключите датчик влажности почвы.
+
+![Емкостный датчик влажности почвы Grove](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на датчике влажности почвы. Кабель вставляется только в одном направлении.
+
+1. Отключив Wio Terminal от компьютера или другого источника питания, подключите другой конец кабеля Grove к правому разъему Grove на Wio Terminal, если смотреть на экран. Это разъем, который находится дальше всего от кнопки питания.
+
+![Емкостный датчик влажности почвы Grove подключен к правому разъему](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ru.png)
+
+1. Вставьте датчик влажности почвы в почву. На датчике есть «линия максимального уровня» — белая линия, проходящая через датчик. Вставьте датчик до этой линии, но не глубже.
+
+![Емкостный датчик влажности почвы Grove в почве](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ru.png)
+
+1. Теперь вы можете подключить Wio Terminal к вашему компьютеру.
+
+## Программирование датчика влажности почвы
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенным датчиком влажности почвы.
+
+### Задача - запрограммировать датчик влажности почвы
+
+Программируйте устройство.
+
+1. Создайте новый проект для Wio Terminal, используя PlatformIO. Назовите проект `soil-moisture-sensor`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+    > ⚠️ Вы можете обратиться к [инструкции по созданию проекта PlatformIO в проекте 1, уроке 1, если потребуется](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project).
+
+1. Для этого датчика нет библиотеки, поэтому вы можете считывать данные с аналогового вывода, используя встроенную функцию Arduino [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/). Начните с настройки аналогового вывода для ввода, чтобы можно было считывать значения, добавив следующий код в функцию `setup`.
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    Этот код устанавливает вывод `A0`, комбинированный аналоговый/цифровой вывод, как входной вывод, с которого можно считывать напряжение.
+
+1. Добавьте следующий код в функцию `loop` для считывания напряжения с этого вывода:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. Под этим кодом добавьте следующий код для вывода значения в последовательный порт:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. В конце добавьте задержку на 10 секунд:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. Соберите и загрузите код на Wio Terminal.
+
+    > ⚠️ Вы можете обратиться к [инструкции по созданию проекта PlatformIO в проекте 1, уроке 1, если потребуется](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app).
+
+1. После загрузки вы можете наблюдать за влажностью почвы, используя последовательный монитор. Добавьте немного воды в почву или извлеките датчик из почвы и посмотрите, как изменяется значение.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Soil Moisture: 526
+    Soil Moisture: 529
+    Soil Moisture: 521
+    Soil Moisture: 494
+    Soil Moisture: 454
+    Soil Moisture: 456
+    Soil Moisture: 395
+    Soil Moisture: 388
+    Soil Moisture: 394
+    Soil Moisture: 391
+    ```
+
+    В приведенном выше примере выходных данных видно, как напряжение падает при добавлении воды.
+
+> 💁 Вы можете найти этот код в папке [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal).
+
+😀 Программа для датчика влажности почвы успешно завершена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/3-automated-plant-watering/README.md b/translations/ru/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..83d2c11f
--- /dev/null
+++ b/translations/ru/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T22:21:56+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "ru"
+}
+-->
+# Автоматический полив растений
+
+![Скетчноут с обзором урока](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был частью [IoT для начинающих: Проект 2 - Цифровое сельское хозяйство](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Автоматический полив растений с использованием IoT](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## Введение
+
+На прошлом уроке вы узнали, как измерять влажность почвы. На этом уроке вы научитесь создавать основные компоненты автоматической системы полива, которая реагирует на уровень влажности почвы. Вы также узнаете о временных задержках — как датчики могут реагировать на изменения с задержкой, а исполнительные устройства могут требовать времени для изменения измеряемых параметров.
+
+В этом уроке мы рассмотрим:
+
+* [Управление устройствами с высоким энергопотреблением с помощью IoT-устройства с низким энергопотреблением](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Управление реле](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Управление растением через MQTT](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Временные задержки датчиков и исполнительных устройств](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [Добавление тайминга на сервер управления растением](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## Управление устройствами с высоким энергопотреблением с помощью IoT-устройства с низким энергопотреблением
+
+IoT-устройства используют низкое напряжение. Хотя этого достаточно для датчиков и маломощных исполнительных устройств, таких как светодиоды, этого недостаточно для управления более крупным оборудованием, например, насосом для полива. Даже небольшие насосы, которые можно использовать для комнатных растений, потребляют слишком много тока для IoT-устройства и могут вывести плату из строя.
+
+> 🎓 Ток, измеряемый в амперах (A), — это количество электричества, проходящего через цепь. Напряжение обеспечивает толчок, а ток показывает, сколько электричества передается. Подробнее о токе можно прочитать на [странице о электрическом токе в Википедии](https://wikipedia.org/wiki/Electric_current).
+
+Решение заключается в том, чтобы подключить насос к внешнему источнику питания и использовать исполнительное устройство для включения насоса, аналогично тому, как вы включаете свет. Для нажатия на выключатель требуется небольшое количество энергии (в виде энергии вашего тела), и это соединяет свет с электрической сетью, работающей на 110В/240В.
+
+![Выключатель включает питание для света](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ru.png)
+
+> 🎓 [Электросеть](https://wikipedia.org/wiki/Mains_electricity) — это электричество, подаваемое в дома и предприятия через национальную инфраструктуру во многих странах мира.
+
+✅ IoT-устройства обычно обеспечивают 3.3В или 5В при токе менее 1 ампера (1А). Для сравнения, электросеть чаще всего работает на 230В (120В в Северной Америке и 100В в Японии) и может обеспечивать питание для устройств, потребляющих до 30А.
+
+Существует множество исполнительных устройств, которые могут это сделать, включая механические устройства, которые можно прикрепить к существующим выключателям, имитируя нажатие пальцем. Самым популярным из них является реле.
+
+### Реле
+
+Реле — это электромеханический переключатель, который преобразует электрический сигнал в механическое движение, включающее переключатель. Основным элементом реле является электромагнит.
+
+> 🎓 [Электромагниты](https://wikipedia.org/wiki/Electromagnet) — это магниты, создаваемые пропусканием электричества через катушку провода. Когда электричество включено, катушка намагничивается. Когда электричество выключено, катушка теряет свою магнитность.
+
+![Когда реле включено, электромагнит создает магнитное поле, замыкая выходную цепь](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ru.png)
+
+В реле управляющая цепь питает электромагнит. Когда электромагнит включен, он притягивает рычаг, который замыкает контакты и завершает выходную цепь.
+
+![Когда реле выключено, электромагнит не создает магнитного поля, размыкая выходную цепь](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ru.png)
+
+Когда управляющая цепь выключена, электромагнит отключается, освобождая рычаг и размыкая контакты, что отключает выходную цепь. Реле являются цифровыми исполнительными устройствами — высокий сигнал включает реле, низкий сигнал выключает его.
+
+Выходная цепь может использоваться для питания дополнительного оборудования, например, системы полива. IoT-устройство может включить реле, замкнув выходную цепь, которая питает систему полива, и растения будут поливаться. Затем IoT-устройство может выключить реле, разорвав цепь питания системы полива, отключив воду.
+
+![Реле включает насос, который подает воду к растению](../../../../../images/strawberry-pump.gif)
+
+На видео выше реле включается. Светодиод на реле загорается, указывая на его включение (некоторые платы реле имеют светодиоды для индикации состояния реле), и питание подается на насос, который включается и подает воду к растению.
+
+> 💁 Реле также могут использоваться для переключения между двумя выходными цепями вместо включения и выключения одной. Когда рычаг перемещается, он переключает цепь с одной выходной цепи на другую, обычно имея общий источник питания или общий заземляющий контакт.
+
+✅ Исследуйте: Существует несколько типов реле, различающихся, например, тем, включается ли реле при подаче питания на управляющую цепь или выключается, а также количеством выходных цепей. Узнайте больше об этих типах.
+
+Когда рычаг перемещается, обычно можно услышать четкий щелчок, указывающий на контакт с электромагнитом.
+
+> 💁 Реле можно подключить так, чтобы замыкание цепи разрывало питание реле, выключая его, что затем снова подает питание на реле, и так далее. Это приводит к очень быстрому щелканию реле, создавая жужжащий звук. Так работали первые звонки в электрических дверных звонках.
+
+### Питание реле
+
+Электромагниту требуется немного энергии для активации и перемещения рычага, его можно управлять с помощью 3.3В или 5В от IoT-устройства. Выходная цепь может передавать гораздо больше энергии, в зависимости от реле, включая напряжение электросети или даже более высокие уровни мощности для промышленного использования. Таким образом, IoT-устройство может управлять системой полива — от небольшого насоса для одного растения до огромной промышленной системы для коммерческой фермы.
+
+![Реле Grove с обозначенными управляющей цепью, выходной цепью и самим реле](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ru.png)
+
+На изображении выше показано реле Grove. Управляющая цепь подключается к IoT-устройству и включает или выключает реле, используя 3.3В или 5В. Выходная цепь имеет два терминала, любой из которых может быть источником питания или заземлением. Выходная цепь может выдерживать до 250В при 10А, что достаточно для различных устройств, работающих от электросети. Существуют реле, которые могут выдерживать еще более высокие уровни мощности.
+
+![Насос, подключенный через реле](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ru.png)
+
+На изображении выше питание подается на насос через реле. Красный провод соединяет клемму +5В USB-источника питания с одним из терминалов выходной цепи реле, а другой красный провод соединяет другой терминал выходной цепи с насосом. Черный провод соединяет насос с заземлением USB-источника питания. Когда реле включается, оно замыкает цепь, подавая 5В на насос, включая его.
+
+## Управление реле
+
+Вы можете управлять реле с помощью вашего IoT-устройства.
+
+### Задание — управление реле
+
+Выполните соответствующее руководство для управления реле с помощью вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-relay.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-relay.md)
+
+## Управление растением через MQTT
+
+На данный момент ваше реле управляется IoT-устройством напрямую на основе одного показания влажности почвы. В коммерческой системе полива логика управления централизована, что позволяет принимать решения о поливе на основе данных от нескольких датчиков и изменять настройки в одном месте. Чтобы смоделировать это, вы можете управлять реле через MQTT.
+
+### Задание — управление реле через MQTT
+
+1. Добавьте соответствующие библиотеки MQTT/pip-пакеты и код в ваш проект `soil-moisture-sensor` для подключения к MQTT. Назовите идентификатор клиента как `soilmoisturesensor_client`, добавив ваш ID в качестве префикса.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по подключению к MQTT в проекте 1, урок 4, если это необходимо](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt).
+
+1. Добавьте соответствующий код устройства для отправки телеметрии с настройками влажности почвы. Для сообщения телеметрии назовите свойство `soil_moisture`.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по отправке телеметрии в MQTT в проекте 1, урок 4, если это необходимо](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device).
+
+1. Создайте локальный серверный код для подписки на телеметрию и отправки команды для управления реле в папке `soil-moisture-sensor-server`. Назовите свойство в сообщении команды `relay_on`, а идентификатор клиента — `soilmoisturesensor_server`, добавив ваш ID в качестве префикса. Сохраните ту же структуру, что и в серверном коде, который вы писали для проекта 1, урок 4, так как вы будете добавлять в этот код позже в этом уроке.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по отправке телеметрии в MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) и [отправке команд через MQTT](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) в проекте 1, урок 4, если это необходимо.
+
+1. Добавьте соответствующий код устройства для управления реле на основе полученных команд, используя свойство `relay_on` из сообщения. Отправляйте true для `relay_on`, если `soil_moisture` больше 450, иначе отправляйте false, как в логике, которую вы добавили для IoT-устройства ранее.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по обработке команд из MQTT в проекте 1, урок 4, если это необходимо](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device).
+
+> 💁 Вы можете найти этот код в папке [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt).
+
+Убедитесь, что код работает на вашем устройстве и локальном сервере, и протестируйте его, изменяя уровни влажности почвы, либо изменяя значения, отправляемые виртуальным датчиком, либо изменяя уровень влажности почвы, добавляя воду или вынимая датчик из почвы.
+
+## Временные задержки датчиков и исполнительных устройств
+
+На уроке 3 вы создали ночник — светодиод, который включается, как только датчик света обнаруживает низкий уровень освещенности. Датчик света мгновенно реагировал на изменения уровня света, и устройство могло быстро реагировать, ограничиваясь только длиной задержки в функции `loop` или цикле `while True:`. Как разработчик IoT, вы не всегда можете рассчитывать на такую быструю обратную связь.
+
+### Временные задержки для влажности почвы
+
+Если вы выполняли предыдущий урок с использованием физического датчика влажности почвы, вы могли заметить, что показания влажности почвы снижались через несколько секунд после полива растения. Это связано не с медлительностью датчика, а с тем, что воде требуется время, чтобы впитаться в почву.
+💁 Если вы поливали слишком близко к датчику, вы могли заметить, что показания быстро упали, а затем снова поднялись — это происходит из-за того, что вода рядом с датчиком распространяется по остальной части почвы, снижая влажность почвы возле датчика.
+![Измерение влажности почвы 658 не изменяется во время полива, оно падает до 320 только после того, как вода пропитает почву](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ru.png)
+
+На диаграмме выше показано, что уровень влажности почвы составляет 658. Растение поливается, но это значение не изменяется сразу, так как вода еще не достигла датчика. Полив может закончиться до того, как вода достигнет датчика, и значение упадет, отражая новый уровень влажности.
+
+Если вы пишете код для управления системой орошения через реле на основе уровня влажности почвы, вам нужно учитывать эту задержку и внедрить более умное управление временем в вашем IoT-устройстве.
+
+✅ Подумайте, как вы могли бы это реализовать.
+
+### Управление временем датчика и исполнительного устройства
+
+Представьте, что вам поручили создать систему орошения для фермы. Исходя из типа почвы, идеальный уровень влажности для выращиваемых растений соответствует аналоговому напряжению в диапазоне 400-450.
+
+Вы могли бы запрограммировать устройство так же, как ночник — все время, пока датчик показывает значение выше 450, включать реле для запуска насоса. Проблема в том, что вода некоторое время движется от насоса через почву к датчику. Датчик остановит подачу воды, когда обнаружит уровень 450, но уровень воды будет продолжать падать, так как вода продолжает пропитывать почву. В результате вода будет потрачена впустую, а корни растений могут быть повреждены.
+
+✅ Помните — слишком много воды может быть так же вредно для растений, как и слишком мало, и это приводит к растрате ценного ресурса.
+
+Лучшее решение — понимать, что существует задержка между включением исполнительного устройства и изменением свойства, которое измеряет датчик. Это означает, что датчик должен подождать некоторое время перед повторным измерением, а исполнительное устройство должно быть выключено на некоторое время перед следующим измерением датчика.
+
+Сколько времени реле должно быть включено каждый раз? Лучше перестраховаться и включать реле на короткое время, затем подождать, пока вода пропитает почву, и снова проверить уровень влажности. В конце концов, вы всегда можете включить насос снова, чтобы добавить больше воды, но вы не можете удалить воду из почвы.
+
+> 💁 Такой контроль времени очень специфичен для IoT-устройства, которое вы создаете, свойства, которое вы измеряете, и используемых датчиков и исполнительных устройств.
+
+![Растение клубники, подключенное к воде через насос, с насосом, подключенным к реле. Реле и датчик влажности почвы подключены к Raspberry Pi](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ru.png)
+
+Например, у меня есть растение клубники с датчиком влажности почвы и насосом, управляемым реле. Я заметил, что когда я добавляю воду, требуется около 20 секунд, чтобы показания влажности почвы стабилизировались. Это означает, что мне нужно выключить реле и подождать 20 секунд перед проверкой уровня влажности. Я предпочитаю, чтобы воды было недостаточно, чем слишком много — я всегда могу включить насос снова, но не могу удалить воду из растения.
+
+![Шаг 1: измерить. Шаг 2: добавить воду. Шаг 3: подождать, пока вода пропитает почву. Шаг 4: повторно измерить](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ru.png)
+
+Это означает, что лучший процесс полива будет выглядеть примерно так:
+
+* Включить насос на 5 секунд
+* Подождать 20 секунд
+* Проверить уровень влажности почвы
+* Если уровень все еще выше необходимого, повторить вышеуказанные шаги
+
+5 секунд могут быть слишком долгим временем для насоса, особенно если уровень влажности лишь немного выше необходимого. Лучший способ определить, какое время использовать, — попробовать, а затем корректировать, имея данные датчика, с постоянной обратной связью. Это может даже привести к более точному управлению временем, например, включению насоса на 1 секунду за каждые 100 выше необходимого уровня влажности почвы, вместо фиксированных 5 секунд.
+
+✅ Проведите исследование: Есть ли другие временные факторы, которые нужно учитывать? Можно ли поливать растение в любое время, когда уровень влажности почвы слишком низкий, или существуют определенные времена дня, которые подходят или не подходят для полива растений?
+
+> 💁 Прогнозы погоды также могут быть учтены при управлении автоматизированными системами полива для выращивания на открытом воздухе. Если ожидается дождь, полив можно отложить до его окончания. После этого почва может быть достаточно влажной, чтобы не нуждаться в поливе, что гораздо эффективнее, чем тратить воду, поливая непосредственно перед дождем.
+
+## Добавьте управление временем в сервер управления растением
+
+Код сервера можно модифицировать, чтобы добавить управление временем цикла полива и ожидание изменения уровня влажности почвы. Логика сервера для управления временем реле такова:
+
+1. Получено сообщение телеметрии
+1. Проверить уровень влажности почвы
+1. Если все в порядке, ничего не делать. Если показания слишком высоки (что означает, что уровень влажности почвы слишком низкий), то:
+    1. Отправить команду для включения реле
+    1. Подождать 5 секунд
+    1. Отправить команду для выключения реле
+    1. Подождать 20 секунд, чтобы уровень влажности почвы стабилизировался
+
+Цикл полива, процесс от получения сообщения телеметрии до готовности снова обработать уровень влажности почвы, занимает около 25 секунд. Мы отправляем данные о влажности почвы каждые 10 секунд, поэтому существует перекрытие, когда сообщение получено, пока сервер ожидает стабилизации уровня влажности почвы, что может запустить еще один цикл полива.
+
+Есть два варианта решения этой проблемы:
+
+* Изменить код IoT-устройства, чтобы отправлять телеметрию только раз в минуту, таким образом цикл полива будет завершен до отправки следующего сообщения
+* Отписаться от телеметрии во время цикла полива
+
+Первый вариант не всегда подходит для больших ферм. Фермер может захотеть фиксировать уровни влажности почвы во время полива для последующего анализа, например, чтобы быть в курсе движения воды в разных областях фермы и направлять более целенаправленный полив. Второй вариант лучше — код просто игнорирует телеметрию, когда не может ее использовать, но телеметрия все равно доступна для других сервисов, которые могут подписаться на нее.
+
+> 💁 Данные IoT не отправляются только от одного устройства к одному сервису, вместо этого множество устройств могут отправлять данные брокеру, а множество сервисов могут слушать данные от брокера. Например, один сервис может слушать данные о влажности почвы и сохранять их в базе данных для анализа позже. Другой сервис может также слушать ту же телеметрию для управления системой орошения.
+
+### Задача — добавьте управление временем в сервер управления растением
+
+Обновите код сервера, чтобы реле работало 5 секунд, а затем ожидало 20 секунд.
+
+1. Откройте папку `soil-moisture-sensor-server` в VS Code, если она еще не открыта. Убедитесь, что виртуальная среда активирована.
+
+1. Откройте файл `app.py`
+
+1. Добавьте следующий код в файл `app.py` ниже существующих импортов:
+
+    ```python
+    import threading
+    ```
+
+    Этот оператор импортирует `threading` из библиотек Python, что позволяет Python выполнять другой код во время ожидания.
+
+1. Добавьте следующий код перед функцией `handle_telemetry`, которая обрабатывает сообщения телеметрии, полученные кодом сервера:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    Это определяет, как долго реле должно работать (`water_time`), и как долго ждать после этого, чтобы проверить уровень влажности (`wait_time`).
+
+1. Ниже этого кода добавьте следующее:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    Этот код определяет функцию `send_relay_command`, которая отправляет команду через MQTT для управления реле. Телеметрия создается как словарь, затем преобразуется в строку JSON. Значение, переданное в `state`, определяет, должно ли реле быть включено или выключено.
+
+1. После функции `send_relay_code` добавьте следующий код:
+
+    ```python
+    def control_relay(client):
+        print("Unsubscribing from telemetry")
+        mqtt_client.unsubscribe(client_telemetry_topic)
+    
+        send_relay_command(client, True)
+        time.sleep(water_time)
+        send_relay_command(client, False)
+    
+        time.sleep(wait_time)
+    
+        print("Subscribing to telemetry")
+        mqtt_client.subscribe(client_telemetry_topic)
+    ```
+
+    Это определяет функцию для управления реле на основе необходимого времени. Она начинается с отписки от телеметрии, чтобы сообщения о влажности почвы не обрабатывались во время полива. Затем она отправляет команду для включения реле. После этого она ждет `water_time`, прежде чем отправить команду для выключения реле. Наконец, она ждет стабилизации уровня влажности почвы в течение `wait_time` секунд. Затем она снова подписывается на телеметрию.
+
+1. Измените функцию `handle_telemetry` на следующую:
+
+    ```python
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['soil_moisture'] > 450:
+            threading.Thread(target=control_relay, args=(client,)).start()
+    ```
+
+    Этот код проверяет уровень влажности почвы. Если он больше 450, почва нуждается в поливе, поэтому вызывается функция `control_relay`. Эта функция выполняется в отдельном потоке, работающем в фоновом режиме.
+
+1. Убедитесь, что ваше IoT-устройство работает, затем запустите этот код. Измените уровни влажности почвы и наблюдайте, что происходит с реле — оно должно включаться на 5 секунд, а затем оставаться выключенным как минимум 20 секунд, включаясь только если уровень влажности почвы недостаточен.
+
+    ```output
+    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
+    Message received: {'soil_moisture': 457}
+    Unsubscribing from telemetry
+    Sending message: {'relay_on': True}
+    Sending message: {'relay_on': False}
+    Subscribing to telemetry
+    Message received: {'soil_moisture': 302}
+    ```
+
+    Хороший способ протестировать это в симулированной системе орошения — использовать сухую почву, затем вручную наливать воду, пока реле включено, прекращая наливать, когда реле выключается.
+
+> 💁 Вы можете найти этот код в папке [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing).
+
+> 💁 Если вы хотите использовать насос для создания реальной системы орошения, вы можете использовать [6V водяной насос](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) с [USB-терминалом питания](https://www.adafruit.com/product/3628). Убедитесь, что питание к или от насоса подключено через реле.
+
+---
+
+## 🚀 Задание
+
+Можете ли вы придумать другие IoT-устройства или электрические устройства, которые имеют аналогичную проблему, когда требуется время, чтобы результаты работы исполнительного устройства достигли датчика? Возможно, у вас есть несколько таких устройств дома или в школе.
+
+* Какие свойства они измеряют?
+* Сколько времени требуется, чтобы свойство изменилось после использования исполнительного устройства?
+* Можно ли допустить, чтобы свойство изменилось за пределы требуемого значения?
+* Как его можно вернуть к требуемому значению, если это необходимо?
+
+## Тест после лекции
+
+[Тест после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о реле, включая их историческое использование в телефонных станциях, на [странице Wikipedia о реле](https://wikipedia.org/wiki/Relay).
+
+## Задание
+
+[Создайте более эффективный цикл полива](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/ru/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..b77a0370
--- /dev/null
+++ b/translations/ru/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T22:26:32+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Создание более эффективного цикла полива
+
+## Инструкции
+
+В этом уроке мы рассмотрели, как управлять реле с помощью данных датчика, а это реле, в свою очередь, может управлять насосом для системы орошения. Для определенного объема почвы работа насоса в течение фиксированного времени всегда оказывает одинаковое влияние на влажность почвы. Это означает, что вы можете примерно определить, сколько секунд орошения соответствует определенному снижению показателя влажности почвы. Используя эти данные, вы можете создать более контролируемую систему орошения.
+
+В этом задании вам нужно будет рассчитать, как долго насос должен работать для достижения определенного повышения влажности почвы.
+
+> ⚠️ Если вы используете виртуальное IoT-оборудование, вы можете пройти этот процесс, но симулировать результаты, вручную увеличивая показания влажности почвы на фиксированное значение за каждую секунду работы реле.
+
+1. Начните с сухой почвы. Измерьте влажность почвы.
+
+1. Добавьте фиксированное количество воды, либо запустив насос на 1 секунду, либо налив фиксированное количество воды.
+
+    > Насос всегда должен работать с постоянной скоростью, поэтому каждую секунду работы он должен подавать одинаковое количество воды.
+
+1. Подождите, пока уровень влажности почвы стабилизируется, и сделайте замер.
+
+1. Повторите это несколько раз и создайте таблицу результатов. Пример такой таблицы приведен ниже.
+
+    | Общее время работы насоса | Влажность почвы | Уменьшение |
+    | --- | --: | -: |
+    | Сухая | 643 |  0 |
+    | 1с   | 621 | 22 |
+    | 2с   | 601 | 20 |
+    | 3с   | 579 | 22 |
+    | 4с   | 560 | 19 |
+    | 5с   | 539 | 21 |
+    | 6с   | 521 | 18 |
+
+1. Рассчитайте среднее увеличение влажности почвы за секунду подачи воды. В приведенном выше примере каждую секунду подачи воды показания уменьшаются в среднем на 20.3.
+
+1. Используйте эти данные для повышения эффективности серверного кода, запуская насос на необходимое время, чтобы достичь нужного уровня влажности почвы.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Сбор данных о влажности почвы | Умеет собирать несколько показаний после добавления фиксированных количеств воды | Умеет собирать некоторые показания с фиксированными количествами воды | Может собрать только одно или два показания, либо не может использовать фиксированные количества воды |
+| Калибровка серверного кода | Умеет рассчитать среднее уменьшение показаний влажности почвы и обновить серверный код для его использования | Умеет рассчитать среднее уменьшение, но не может обновить серверный код, либо не может правильно рассчитать среднее, но использует это значение для правильного обновления серверного кода | Не может рассчитать среднее или обновить серверный код |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/ru/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..07516ef9
--- /dev/null
+++ b/translations/ru/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T22:29:17+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "ru"
+}
+-->
+# Управление реле - Raspberry Pi
+
+В этой части урока вы добавите реле к вашему Raspberry Pi в дополнение к датчику влажности почвы и будете управлять им на основе уровня влажности почвы.
+
+## Оборудование
+
+Для Raspberry Pi потребуется реле.
+
+Реле, которое вы будете использовать, — это [Grove реле](https://www.seeedstudio.com/Grove-Relay.html), нормально-разомкнутое реле (это означает, что выходная цепь разомкнута или отключена, когда сигнал на реле не подается), которое может работать с выходными цепями до 250В и 10А.
+
+Это цифровой исполнительный механизм, поэтому он подключается к цифровому пину на Grove Base Hat.
+
+### Подключение реле
+
+Реле Grove можно подключить к Raspberry Pi.
+
+#### Задание
+
+Подключите реле.
+
+![Реле Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на реле. Он вставляется только одной стороной.
+
+1. При выключенном Raspberry Pi подключите другой конец кабеля Grove к цифровому разъему, обозначенному **D5**, на Grove Base Hat, установленном на Pi. Этот разъем находится вторым слева в ряду разъемов рядом с GPIO-пинами. Оставьте датчик влажности почвы подключенным к разъему **A0**.
+
+![Реле Grove подключено к разъему D5, а датчик влажности почвы подключен к разъему A0](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ru.png)
+
+1. Вставьте датчик влажности почвы в землю, если он еще не установлен с предыдущего урока.
+
+## Программирование реле
+
+Теперь Raspberry Pi можно запрограммировать для работы с подключенным реле.
+
+### Задание
+
+Программируйте устройство.
+
+1. Включите Pi и дождитесь его загрузки.
+
+1. Откройте проект `soil-moisture-sensor` из прошлого урока в VS Code, если он еще не открыт. Вы будете добавлять код в этот проект.
+
+1. Добавьте следующий код в файл `app.py` ниже существующих импортов:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    Этот оператор импортирует `GroveRelay` из библиотек Grove Python для взаимодействия с реле Grove.
+
+1. Добавьте следующий код ниже объявления класса `ADC`, чтобы создать экземпляр `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Это создает реле, используя пин **D5**, цифровой пин, к которому вы подключили реле.
+
+1. Чтобы проверить, работает ли реле, добавьте следующее в цикл `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Код включает реле, ждет 0,5 секунды, затем выключает реле.
+
+1. Запустите Python-приложение. Реле будет включаться и выключаться каждые 10 секунд с задержкой в полсекунды между включением и выключением. Вы услышите щелчок реле при включении и выключении. Светодиод на плате Grove загорится, когда реле включено, и погаснет, когда реле выключено.
+
+    ![Реле включается и выключается](../../../../../images/relay-turn-on-off.gif)
+
+## Управление реле на основе влажности почвы
+
+Теперь, когда реле работает, его можно управлять в зависимости от показаний датчика влажности почвы.
+
+### Задание
+
+Управляйте реле.
+
+1. Удалите 3 строки кода, которые вы добавили для тестирования реле. Замените их следующим кодом:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    Этот код проверяет уровень влажности почвы с датчика влажности почвы. Если он выше 450, реле включается, а если ниже 450 — выключается.
+
+    > 💁 Помните, что емкостный датчик влажности почвы работает так: чем ниже уровень влажности почвы, тем больше влаги в почве, и наоборот.
+
+1. Запустите Python-приложение. Вы увидите, как реле включается или выключается в зависимости от уровня влажности почвы. Попробуйте в сухой почве, затем добавьте воду.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi).
+
+😀 Программа управления реле с помощью датчика влажности почвы успешно завершена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/ru/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..dad0616e
--- /dev/null
+++ b/translations/ru/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T22:30:22+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "ru"
+}
+-->
+# Управление реле - Виртуальное IoT-устройство
+
+В этой части урока вы добавите реле к вашему виртуальному IoT-устройству в дополнение к датчику влажности почвы и будете управлять им на основе уровня влажности почвы.
+
+## Виртуальное оборудование
+
+Виртуальное IoT-устройство будет использовать симулированное реле Grove. Это позволяет сохранить лабораторную работу аналогичной использованию Raspberry Pi с физическим реле Grove.
+
+В физическом IoT-устройстве реле будет нормально-разомкнутым (то есть выходная цепь разомкнута или отключена, если на реле не подается сигнал). Такое реле может работать с выходными цепями до 250В и 10А.
+
+### Добавление реле в CounterFit
+
+Чтобы использовать виртуальное реле, его нужно добавить в приложение CounterFit.
+
+#### Задание
+
+Добавьте реле в приложение CounterFit.
+
+1. Откройте проект `soil-moisture-sensor` из прошлого урока в VS Code, если он еще не открыт. Вы будете добавлять в этот проект.
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте реле:
+
+    1. В поле *Create actuator* на панели *Actuators* раскройте список *Actuator type* и выберите *Relay*.
+
+    1. Установите *Pin* на *5*.
+
+    1. Нажмите кнопку **Add**, чтобы создать реле на выводе 5.
+
+    ![Настройки реле](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ru.png)
+
+    Реле будет создано и появится в списке актуаторов.
+
+    ![Созданное реле](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ru.png)
+
+## Программирование реле
+
+Теперь приложение для датчика влажности почвы можно запрограммировать для использования виртуального реле.
+
+### Задание
+
+Программируйте виртуальное устройство.
+
+1. Откройте проект `soil-moisture-sensor` из прошлого урока в VS Code, если он еще не открыт. Вы будете добавлять в этот проект.
+
+1. Добавьте следующий код в файл `app.py` ниже существующих импортов:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    Этот оператор импортирует `GroveRelay` из библиотек Grove Python shim для взаимодействия с виртуальным реле Grove.
+
+1. Добавьте следующий код ниже объявления класса `ADC`, чтобы создать экземпляр `GroveRelay`:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    Это создает реле, используя вывод **5**, к которому вы подключили реле.
+
+1. Чтобы проверить, работает ли реле, добавьте следующий код в цикл `while True:`:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    Код включает реле, ждет 0,5 секунды, затем выключает реле.
+
+1. Запустите Python-приложение. Реле будет включаться и выключаться каждые 10 секунд с задержкой в полсекунды между включением и выключением. Вы увидите, как виртуальное реле в приложении CounterFit закрывается и открывается при включении и выключении.
+
+    ![Виртуальное реле включается и выключается](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## Управление реле на основе влажности почвы
+
+Теперь, когда реле работает, его можно управлять в зависимости от показаний датчика влажности почвы.
+
+### Задание
+
+Управляйте реле.
+
+1. Удалите 3 строки кода, которые вы добавили для тестирования реле. Замените их следующим кодом:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    Этот код проверяет уровень влажности почвы с датчика влажности. Если он выше 450, реле включается, если ниже 450 — выключается.
+
+    > 💁 Помните, что емкостный датчик влажности почвы работает так: чем ниже уровень влажности почвы, тем больше влаги в почве, и наоборот.
+
+1. Запустите Python-приложение. Вы увидите, как реле включается или выключается в зависимости от уровня влажности почвы. Измените *Value* или настройки *Random* для датчика влажности почвы, чтобы увидеть изменение значения.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device).
+
+😀 Ваше виртуальное приложение для управления реле на основе датчика влажности почвы успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/ru/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..71b1cd29
--- /dev/null
+++ b/translations/ru/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T22:28:18+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "ru"
+}
+-->
+# Управление реле - Wio Terminal
+
+В этой части урока вы добавите реле к вашему Wio Terminal в дополнение к датчику влажности почвы и будете управлять им в зависимости от уровня влажности почвы.
+
+## Аппаратное обеспечение
+
+Для Wio Terminal потребуется реле.
+
+Реле, которое вы будете использовать, — это [Grove реле](https://www.seeedstudio.com/Grove-Relay.html), нормально-разомкнутое реле (это значит, что выходная цепь разомкнута или отключена, если на реле не подается сигнал), которое может работать с выходными цепями до 250 В и 10 А.
+
+Это цифровой исполнительный механизм, поэтому он подключается к цифровым пинам на Wio Terminal. Комбинированный аналоговый/цифровой порт уже используется для датчика влажности почвы, поэтому реле подключается к другому порту, который является комбинированным I2C и цифровым портом.
+
+### Подключение реле
+
+Реле Grove можно подключить к цифровому порту Wio Terminal.
+
+#### Задание
+
+Подключите реле.
+
+![Реле Grove](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на реле. Он вставляется только в одном направлении.
+
+1. Отключите Wio Terminal от компьютера или другого источника питания, затем подключите другой конец кабеля Grove к левому разъему Grove на Wio Terminal, если смотреть на экран. Оставьте датчик влажности почвы подключенным к правому разъему.
+
+![Реле Grove подключено к левому разъему, а датчик влажности почвы подключен к правому разъему](../../../../../translated_images/wio-relay-and-soil-moisture-sensor.ed722202d42babe0be5f4518cf13e8c2c81e8df21d37839266cbdb60cf30172d.ru.png)
+
+1. Вставьте датчик влажности почвы в почву, если он еще не был установлен с предыдущего урока.
+
+## Программирование реле
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенным реле.
+
+### Задание
+
+Программируйте устройство.
+
+1. Откройте проект `soil-moisture-sensor` из прошлого урока в VS Code, если он еще не открыт. Вы будете добавлять код в этот проект.
+
+2. Для этого исполнительного механизма нет отдельной библиотеки — это цифровой механизм, управляемый сигналами высокого или низкого уровня. Чтобы включить его, нужно отправить высокий сигнал на пин (3.3 В), чтобы выключить — низкий сигнал (0 В). Вы можете сделать это с помощью встроенной функции Arduino [`digitalWrite`](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalwrite/). Начните с добавления следующего кода в конец функции `setup`, чтобы настроить комбинированный I2C/цифровой порт как выходной пин для подачи напряжения на реле:
+
+    ```cpp
+    pinMode(PIN_WIRE_SCL, OUTPUT);
+    ```
+
+    `PIN_WIRE_SCL` — это номер порта для комбинированного I2C/цифрового порта.
+
+1. Чтобы проверить, работает ли реле, добавьте следующий код в функцию `loop`, ниже последнего `delay`:
+
+    ```cpp
+    digitalWrite(PIN_WIRE_SCL, HIGH);
+    delay(500);
+    digitalWrite(PIN_WIRE_SCL, LOW);
+    ```
+
+    Этот код отправляет высокий сигнал на пин, к которому подключено реле, чтобы включить его, ждет 500 мс (полсекунды), затем отправляет низкий сигнал, чтобы выключить реле.
+
+1. Соберите и загрузите код на Wio Terminal.
+
+1. После загрузки реле будет включаться и выключаться каждые 10 секунд с задержкой в полсекунды между включением и выключением. Вы услышите щелчок реле при включении и выключении. Светодиод на плате Grove загорится, когда реле включено, и погаснет, когда реле выключено.
+
+    ![Реле включается и выключается](../../../../../images/relay-turn-on-off.gif)
+
+## Управление реле в зависимости от влажности почвы
+
+Теперь, когда реле работает, его можно управлять в зависимости от показаний датчика влажности почвы.
+
+### Задание
+
+Управляйте реле.
+
+1. Удалите 3 строки кода, которые вы добавили для тестирования реле. Замените их следующим кодом:
+
+    ```cpp
+    if (soil_moisture > 450)
+    {
+        Serial.println("Soil Moisture is too low, turning relay on.");
+        digitalWrite(PIN_WIRE_SCL, HIGH);
+    }
+    else
+    {
+        Serial.println("Soil Moisture is ok, turning relay off.");
+        digitalWrite(PIN_WIRE_SCL, LOW);
+    }
+    ```
+
+    Этот код проверяет уровень влажности почвы с помощью датчика. Если он выше 450, реле включается, а если ниже 450 — выключается.
+
+    > 💁 Помните, что емкостный датчик влажности почвы работает так: чем ниже уровень влажности, тем больше влаги в почве, и наоборот.
+
+1. Соберите и загрузите код на Wio Terminal.
+
+1. Наблюдайте за устройством через последовательный монитор. Вы увидите, как реле включается или выключается в зависимости от уровня влажности почвы. Попробуйте в сухой почве, затем добавьте воды.
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-relay/wio-terminal](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/wio-terminal).
+
+😀 Ваш проект по управлению реле с помощью датчика влажности почвы успешно завершен!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..02ef791e
--- /dev/null
+++ b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T22:53:31+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "ru"
+}
+-->
+# Перенесите ваше растение в облако
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был проведен в рамках [IoT для начинающих: Проект 2 - Цифровое сельское хозяйство](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Подключите ваше устройство к облаку с помощью Azure IoT Hub](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## Введение
+
+В прошлом уроке вы узнали, как подключить ваше растение к MQTT-брокеру и управлять реле с помощью серверного кода, работающего локально. Это является основой для создания автоматизированной системы полива, подключенной к интернету, которая может использоваться как для отдельных растений дома, так и для коммерческих ферм.
+
+IoT-устройство взаимодействовало с публичным MQTT-брокером, чтобы продемонстрировать основные принципы, но это не самый надежный или безопасный способ. В этом уроке вы узнаете об облаке и IoT-возможностях, предоставляемых публичными облачными сервисами. Вы также научитесь переносить ваше растение с публичного MQTT-брокера на один из этих облачных сервисов.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое облако?](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Создание облачной подписки](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Облачные IoT-сервисы](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Создание IoT-сервиса в облаке](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Взаимодействие с IoT Hub](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [Подключение вашего устройства к IoT-сервису](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## Что такое облако?
+
+До появления облака, когда компании хотели предоставлять услуги своим сотрудникам (например, базы данных или хранение файлов) или публике (например, веб-сайты), они создавали и управляли собственными дата-центрами. Это мог быть как небольшой кабинет с несколькими компьютерами, так и целое здание с множеством серверов. Компания управляла всем, включая:
+
+* Покупку компьютеров
+* Обслуживание оборудования
+* Электропитание и охлаждение
+* Сетевую инфраструктуру
+* Безопасность, включая защиту здания и программного обеспечения
+* Установку и обновление программного обеспечения
+
+Это могло быть очень дорого, требовать широкий спектр квалифицированных сотрудников и быть медленным в случае необходимости изменений. Например, если онлайн-магазин планировал высокий сезон продаж, ему нужно было заранее закупить оборудование, настроить его, установить программное обеспечение и подготовить процесс продаж. После окончания сезона оборудование оставалось без дела до следующего всплеска продаж.
+
+✅ Как вы думаете, позволило бы это компаниям быстро адаптироваться? Если онлайн-магазин одежды внезапно стал популярным благодаря знаменитости, одетой в их продукцию, смогли бы они быстро увеличить вычислительные мощности для обработки внезапного наплыва заказов?
+
+### Компьютер кого-то другого
+
+Облако часто шутливо называют "компьютером кого-то другого". Изначальная идея была проста — вместо покупки компьютеров вы арендуете компьютеры у кого-то другого. Облачный провайдер управляет огромными дата-центрами, беря на себя ответственность за покупку и установку оборудования, управление электропитанием и охлаждением, сетевую инфраструктуру, безопасность здания, обновления оборудования и программного обеспечения. Как клиент, вы арендуете нужное количество компьютеров, увеличивая аренду при росте спроса и уменьшая при его падении. Эти облачные дата-центры расположены по всему миру.
+
+![Облачный дата-центр Microsoft](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ru.png)
+![Планируемое расширение облачного дата-центра Microsoft](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ru.png)
+
+Эти дата-центры могут занимать площадь в несколько квадратных километров. На изображениях выше показан облачный дата-центр Microsoft несколько лет назад, а также планируемое расширение. Очищенная для расширения территория превышает 5 квадратных километров.
+
+> 💁 Эти дата-центры требуют настолько большого количества энергии, что некоторые из них имеют собственные электростанции. Благодаря своему размеру и инвестициям облачных провайдеров, они обычно очень экологичны. Они более эффективны, чем множество небольших дата-центров, работают преимущественно на возобновляемой энергии, а облачные провайдеры активно сокращают отходы, уменьшают использование воды и восстанавливают леса, вырубленные для строительства дата-центров. Подробнее о том, как один из облачных провайдеров работает над устойчивым развитием, можно прочитать на [сайте устойчивого развития Azure](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn).
+
+✅ Проведите исследование: Узнайте больше о крупных облачных провайдерах, таких как [Azure от Microsoft](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) или [GCP от Google](https://cloud.google.com). Сколько дата-центров у них есть и где они расположены?
+
+Использование облака позволяет компаниям снизить расходы и сосредоточиться на своей основной деятельности, оставляя управление облачными технологиями провайдеру. Компаниям больше не нужно арендовать или покупать пространство для дата-центров, оплачивать услуги различных поставщиков для подключения и электропитания или нанимать экспертов. Вместо этого они могут оплачивать один ежемесячный счет облачному провайдеру, который берет на себя все заботы.
+
+Облачный провайдер, в свою очередь, использует экономию на масштабе, чтобы снизить затраты, закупая оборудование оптом по более низким ценам, инвестируя в инструменты для автоматизации обслуживания и даже разрабатывая собственное оборудование для улучшения облачных услуг.
+
+### Microsoft Azure
+
+Azure — это облако для разработчиков от Microsoft, и именно его вы будете использовать в этих уроках. Видео ниже дает краткий обзор Azure:
+
+[![Видеообзор Azure](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ru.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## Создание облачной подписки
+
+Чтобы использовать облачные сервисы, вам нужно зарегистрироваться для получения подписки у облачного провайдера. В этом уроке вы будете регистрироваться для подписки Microsoft Azure. Если у вас уже есть подписка Azure, вы можете пропустить этот шаг. Описанные здесь детали подписки актуальны на момент написания, но могут измениться.
+
+> 💁 Если вы проходите эти уроки через вашу школу, возможно, у вас уже есть доступная подписка Azure. Уточните у вашего преподавателя.
+
+Существует два типа бесплатных подписок Azure, которые вы можете оформить:
+
+* **Azure для студентов** — подписка, предназначенная для студентов старше 18 лет. Для регистрации не требуется кредитная карта, а для подтверждения статуса студента используется школьный адрес электронной почты. При регистрации вы получаете $100 для использования облачных ресурсов, а также бесплатные услуги, включая бесплатную версию IoT-сервиса. Подписка действует 12 месяцев и может быть продлена каждый год, пока вы остаетесь студентом.
+
+* **Бесплатная подписка Azure** — подписка для всех, кто не является студентом. Для регистрации потребуется кредитная карта, но она не будет списывать средства, а используется только для подтверждения, что вы реальный человек, а не бот. Вы получаете $200 кредита для использования в течение первых 30 дней на любые услуги, а также бесплатные уровни Azure-сервисов. После того как кредит будет исчерпан, ваша карта не будет списывать средства, если вы не перейдете на подписку с оплатой по мере использования.
+
+> 💁 Microsoft также предлагает подписку Azure для начинающих студентов для учащихся младше 18 лет, но на момент написания она не поддерживает IoT-сервисы.
+
+### Задача — зарегистрируйтесь для бесплатной облачной подписки
+
+Если вы студент старше 18 лет, вы можете зарегистрироваться для подписки Azure для студентов. Для подтверждения потребуется школьный адрес электронной почты. Вы можете сделать это двумя способами:
+
+* Зарегистрируйтесь для получения пакета разработчика GitHub для студентов на [education.github.com/pack](https://education.github.com/pack). Это даст вам доступ к множеству инструментов и предложений, включая GitHub и Microsoft Azure. После регистрации вы сможете активировать предложение Azure для студентов.
+
+* Зарегистрируйтесь напрямую для получения аккаунта Azure для студентов на [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn).
+
+> ⚠️ Если ваш школьный адрес электронной почты не распознается, создайте [обращение в этом репозитории](https://github.com/Microsoft/IoT-For-Beginners/issues), и мы постараемся добавить его в список разрешенных для Azure для студентов.
+
+Если вы не являетесь студентом или у вас нет действующего школьного адреса электронной почты, вы можете зарегистрироваться для бесплатной подписки Azure.
+
+* Зарегистрируйтесь для получения бесплатной подписки Azure на [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn)
+
+## Облачные IoT-сервисы
+
+Публичный тестовый MQTT-брокер, который вы использовали, — отличный инструмент для обучения, но имеет ряд недостатков для использования в коммерческих целях:
+
+* Надежность — это бесплатный сервис без гарантий, который может быть отключен в любой момент
+* Безопасность — он публичный, поэтому любой может прослушивать вашу телеметрию или отправлять команды для управления вашим оборудованием
+* Производительность — он предназначен только для небольшого количества тестовых сообщений и не справится с большим объемом данных
+* Обнаружение — нет способа узнать, какие устройства подключены
+
+IoT-сервисы в облаке решают эти проблемы. Они поддерживаются крупными облачными провайдерами, которые вкладывают значительные средства в надежность и готовы оперативно устранять возникающие проблемы. Они обеспечивают безопасность, предотвращая доступ хакеров к вашим данным или отправку ложных команд. Они также обладают высокой производительностью, способной обрабатывать миллионы сообщений ежедневно, используя возможности облака для масштабирования.
+
+> 💁 Хотя за эти преимущества приходится платить ежемесячную плату, большинство облачных провайдеров предлагают бесплатную версию своих IoT-сервисов с ограничением на количество сообщений в день или подключенных устройств. Эта бесплатная версия обычно более чем достаточна для разработчиков, чтобы изучить сервис. В этом уроке вы будете использовать бесплатную версию.
+
+IoT-устройства подключаются к облачному сервису либо с помощью SDK устройства (библиотеки, предоставляющей код для работы с функциями сервиса), либо напрямую через протоколы связи, такие как MQTT или HTTP. SDK устройства обычно является самым простым вариантом, так как он автоматически обрабатывает все, включая темы для публикации или подписки и вопросы безопасности.
+
+![Устройства подключаются к сервису с помощью SDK устройства. Серверный код также подключается к сервису через SDK](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ru.png)
+
+Ваше устройство затем взаимодействует с другими компонентами вашего приложения через этот сервис — аналогично тому, как вы отправляли телеметрию и получали команды через MQTT. Обычно это происходит с использованием SDK сервиса или аналогичной библиотеки. Сообщения поступают от вашего устройства в сервис, где другие компоненты вашего приложения могут их читать, а затем отправлять сообщения обратно на устройство.
+
+![Устройства без действительного секретного ключа не могут подключиться к IoT-сервису](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ru.png)
+
+Эти сервисы реализуют безопасность, зная обо всех устройствах, которые могут подключаться и отправлять данные, либо путем предварительной регистрации устройств в сервисе, либо предоставляя устройствам секретные ключи или сертификаты, которые они могут использовать для регистрации при первом подключении. Неизвестные устройства не могут подключиться — если они пытаются, сервис отклоняет соединение и игнорирует отправленные ими сообщения.
+
+✅ Проведите исследование: Каковы недостатки открытого IoT-сервиса, где любое устройство или код могут подключиться? Можете ли вы найти конкретные примеры, когда хакеры воспользовались этим? 
+
+Другие компоненты вашего приложения могут подключаться к IoT-сервису, узнавать о всех подключенных или зарегистрированных устройствах и взаимодействовать с ними напрямую, как массово, так и индивидуально.
+💁 Сервисы IoT также реализуют дополнительные возможности, а облачные провайдеры предлагают дополнительные сервисы и приложения, которые можно подключить к основному сервису. Например, если вы хотите сохранять все телеметрические сообщения, отправляемые всеми устройствами, в базе данных, обычно достаточно всего нескольких кликов в инструменте настройки облачного провайдера, чтобы подключить сервис к базе данных и начать потоковую передачу данных.
+## Создание IoT-сервиса в облаке
+
+Теперь, когда у вас есть подписка Azure, вы можете зарегистрироваться для использования IoT-сервиса. IoT-сервис от Microsoft называется Azure IoT Hub.
+
+![Логотип Azure IoT Hub](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ru.png)
+
+Видео ниже дает краткий обзор Azure IoT Hub:
+
+[![Видеообзор Azure IoT Hub](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+✅ Найдите время, чтобы провести небольшое исследование и прочитать обзор IoT Hub в [документации Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn).
+
+Облачные сервисы, доступные в Azure, можно настраивать через веб-портал или с помощью интерфейса командной строки (CLI). Для выполнения этой задачи вы будете использовать CLI.
+
+### Задача - установка Azure CLI
+
+Чтобы использовать Azure CLI, сначала его нужно установить на ваш ПК или Mac.
+
+1. Следуйте инструкциям в [документации Azure CLI](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) для установки CLI.
+
+1. Azure CLI поддерживает ряд расширений, которые добавляют возможности для управления различными сервисами Azure. Установите расширение IoT, выполнив следующую команду в командной строке или терминале:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. В командной строке или терминале выполните следующую команду, чтобы войти в свою подписку Azure через Azure CLI.
+
+    ```sh
+    az login
+    ```
+
+    В вашем браузере откроется веб-страница. Войдите, используя учетную запись, которую вы использовали для регистрации подписки Azure. После входа вы можете закрыть вкладку браузера.
+
+1. Если у вас есть несколько подписок Azure, например, предоставленная учебным заведением и ваша собственная подписка Azure for Students, вам нужно будет выбрать ту, которую вы хотите использовать. Выполните следующую команду, чтобы увидеть список всех доступных подписок:
+
+    ```sh
+    az account list --output table
+    ```
+
+    В выводе вы увидите название каждой подписки вместе с ее `SubscriptionId`.
+
+    ```output
+    ➜  ~ az account list --output table
+    Name                    CloudName    SubscriptionId                        State    IsDefault
+    ----------------------  -----------  ------------------------------------  -------  -----------
+    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
+    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
+    ```
+
+    Чтобы выбрать подписку, которую вы хотите использовать, выполните следующую команду:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    Замените `<SubscriptionId>` на идентификатор подписки, которую вы хотите использовать. После выполнения этой команды снова выполните команду для отображения ваших учетных записей. Вы увидите, что в столбце `IsDefault` будет указано `True` для выбранной подписки.
+
+### Задача - создание группы ресурсов
+
+Сервисы Azure, такие как экземпляры IoT Hub, виртуальные машины, базы данных или AI-сервисы, называются **ресурсами**. Каждый ресурс должен находиться внутри **группы ресурсов**, которая представляет собой логическую группу из одного или нескольких ресурсов.
+
+> 💁 Использование групп ресурсов позволяет управлять несколькими сервисами одновременно. Например, после завершения всех уроков этого проекта вы можете удалить группу ресурсов, и все ресурсы в ней будут удалены автоматически.
+
+1. В Azure есть множество дата-центров по всему миру, разделенных на регионы. При создании ресурса или группы ресурсов Azure необходимо указать, где вы хотите их создать. Выполните следующую команду, чтобы получить список доступных локаций:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    Вы увидите длинный список локаций.
+
+    > 💁 На момент написания доступно 65 локаций для развертывания.
+
+    ```output
+        ➜  ~ az account list-locations --output table
+    DisplayName               Name                 RegionalDisplayName
+    ------------------------  -------------------  -------------------------------------
+    East US                   eastus               (US) East US
+    East US 2                 eastus2              (US) East US 2
+    South Central US          southcentralus       (US) South Central US
+    ...
+    ```
+
+    Запишите значение из столбца `Name` для региона, ближайшего к вам. Вы можете найти регионы на карте на странице [Azure geographies](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn).
+
+1. Выполните следующую команду, чтобы создать группу ресурсов с именем `soil-moisture-sensor`. Имена групп ресурсов должны быть уникальными в вашей подписке.
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    Замените `<location>` на выбранное вами местоположение.
+
+### Задача - создание IoT Hub
+
+Теперь вы можете создать ресурс IoT Hub в своей группе ресурсов.
+
+1. Используйте следующую команду для создания ресурса IoT Hub:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя для вашего хаба. Это имя должно быть уникальным в глобальном масштабе — то есть ни один другой IoT Hub, созданный кем-либо, не может иметь такое же имя. Это имя используется в URL-адресе, указывающем на хаб, поэтому оно должно быть уникальным. Используйте что-то вроде `soil-moisture-sensor-` и добавьте уникальный идентификатор, например случайные слова или ваше имя.
+
+    Опция `--sku F1` указывает на использование бесплатного уровня. Бесплатный уровень поддерживает 8 000 сообщений в день и включает большинство функций платных уровней.
+
+    > 🎓 Различные уровни цен на сервисы Azure называются уровнями (tiers). Каждый уровень имеет свою стоимость и предоставляет разные функции или объемы данных.
+
+    > 💁 Если вы хотите узнать больше о ценах, вы можете ознакомиться с [руководством по ценам на Azure IoT Hub](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn).
+
+    Опция `--partition-count 2` определяет, сколько потоков данных поддерживает IoT Hub. Большее количество разделов уменьшает блокировку данных, когда несколько устройств читают и записывают данные в IoT Hub. Разделы выходят за рамки этих уроков, но это значение необходимо установить для создания бесплатного уровня IoT Hub.
+
+    > 💁 Вы можете иметь только один IoT Hub бесплатного уровня на подписку.
+
+IoT Hub будет создан. Это может занять минуту или две.
+
+## Взаимодействие с IoT Hub
+
+В предыдущем уроке вы использовали MQTT и отправляли сообщения на разные темы, каждая из которых имела свое назначение. Вместо отправки сообщений по разным темам IoT Hub предоставляет несколько определенных способов взаимодействия устройства с хабом или хаба с устройством.
+
+> 💁 В основе взаимодействие между IoT Hub и вашим устройством может использовать MQTT, HTTPS или AMQP.
+
+* Сообщения от устройства в облако (D2C) — это сообщения, отправляемые устройством в IoT Hub, например телеметрия. Эти сообщения затем могут быть считаны вашим приложением.
+
+    > 🎓 В основе IoT Hub использует сервис Azure под названием [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn). Когда вы пишете код для чтения сообщений, отправленных в хаб, их часто называют событиями.
+
+* Сообщения из облака на устройство (C2D) — это сообщения, отправляемые приложением через IoT Hub на IoT-устройство.
+
+* Запросы прямых методов — это сообщения, отправляемые приложением через IoT Hub на IoT-устройство с запросом выполнить определенное действие, например управление исполнительным механизмом. Эти сообщения требуют ответа, чтобы приложение могло определить, было ли действие успешно выполнено.
+
+* Двойники устройств (Device twins) — это JSON-документы, синхронизируемые между устройством и IoT Hub, которые используются для хранения настроек или других свойств, либо сообщаемых устройством, либо устанавливаемых на устройстве (называемых желаемыми) через IoT Hub.
+
+IoT Hub может хранить сообщения и запросы прямых методов в течение настраиваемого периода времени (по умолчанию один день), поэтому, если устройство или приложение теряет соединение, оно все равно сможет получить сообщения, отправленные во время его отсутствия, после восстановления соединения. Двойники устройств хранятся в IoT Hub постоянно, поэтому устройство в любой момент может подключиться и получить актуальные данные.
+
+✅ Проведите исследование: Прочитайте больше о типах сообщений в [руководстве по взаимодействию устройства с облаком](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn) и [руководстве по взаимодействию облака с устройством](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) в документации IoT Hub.
+
+## Подключение устройства к IoT-сервису
+
+После создания хаба ваше IoT-устройство может подключиться к нему. Только зарегистрированные устройства могут подключаться к сервису, поэтому вам нужно будет сначала зарегистрировать устройство. После регистрации вы получите строку подключения, которую устройство сможет использовать для подключения. Эта строка подключения уникальна для каждого устройства и содержит информацию о IoT Hub, устройстве и секретный ключ, позволяющий устройству подключаться.
+
+> 🎓 Строка подключения — это общий термин для текста, содержащего данные для подключения. Они используются при подключении к IoT Hub, базам данных и многим другим сервисам. Обычно они включают идентификатор сервиса, например URL, и данные безопасности, такие как секретный ключ. Эти строки передаются SDK для подключения к сервису.
+
+> ⚠️ Строки подключения должны быть защищены! Безопасность будет рассмотрена более подробно в одном из следующих уроков.
+
+### Задача - регистрация IoT-устройства
+
+IoT-устройство можно зарегистрировать в вашем IoT Hub с помощью Azure CLI.
+
+1. Выполните следующую команду, чтобы зарегистрировать устройство:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+    Это создаст устройство с идентификатором `soil-moisture-sensor`.
+
+1. Когда ваше IoT-устройство подключается к IoT Hub с помощью SDK, оно должно использовать строку подключения, содержащую URL хаба и секретный ключ. Выполните следующую команду, чтобы получить строку подключения:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+1. Сохраните строку подключения, которая будет показана в выводе, так как она понадобится вам позже.
+
+### Задача - подключение IoT-устройства к облаку
+
+Пройдите соответствующее руководство, чтобы подключить ваше IoT-устройство к облаку:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-connect-hub.md)
+
+### Задача - мониторинг событий
+
+На данный момент вы не будете обновлять код сервера. Вместо этого вы можете использовать Azure CLI для мониторинга событий от вашего IoT-устройства.
+
+1. Убедитесь, что ваше IoT-устройство работает и отправляет телеметрические данные о влажности почвы.
+
+1. Выполните следующую команду в командной строке или терминале, чтобы мониторить сообщения, отправляемые в ваш IoT Hub:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+    Вы увидите сообщения, появляющиеся в консоли, по мере их отправки вашим IoT-устройством.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 376}"
+        }
+    },
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    Содержимое `payload` будет соответствовать сообщению, отправленному вашим IoT-устройством.
+
+    > На момент написания расширение `az iot` не полностью работает на устройствах с Apple Silicon. Если вы используете устройство с Apple Silicon, вам нужно будет мониторить сообщения другим способом, например, с помощью [Azure IoT Tools для Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging).
+
+1. Эти сообщения автоматически содержат ряд свойств, таких как временная метка отправки. Эти свойства называются *аннотациями*. Чтобы увидеть все аннотации сообщений, используйте следующую команду:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+    Вы увидите сообщения, появляющиеся в консоли, по мере их отправки вашим IoT-устройством.
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "properties": {},
+            "annotations": {
+                "iothub-connection-device-id": "soil-moisture-sensor",
+                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
+                "iothub-connection-auth-generation-id": "637553997165220462",
+                "iothub-enqueuedtime": 1619976150288,
+                "iothub-message-source": "Telemetry",
+                "x-opt-sequence-number": 1379,
+                "x-opt-offset": "550576",
+                "x-opt-enqueued-time": 1619976150277
+            },
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    Временные значения в аннотациях указаны в [UNIX-времени](https://wikipedia.org/wiki/Unix_time), представляющем количество секунд с полуночи 1 января 1970 года.
+
+    Выйдите из монитора событий, когда закончите.
+
+### Задача - управление IoT-устройством
+
+Вы также можете использовать Azure CLI для вызова прямых методов на вашем IoT-устройстве.
+
+1. Выполните следующую команду в командной строке или терминале, чтобы вызвать метод `relay_on` на IoT-устройстве:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    Замените `
+<hub_name>
+` с именем, которое вы использовали для вашего IoT Hub.
+
+    Это отправляет запрос на выполнение метода, указанного в `method-name`. Прямые методы могут принимать полезную нагрузку, содержащую данные для метода, и это можно указать в параметре `method-payload` в формате JSON.
+
+    Вы увидите, как реле включится, а также соответствующий вывод с вашего IoT-устройства:
+
+    ```output
+    Direct method received -  relay_on
+    ```
+
+1. Повторите предыдущий шаг, но установите `--method-name` в значение `relay_off`. Вы увидите, как реле выключится, а также соответствующий вывод с IoT-устройства.
+
+---
+
+## 🚀 Задача
+
+Бесплатный уровень IoT Hub позволяет отправлять 8,000 сообщений в день. Код, который вы написали, отправляет телеметрические сообщения каждые 10 секунд. Сколько сообщений в день будет отправляться, если одно сообщение отправляется каждые 10 секунд?
+
+Подумайте, как часто нужно отправлять данные о влажности почвы? Как можно изменить ваш код, чтобы оставаться в рамках бесплатного уровня, проверяя данные так часто, как нужно, но не слишком часто? А что, если вы захотите добавить второе устройство?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## Обзор и самостоятельное изучение
+
+SDK для IoT Hub является открытым исходным кодом как для Arduino, так и для Python. В репозиториях кода на GitHub есть множество примеров, показывающих, как работать с различными функциями IoT Hub.
+
+* Если вы используете Wio Terminal, ознакомьтесь с [примерами для Arduino на GitHub](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples)
+* Если вы используете Raspberry Pi или виртуальное устройство, ознакомьтесь с [примерами для Python на GitHub](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples)
+
+## Задание
+
+[Узнайте о облачных сервисах](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..5a313a3d
--- /dev/null
+++ b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T22:58:53+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Узнайте о облачных сервисах
+
+## Инструкции
+
+Облака, такие как Azure от Microsoft, предлагают не только аренду вычислительных мощностей. Основные типы облачных предложений включают:
+
+* Инфраструктура как услуга (IaaS)
+* Платформа как услуга (PaaS)
+* Безсерверные вычисления
+* Программное обеспечение как услуга (SaaS)
+
+Изучите эти различные типы предложений и объясните, что они собой представляют и чем отличаются. Объясните, какие из них актуальны для разработчиков IoT.
+
+## Критерии оценки
+
+| Критерии | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Объяснение различных облачных предложений | Даны четкие объяснения всех 4 типов предложений | Удалось объяснить 3 типа предложений | Удалось объяснить только 1 или 2 типа предложений |
+| Объяснение, какие предложения актуальны для IoT | Дано объяснение, какие предложения актуальны для разработчиков IoT и почему | Дано объяснение, какие предложения актуальны для разработчиков IoT, но без указания причин | Не удалось объяснить, какие предложения актуальны для разработчиков IoT |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..f9946a22
--- /dev/null
+++ b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T22:59:23+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "ru"
+}
+-->
+# Подключите ваше IoT-устройство к облаку - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы подключите свое виртуальное IoT-устройство или Raspberry Pi к вашему IoT Hub, чтобы отправлять телеметрию и получать команды.
+
+## Подключите устройство к IoT Hub
+
+Следующий шаг — подключить ваше устройство к IoT Hub.
+
+### Задание - подключение к IoT Hub
+
+1. Откройте папку `soil-moisture-sensor` в VS Code. Убедитесь, что виртуальная среда запущена в терминале, если вы используете виртуальное IoT-устройство.
+
+1. Установите дополнительные пакеты Pip:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    Библиотека `azure-iot-device` используется для взаимодействия с вашим IoT Hub.
+
+1. Добавьте следующие импорты в начало файла `app.py`, ниже уже существующих импортов:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    Этот код импортирует SDK для взаимодействия с вашим IoT Hub.
+
+1. Удалите строку `import paho.mqtt.client as mqtt`, так как эта библиотека больше не нужна. Удалите весь код, связанный с MQTT, включая имена топиков, весь код, использующий `mqtt_client`, и `handle_command`. Сохраните цикл `while True:`, просто удалите строку `mqtt_client.publish` из этого цикла.
+
+1. Добавьте следующий код ниже импортов:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    Замените `<connection string>` на строку подключения, которую вы получили для устройства ранее в этом уроке.
+
+    > 💁 Это не является лучшей практикой. Строки подключения никогда не должны храниться в исходном коде, так как они могут быть добавлены в систему контроля версий и найдены кем угодно. Мы делаем это здесь для упрощения. В идеале, вы должны использовать что-то вроде переменных окружения и инструмента, такого как [`python-dotenv`](https://pypi.org/project/python-dotenv/). Вы узнаете больше об этом в одном из следующих уроков.
+
+1. Ниже этого кода добавьте следующее, чтобы создать объект клиента устройства, который сможет взаимодействовать с IoT Hub, и подключите его:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. Запустите этот код. Вы увидите, как ваше устройство подключится.
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## Отправка телеметрии
+
+Теперь, когда ваше устройство подключено, вы можете отправлять телеметрию в IoT Hub вместо MQTT-брокера.
+
+### Задание - отправка телеметрии
+
+1. Добавьте следующий код внутри цикла `while True`, прямо перед строкой с `sleep`:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    Этот код создает объект `Message` для IoT Hub, содержащий данные о влажности почвы в виде строки JSON, а затем отправляет это сообщение в IoT Hub как сообщение от устройства в облако.
+
+## Обработка команд
+
+Ваше устройство должно обрабатывать команды от серверного кода для управления реле. Эти команды отправляются в виде запросов на выполнение прямых методов.
+
+### Задание - обработка запроса на выполнение прямого метода
+
+1. Добавьте следующий код перед циклом `while True`:
+
+    ```python
+    def handle_method_request(request):
+        print("Direct method received - ", request.name)
+    
+        if request.name == "relay_on":
+            relay.on()
+        elif request.name == "relay_off":
+            relay.off()    
+    ```
+
+    Этот код определяет метод `handle_method_request`, который будет вызываться, когда IoT Hub отправляет запрос на выполнение прямого метода. Каждый прямой метод имеет имя, и этот код ожидает методы с именами `relay_on` для включения реле и `relay_off` для его выключения.
+
+    > 💁 Это также можно реализовать в рамках одного запроса на выполнение прямого метода, передавая желаемое состояние реле в полезной нагрузке, которая может быть передана с запросом метода и доступна через объект `request`.
+
+1. Прямые методы требуют ответа, чтобы уведомить вызывающий код о том, что запрос был обработан. Добавьте следующий код в конец функции `handle_method_request`, чтобы создать ответ на запрос:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    Этот код отправляет ответ на запрос прямого метода с HTTP-статусом 200 и возвращает его в IoT Hub.
+
+1. Добавьте следующий код ниже определения этой функции:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    Этот код указывает клиенту IoT Hub вызывать функцию `handle_method_request`, когда поступает запрос на выполнение прямого метода.
+
+> 💁 Вы можете найти этот код в папке [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) или [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device).
+
+😀 Программа вашего датчика влажности почвы подключена к вашему IoT Hub!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..7d20512c
--- /dev/null
+++ b/translations/ru/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T23:00:30+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "ru"
+}
+-->
+# Подключите ваше IoT-устройство к облаку - Wio Terminal
+
+В этой части урока вы подключите ваш Wio Terminal к IoT Hub, чтобы отправлять телеметрию и получать команды.
+
+## Подключение устройства к IoT Hub
+
+Следующий шаг — подключить ваше устройство к IoT Hub.
+
+### Задача - подключение к IoT Hub
+
+1. Откройте проект `soil-moisture-sensor` в VS Code.
+
+1. Откройте файл `platformio.ini`. Удалите зависимость библиотеки `knolleary/PubSubClient`. Она использовалась для подключения к публичному MQTT-брокеру, но не нужна для подключения к IoT Hub.
+
+1. Добавьте следующие зависимости библиотек:
+
+    ```ini
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    arduino-libraries/AzureIoTHub @ 1.6.0
+    azure/AzureIoTUtility @ 1.6.1
+    azure/AzureIoTProtocol_MQTT @ 1.6.0
+    azure/AzureIoTProtocol_HTTP @ 1.6.0
+    azure/AzureIoTSocket_WiFi @ 1.0.2
+    ```
+
+    Библиотека `Seeed Arduino RTC` предоставляет код для взаимодействия с часами реального времени в Wio Terminal, которые используются для отслеживания времени. Остальные библиотеки позволяют вашему IoT-устройству подключаться к IoT Hub.
+
+1. Добавьте следующее в конец файла `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    Это устанавливает флаг компилятора, необходимый при компиляции кода Arduino IoT Hub.
+
+1. Откройте заголовочный файл `config.h`. Удалите все настройки MQTT и добавьте следующую константу для строки подключения устройства:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    Замените `<connection string>` на строку подключения вашего устройства, которую вы скопировали ранее.
+
+1. Подключение к IoT Hub использует токен, основанный на времени. Это означает, что IoT-устройство должно знать текущее время. В отличие от операционных систем, таких как Windows, macOS или Linux, микроконтроллеры не синхронизируют текущее время автоматически через Интернет. Это значит, что вам нужно добавить код для получения текущего времени с сервера [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). После получения времени оно может быть сохранено в часах реального времени в Wio Terminal, что позволит запрашивать правильное время позже, если устройство не потеряет питание. Добавьте новый файл с именем `ntp.h` со следующим кодом:
+
+    ```cpp
+    #pragma once
+    
+    #include "DateTime.h"
+    #include <time.h>
+    #include "samd/NTPClientAz.h"
+    #include <sys/time.h>
+
+    static void initTime()
+    {
+        WiFiUDP _udp;
+        time_t epochTime = (time_t)-1;
+        NTPClientAz ntpClient;
+
+        ntpClient.begin();
+
+        while (true)
+        {
+            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
+
+            if (epochTime == (time_t)-1)
+            {
+                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
+                delay(2000);
+            }
+            else
+            {
+                Serial.print("Fetched NTP epoch time is: ");
+
+                char buff[32];
+                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
+                Serial.println(buff);
+                break;
+            }
+        }
+
+        ntpClient.end();
+
+        struct timeval tv;
+        tv.tv_sec = epochTime;
+        tv.tv_usec = 0;
+
+        settimeofday(&tv, NULL);
+    }
+    ```
+
+    Детали этого кода выходят за рамки данного урока. Он определяет функцию `initTime`, которая получает текущее время с сервера NTP и использует его для установки часов на Wio Terminal.
+
+1. Откройте файл `main.cpp` и удалите весь код MQTT, включая заголовочный файл `PubSubClient.h`, объявление переменной `PubSubClient`, методы `reconnectMQTTClient` и `createMQTTClient`, а также любые вызовы этих переменных и методов. Этот файл должен содержать только код для подключения к WiFi, получения данных о влажности почвы и создания JSON-документа с этими данными.
+
+1. Добавьте следующие директивы `#include` в начало файла `main.cpp`, чтобы включить заголовочные файлы для библиотек IoT Hub и для установки времени:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. Добавьте следующий вызов в конец функции `setup` для установки текущего времени:
+
+    ```cpp
+    initTime();
+    ```
+
+1. Добавьте следующее объявление переменной в начало файла, сразу под директивами include:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    Это объявляет `IOTHUB_DEVICE_CLIENT_LL_HANDLE`, дескриптор подключения к IoT Hub.
+
+1. Ниже этого добавьте следующий код:
+
+    ```cpp
+    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
+    {
+        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
+        {
+            Serial.println("The device client is connected to iothub");
+        }
+        else
+        {
+            Serial.println("The device client has been disconnected");
+        }
+    }
+    ```
+
+    Это объявляет функцию обратного вызова, которая будет вызываться при изменении статуса подключения к IoT Hub, например, при подключении или отключении. Статус отправляется на последовательный порт.
+
+1. Ниже этого добавьте функцию для подключения к IoT Hub:
+
+    ```cpp
+    void connectIoTHub()
+    {
+        IoTHub_Init();
+    
+        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
+        
+        if (_device_ll_handle == NULL)
+        {
+            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
+            return;
+        }
+    
+        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
+    }
+    ```
+
+    Этот код инициализирует библиотечный код IoT Hub, затем создает подключение, используя строку подключения из заголовочного файла `config.h`. Это подключение основано на MQTT. Если подключение не удается, информация об этом отправляется на последовательный порт — если вы видите это в выводе, проверьте строку подключения. Наконец, устанавливается обратный вызов статуса подключения.
+
+1. Вызовите эту функцию в функции `setup` ниже вызова `initTime`:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. Как и в случае с клиентом MQTT, этот код работает в одном потоке, поэтому ему нужно время для обработки сообщений, отправляемых хабом и в хаб. Добавьте следующее в начало функции `loop`, чтобы это сделать:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. Соберите и загрузите этот код. Вы увидите подключение в монитор последовательного порта:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    В выводе вы можете увидеть, как запрашивается время NTP, а затем устройство подключается к клиенту. Подключение может занять несколько секунд, поэтому вы можете увидеть данные о влажности почвы в выводе, пока устройство подключается.
+
+    > 💁 Вы можете преобразовать UNIX-время для NTP в более читаемый формат, используя веб-сайт, например [unixtimestamp.com](https://www.unixtimestamp.com).
+
+## Отправка телеметрии
+
+Теперь, когда ваше устройство подключено, вы можете отправлять телеметрию в IoT Hub вместо MQTT-брокера.
+
+### Задача - отправка телеметрии
+
+1. Добавьте следующую функцию выше функции `setup`:
+
+    ```cpp
+    void sendTelemetry(const char *telemetry)
+    {
+        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
+        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
+        IoTHubMessage_Destroy(message_handle);
+    }
+    ```
+
+    Этот код создает сообщение IoT Hub из строки, переданной в качестве параметра, отправляет его в хаб, а затем очищает объект сообщения.
+
+1. Вызовите этот код в функции `loop`, сразу после строки, где телеметрия отправляется на последовательный порт:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## Обработка команд
+
+Ваше устройство должно обрабатывать команды от серверного кода для управления реле. Это отправляется как запрос метода.
+
+### Задача - обработка запроса метода
+
+1. Добавьте следующий код перед функцией `connectIoTHub`:
+
+    ```cpp
+    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
+    {
+        Serial.printf("Direct method received %s\r\n", method_name);
+    
+        if (strcmp(method_name, "relay_on") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, HIGH);
+        }
+        else if (strcmp(method_name, "relay_off") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, LOW);
+        }
+    }
+    ```
+
+    Этот код определяет метод обратного вызова, который библиотека IoT Hub может вызывать при получении запроса метода. Метод, который запрашивается, передается в параметре `method_name`. Эта функция выводит название метода на последовательный порт, а затем включает или выключает реле в зависимости от названия метода.
+
+    > 💁 Это также можно реализовать в одном запросе метода, передавая желаемое состояние реле в полезной нагрузке, которая может быть передана с запросом метода и доступна из параметра `payload`.
+
+1. Добавьте следующий код в конец функции `directMethodCallback`:
+
+    ```cpp
+    char resultBuff[16];
+    sprintf(resultBuff, "{\"Result\":\"\"}");
+    *response_size = strlen(resultBuff);
+    *response = (unsigned char *)malloc(*response_size);
+    memcpy(*response, resultBuff, *response_size);
+
+    return IOTHUB_CLIENT_OK;
+    ```
+
+    Запросы метода требуют ответа, и ответ состоит из двух частей — текстового ответа и кода возврата. Этот код создаст результат в виде следующего JSON-документа:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    Затем он копируется в параметр `response`, а размер этого ответа устанавливается в параметре `response_size`. Этот код затем возвращает `IOTHUB_CLIENT_OK`, чтобы показать, что метод был обработан корректно.
+
+1. Настройте обратный вызов, добавив следующее в конец функции `connectIoTHub`:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. Функция `loop` будет вызывать функцию `IoTHubDeviceClient_LL_DoWork` для обработки событий, отправленных IoT Hub. Это вызывается только каждые 10 секунд из-за `delay`, что означает, что методы обрабатываются только каждые 10 секунд. Чтобы сделать это более эффективно, задержку в 10 секунд можно реализовать как множество коротких задержек, вызывая `IoTHubDeviceClient_LL_DoWork` каждый раз. Для этого добавьте следующий код выше функции `loop`:
+
+    ```cpp
+    void work_delay(int delay_time)
+    {
+        int current = 0;
+        do
+        {
+            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+            delay(100);
+            current += 100;
+        } while (current < delay_time);
+    }
+    ```
+
+    Этот код будет повторяться, вызывая `IoTHubDeviceClient_LL_DoWork` и задерживаясь на 100 мс каждый раз. Он будет делать это столько раз, сколько нужно, чтобы задержаться на указанное время в параметре `delay_time`. Это означает, что устройство ждет максимум 100 мс для обработки запросов метода.
+
+1. В функции `loop` удалите вызов `IoTHubDeviceClient_LL_DoWork` и замените вызов `delay(10000)` следующим, чтобы вызвать эту новую функцию:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 Вы можете найти этот код в папке [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal).
+
+😀 Ваше приложение датчика влажности почвы подключено к вашему IoT Hub!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..5ba312bc
--- /dev/null
+++ b/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,656 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T22:31:24+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "ru"
+}
+-->
+# Перенос логики вашего приложения в облако
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Этот урок был частью [Проекта 2 для начинающих в IoT - серия о цифровом сельском хозяйстве](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) от [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn).
+
+[![Управляйте вашим IoT-устройством с помощью серверногоless-кода](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## Введение
+
+В прошлом уроке вы узнали, как подключить мониторинг влажности почвы и управление реле вашего растения к облачному IoT-сервису. Следующий шаг — перенести серверный код, который управляет временем работы реле, в облако. В этом уроке вы узнаете, как это сделать с помощью серверless-функций.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое серверless?](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Создание серверless-приложения](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Создание триггера событий IoT Hub](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Отправка запросов на прямые методы из серверless-кода](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [Развертывание серверless-кода в облаке](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## Что такое серверless?
+
+Серверless, или серверless-вычисления, предполагает создание небольших блоков кода, которые выполняются в облаке в ответ на различные события. Когда событие происходит, ваш код запускается и получает данные о событии. Эти события могут быть вызваны различными источниками, включая веб-запросы, сообщения в очереди, изменения данных в базе данных или сообщения, отправленные IoT-устройствами в IoT-сервис.
+
+![События, отправляемые из IoT-сервиса в серверless-сервис, обрабатываются одновременно несколькими функциями](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ru.png)
+
+> 💁 Если вы раньше использовали триггеры базы данных, вы можете представить это как аналогичное явление: код запускается в ответ на событие, например, добавление строки.
+
+![Когда множество событий отправляется одновременно, серверless-сервис масштабируется, чтобы обработать их все одновременно](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ru.png)
+
+Ваш код выполняется только тогда, когда происходит событие, в остальное время он не активен. Событие происходит, ваш код загружается и выполняется. Это делает серверless очень масштабируемым — если множество событий происходит одновременно, облачный провайдер может запустить вашу функцию столько раз, сколько нужно, на доступных серверах. Недостаток в том, что если вам нужно делиться информацией между событиями, её нужно сохранять, например, в базе данных, а не в оперативной памяти.
+
+Ваш код пишется в виде функции, которая принимает данные о событии в качестве параметра. Для написания серверless-функций можно использовать широкий спектр языков программирования.
+
+> 🎓 Серверless также называют "Функции как услуга" (FaaS), так как каждый триггер события реализуется как функция в коде.
+
+Несмотря на название, серверless всё же использует серверы. Название связано с тем, что разработчику не нужно заботиться о серверах, необходимых для выполнения кода, — всё, что важно, это то, что код выполняется в ответ на событие. Облачный провайдер управляет серверless-**средой выполнения**, которая распределяет серверы, сеть, хранилище, процессор, память и всё остальное, что нужно для выполнения вашего кода. В этой модели вы не платите за серверы, так как их нет. Вместо этого вы платите за время выполнения вашего кода и объём используемой памяти.
+
+> 💰 Серверless — один из самых дешёвых способов выполнения кода в облаке. Например, на момент написания один из облачных провайдеров позволяет всем вашим серверless-функциям выполняться до 1 000 000 раз в месяц бесплатно, а затем взимает $0,20 за каждые 1 000 000 выполнений. Когда ваш код не выполняется, вы ничего не платите.
+
+Для разработчиков IoT серверless-модель идеальна. Вы можете написать функцию, которая вызывается в ответ на сообщения, отправленные любым IoT-устройством, подключённым к вашему облачному IoT-сервису. Ваш код будет обрабатывать все отправленные сообщения, но будет выполняться только тогда, когда это необходимо.
+
+✅ Вспомните код, который вы писали как серверный код для прослушивания сообщений через MQTT. Как, по вашему мнению, он может работать в облаке с использованием серверless? Как вы думаете, какие изменения нужно внести в код, чтобы поддерживать серверless-вычисления?
+
+> 💁 Серверless-модель распространяется и на другие облачные сервисы, помимо выполнения кода. Например, в облаке доступны серверless-базы данных с моделью оплаты за запросы, такие как выборка или вставка данных, обычно с учётом объёма работы, необходимого для выполнения запроса. Например, выборка одной строки по первичному ключу будет стоить меньше, чем сложная операция с объединением множества таблиц и возвратом тысяч строк.
+
+## Создание серверless-приложения
+
+Сервис серверless-вычислений от Microsoft называется Azure Functions.
+
+![Логотип Azure Functions](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ru.png)
+
+Короткое видео ниже даёт обзор Azure Functions.
+
+[![Видеообзор Azure Functions](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео.
+
+✅ Найдите время, чтобы изучить обзор Azure Functions в [документации Microsoft Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn).
+
+Для написания Azure Functions вы начинаете с приложения Azure Functions на выбранном вами языке. Azure Functions поддерживает Python, JavaScript, TypeScript, C#, F#, Java и Powershell. В этом уроке вы научитесь писать приложение Azure Functions на Python.
+
+> 💁 Azure Functions также поддерживает пользовательские обработчики, что позволяет писать функции на любом языке, поддерживающем HTTP-запросы, включая такие старые языки, как COBOL.
+
+Приложения функций состоят из одного или нескольких *триггеров* — функций, которые реагируют на события. В одном приложении функций может быть несколько триггеров, которые используют общую конфигурацию. Например, в конфигурационном файле вашего приложения функций можно указать данные подключения к IoT Hub, и все функции в приложении смогут использовать их для подключения и прослушивания событий.
+
+### Задача — установка инструментов Azure Functions
+
+> На момент написания инструменты для работы с Azure Functions не полностью поддерживают проекты на Python на компьютерах с Apple Silicon. Вам потребуется использовать Mac с процессором Intel, ПК с Windows или ПК с Linux.
+
+Одной из замечательных особенностей Azure Functions является возможность их локального выполнения. То же самое среда выполнения, что используется в облаке, может быть запущена на вашем компьютере, что позволяет писать код, реагирующий на сообщения IoT, и запускать его локально. Вы даже можете отлаживать ваш код во время обработки событий. После того как вы будете довольны своим кодом, его можно развернуть в облаке.
+
+Инструменты Azure Functions доступны в виде CLI, известного как Azure Functions Core Tools.
+
+1. Установите Azure Functions Core Tools, следуя инструкциям в [документации Azure Functions Core Tools](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn).
+
+1. Установите расширение Azure Functions для VS Code. Это расширение предоставляет поддержку для создания, отладки и развертывания Azure Functions. Ознакомьтесь с [документацией по расширению Azure Functions](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) для инструкций по установке этого расширения в VS Code.
+
+При развертывании приложения Azure Functions в облаке ему потребуется небольшое количество облачного хранилища для хранения таких вещей, как файлы приложения и файлы журналов. Когда вы запускаете приложение функций локально, оно всё равно должно подключаться к облачному хранилищу, но вместо использования реального облачного хранилища вы можете использовать эмулятор хранилища под названием [Azurite](https://github.com/Azure/Azurite). Он работает локально, но ведёт себя как облачное хранилище.
+
+> 🎓 В Azure хранилище, которое использует Azure Functions, называется Azure Storage Account. Эти аккаунты могут хранить файлы, блобы, данные в таблицах или данные в очередях. Один аккаунт хранилища можно использовать для множества приложений, таких как приложение функций и веб-приложение.
+
+1. Azurite — это приложение на Node.js, поэтому вам нужно установить Node.js. Вы можете найти инструкции по загрузке и установке на [веб-сайте Node.js](https://nodejs.org/). Если вы используете Mac, вы также можете установить его через [Homebrew](https://formulae.brew.sh/formula/node).
+
+1. Установите Azurite с помощью следующей команды (`npm` — это инструмент, который устанавливается вместе с Node.js):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Создайте папку с именем `azurite` для использования Azurite для хранения данных:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Запустите Azurite, передав ему эту новую папку:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    Эмулятор хранилища Azurite запустится и будет готов для подключения локальной среды выполнения функций.
+
+    ```output
+    ➜  ~ azurite --location azurite  
+    Azurite Blob service is starting at http://127.0.0.1:10000
+    Azurite Blob service is successfully listening at http://127.0.0.1:10000
+    Azurite Queue service is starting at http://127.0.0.1:10001
+    Azurite Queue service is successfully listening at http://127.0.0.1:10001
+    Azurite Table service is starting at http://127.0.0.1:10002
+    Azurite Table service is successfully listening at http://127.0.0.1:10002
+    ```
+
+### Задача — создание проекта Azure Functions
+
+CLI Azure Functions можно использовать для создания нового приложения функций.
+
+1. Создайте папку для вашего приложения функций и перейдите в неё. Назовите её `soil-moisture-trigger`.
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. Создайте виртуальное окружение Python внутри этой папки:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. Активируйте виртуальное окружение:
+
+    * На Windows:
+        * Если вы используете Command Prompt или Command Prompt через Windows Terminal, выполните:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * Если вы используете PowerShell, выполните:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * На macOS или Linux выполните:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 Эти команды должны выполняться из того же местоположения, где вы создали виртуальное окружение. Вам никогда не нужно заходить в папку `.venv`, вы всегда должны выполнять команду активации и любые команды для установки пакетов или запуска кода из папки, где вы создали виртуальное окружение.
+
+1. Выполните следующую команду, чтобы создать приложение функций в этой папке:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    Это создаст три файла в текущей папке:
+
+    * `host.json` — этот JSON-документ содержит настройки вашего приложения функций. Вам не нужно будет изменять эти настройки.
+    * `local.settings.json` — этот JSON-документ содержит настройки, которые ваше приложение будет использовать при локальном запуске, такие как строки подключения к вашему IoT Hub. Эти настройки только локальные и не должны добавляться в систему контроля версий. При развертывании приложения в облаке эти настройки не развертываются, вместо этого ваши настройки загружаются из настроек приложения. Это будет рассмотрено позже в этом уроке.
+    * `requirements.txt` — это [файл требований Pip](https://pip.pypa.io/en/stable/user_guide/#requirements-files), который содержит пакеты Pip, необходимые для работы вашего приложения функций.
+
+1. Файл `local.settings.json` содержит настройку для аккаунта хранилища, который будет использовать приложение функций. По умолчанию это пустая настройка, поэтому её нужно задать. Чтобы подключиться к локальному эмулятору хранилища Azurite, установите это значение следующим образом:
+
+    ```json
+    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
+    ```
+
+1. Установите необходимые пакеты Pip, используя файл требований:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Необходимые пакеты Pip должны быть в этом файле, чтобы при развертывании приложения функций в облаке среда выполнения могла гарантировать установку правильных пакетов.
+
+1. Чтобы проверить, всё ли работает правильно, вы можете запустить среду выполнения функций. Выполните следующую команду:
+
+    ```sh
+    func start
+    ```
+
+    Вы увидите, как среда выполнения запускается и сообщает, что не нашла никаких функций (триггеров).
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    [2021-05-05T01:24:46.795Z] No job functions found.
+    ```
+> ⚠️ Если вы получите уведомление от брандмауэра, предоставьте доступ, так как приложению `func` необходимо иметь возможность читать и записывать данные в вашу сеть.
+> ⚠️ Если вы используете macOS, в выводе могут появляться предупреждения:
+>
+> ```output
+    > (.venv) ➜  soil-moisture-trigger func start
+    > Found Python version 3.9.1 (python3).
+    >
+    > Azure Functions Core Tools
+    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    > Function Runtime Version: 3.0.15417.0
+    >
+    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
+    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
+    > [2021-06-16T08:18:30.361Z] No job functions found.
+    > ```
+>
+> Вы можете игнорировать их, если приложение Functions запускается корректно и отображает работающие функции. Как упомянуто в [этом вопросе на Microsoft Docs Q&A](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn), их можно не учитывать.
+
+1. Остановите приложение Functions, нажав `ctrl+c`.
+
+1. Откройте текущую папку в VS Code, либо запустив VS Code и открыв эту папку, либо выполнив следующую команду:
+
+    ```sh
+    code .
+    ```
+
+    VS Code обнаружит ваш проект Functions и покажет уведомление:
+
+    ```output
+    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
+    VS Code. Initialize for optimal use with VS Code?
+    ```
+
+    ![Уведомление](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ru.png)
+
+    Выберите **Yes** в этом уведомлении.
+
+1. Убедитесь, что виртуальная среда Python запущена в терминале VS Code. При необходимости завершите её и перезапустите.
+
+## Создание триггера событий IoT Hub
+
+Приложение Functions является оболочкой для вашего серверного кода. Чтобы реагировать на события IoT Hub, вы можете добавить триггер IoT Hub в это приложение. Этот триггер должен подключиться к потоку сообщений, отправляемых в IoT Hub, и реагировать на них. Для получения этого потока сообщений ваш триггер должен подключиться к *совместимому с Event Hub конечному пункту* IoT Hub.
+
+IoT Hub основан на другой службе Azure под названием Azure Event Hubs. Event Hubs — это служба, которая позволяет отправлять и получать сообщения, а IoT Hub расширяет её, добавляя функции для IoT-устройств. Подключение для чтения сообщений из IoT Hub осуществляется так же, как если бы вы использовали Event Hubs.
+
+✅ Изучите: Прочитайте обзор Event Hubs в [документации Azure Event Hubs](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn). Как базовые функции Event Hubs сравниваются с IoT Hub?
+
+Для подключения IoT-устройства к IoT Hub необходимо использовать секретный ключ, который гарантирует, что только разрешённые устройства могут подключаться. То же самое относится и к подключению для чтения сообщений: вашему коду потребуется строка подключения, содержащая секретный ключ и данные о IoT Hub.
+
+> 💁 Строка подключения по умолчанию, которую вы получаете, имеет разрешения **iothubowner**, что даёт любому коду, использующему её, полный доступ к IoT Hub. В идеале следует подключаться с минимально необходимым уровнем разрешений. Это будет рассмотрено в следующем уроке.
+
+После подключения триггера код внутри функции будет вызываться для каждого сообщения, отправленного в IoT Hub, независимо от того, какое устройство его отправило. Сообщение будет передано в функцию в качестве параметра.
+
+### Задача — получить строку подключения совместимого с Event Hub конечного пункта
+
+1. В терминале VS Code выполните следующую команду, чтобы получить строку подключения для совместимого с Event Hub конечного пункта IoT Hub:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+1. В VS Code откройте файл `local.settings.json`. Добавьте следующее значение в секцию `Values`:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Замените `<connection string>` на значение из предыдущего шага. Вам нужно будет добавить запятую после предыдущей строки, чтобы это был корректный JSON.
+
+### Задача — создать триггер событий
+
+Теперь вы готовы создать триггер событий.
+
+1. В терминале VS Code выполните следующую команду из папки `soil-moisture-trigger`:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    Это создаст новую функцию с именем `iot-hub-trigger`. Триггер подключится к совместимому с Event Hub конечному пункту IoT Hub, так как специфического триггера для IoT Hub не существует.
+
+Это создаст папку внутри папки `soil-moisture-trigger` с именем `iot-hub-trigger`, которая будет содержать эту функцию. В этой папке будут следующие файлы:
+
+* `__init__.py` — это файл кода Python, содержащий триггер, с использованием стандартного соглашения об именах файлов Python, чтобы сделать эту папку модулем Python.
+
+    Этот файл будет содержать следующий код:
+
+    ```python
+    import logging
+
+    import azure.functions as func
+
+
+    def main(event: func.EventHubEvent):
+        logging.info('Python EventHub trigger processed an event: %s',
+                    event.get_body().decode('utf-8'))
+    ```
+
+    Основой триггера является функция `main`. Именно эта функция вызывается для обработки событий из IoT Hub. У этой функции есть параметр `event`, который содержит объект `EventHubEvent`. Каждый раз, когда сообщение отправляется в IoT Hub, эта функция вызывается с передачей этого сообщения в качестве `event`, а также свойств, аналогичных аннотациям, которые вы видели в прошлом уроке.
+
+    Основная часть этой функции записывает событие в журнал.
+
+* `function.json` — этот файл содержит конфигурацию для триггера. Основная конфигурация находится в секции `bindings`. Binding — это термин для обозначения соединения между Azure Functions и другими службами Azure. У этой функции есть входной binding для Event Hub — она подключается к Event Hub и получает данные.
+
+    > 💁 Вы также можете использовать выходные bindings, чтобы результат работы функции отправлялся в другую службу. Например, вы можете добавить выходной binding для базы данных, и событие IoT Hub из функции будет автоматически вставлено в базу данных.
+
+    ✅ Изучите: Прочитайте о bindings в [документации Azure Functions о триггерах и bindings](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python).
+
+    Секция `bindings` включает конфигурацию для binding. Интересующие значения:
+
+  * `"type": "eventHubTrigger"` — указывает функции, что она должна слушать события из Event Hub
+  * `"name": "events"` — имя параметра для событий Event Hub. Это соответствует имени параметра в функции `main` в коде Python.
+  * `"direction": "in"` — это входной binding, данные из Event Hub поступают в функцию
+  * `"connection": ""` — определяет имя настройки для чтения строки подключения. При локальном запуске эта настройка будет прочитана из файла `local.settings.json`.
+
+    > 💁 Строка подключения не может храниться в файле `function.json`, она должна считываться из настроек. Это сделано для предотвращения случайного раскрытия строки подключения.
+
+1. Из-за [ошибки в шаблоне Azure Functions](https://github.com/Azure/azure-functions-templates/issues/1250) значение поля `cardinality` в `function.json` некорректно. Обновите это поле с `many` на `one`:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. Обновите значение `"connection"` в файле `function.json`, чтобы оно указывало на новое значение, добавленное в файл `local.settings.json`:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 Помните — это должно указывать на настройку, а не содержать фактическую строку подключения.
+
+1. Строка подключения содержит значение `eventHubName`, поэтому значение для этого поля в файле `function.json` нужно очистить. Обновите это значение на пустую строку:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### Задача — запустить триггер событий
+
+1. Убедитесь, что монитор событий IoT Hub не запущен. Если он работает одновременно с приложением Functions, приложение Functions не сможет подключиться и обрабатывать события.
+
+    > 💁 Несколько приложений могут подключаться к конечным пунктам IoT Hub, используя разные *группы потребителей*. Это будет рассмотрено в следующем уроке.
+
+1. Чтобы запустить приложение Functions, выполните следующую команду в терминале VS Code:
+
+    ```sh
+    func start
+    ```
+
+    Приложение Functions запустится и обнаружит функцию `iot-hub-trigger`. Оно начнёт обрабатывать все события, которые были отправлены в IoT Hub за последний день.
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    Functions:
+    
+            iot-hub-trigger: eventHubTrigger
+    
+    For detailed output, run func with --verbose flag.
+    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
+    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
+    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
+    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
+    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
+    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
+    ```
+
+    Каждый вызов функции будет окружён блоками `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` в выводе, чтобы вы могли видеть, сколько сообщений было обработано в каждом вызове функции.
+
+1. Убедитесь, что ваше IoT-устройство работает. Вы увидите новые сообщения о влажности почвы, появляющиеся в приложении Functions.
+
+1. Остановите и перезапустите приложение Functions. Вы увидите, что оно больше не будет обрабатывать предыдущие сообщения, а только новые.
+
+> 💁 VS Code также поддерживает отладку ваших функций. Вы можете установить точки останова, щёлкнув на границе рядом с началом строки кода, или поставив курсор на строку кода и выбрав *Run -> Toggle breakpoint*, или нажав `F9`. Вы можете запустить отладчик, выбрав *Run -> Start debugging*, нажав `F5`, или выбрав панель *Run and debug* и нажав кнопку **Start debugging**. Таким образом, вы сможете увидеть детали обрабатываемых событий.
+
+#### Устранение неполадок
+
+* Если вы получаете следующую ошибку:
+
+    ```output
+    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
+    ```
+
+    Проверьте, запущен ли Azurite, и установлено ли значение `AzureWebJobsStorage` в файле `local.settings.json` на `UseDevelopmentStorage=true`.
+
+* Если вы получаете следующую ошибку:
+
+    ```output
+    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
+    ```
+
+    Проверьте, что вы установили значение `cardinality` в файле `function.json` на `one`.
+
+* Если вы получаете следующую ошибку:
+
+    ```output
+    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
+    ```
+
+    Проверьте, что вы установили значение `eventHubName` в файле `function.json` на пустую строку.
+
+## Отправка запросов на выполнение методов напрямую из серверного кода
+
+До сих пор ваше приложение Functions слушало сообщения из IoT Hub, используя совместимый с Event Hub конечный пункт. Теперь вам нужно отправлять команды на IoT-устройство. Это делается через другое подключение к IoT Hub с использованием *Registry Manager*. Registry Manager — это инструмент, который позволяет видеть зарегистрированные устройства в IoT Hub и взаимодействовать с ними, отправляя сообщения из облака на устройство, запросы на выполнение методов напрямую или обновляя двойник устройства. Вы также можете использовать его для регистрации, обновления или удаления IoT-устройств из IoT Hub.
+
+Для подключения к Registry Manager вам потребуется строка подключения.
+
+### Задача — получить строку подключения для Registry Manager
+
+1. Чтобы получить строку подключения, выполните следующую команду:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+    Строка подключения запрашивается для политики *ServiceConnect* с использованием параметра `--policy-name service`. При запросе строки подключения вы можете указать, какие разрешения она будет предоставлять. Политика ServiceConnect позволяет вашему коду подключаться и отправлять сообщения на IoT-устройства.
+
+    ✅ Изучите: Прочитайте о различных политиках в [документации о разрешениях IoT Hub](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn)
+
+1. В VS Code откройте файл `local.settings.json`. Добавьте следующее значение в секцию `Values`:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    Замените `<connection string>` на значение из предыдущего шага. Вам нужно будет добавить запятую после предыдущей строки, чтобы это был корректный JSON.
+
+### Задача — отправить запрос на выполнение метода напрямую на устройство
+
+1. SDK для Registry Manager доступен через пакет Pip. Добавьте следующую строку в файл `requirements.txt`, чтобы добавить зависимость от этого пакета:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. Убедитесь, что в терминале VS Code активирована виртуальная среда, и выполните следующую команду для установки пакетов Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. Добавьте следующие импорты в файл `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    Это импортирует системные библиотеки, а также библиотеки для взаимодействия с Registry Manager и отправки запросов на выполнение методов напрямую.
+
+1. Удалите код из функции `main`, но оставьте саму функцию.
+
+1. В функции `main` добавьте следующий код:
+
+    ```python
+    body = json.loads(event.get_body().decode('utf-8'))
+    device_id = event.iothub_metadata['connection-device-id']
+
+    logging.info(f'Received message: {body} from {device_id}')
+    ```
+
+    Этот код извлекает тело события, которое содержит JSON-сообщение, отправленное IoT-устройством.
+
+    Затем он получает идентификатор устройства из аннотаций, переданных с сообщением. Тело события содержит сообщение, отправленное в качестве телеметрии, а словарь `iothub_metadata` содержит свойства, установленные IoT Hub, такие как идентификатор устройства-отправителя и время отправки сообщения.
+
+    Эта информация записывается в журнал. Вы увидите эти записи в терминале при локальном запуске приложения Functions.
+
+1. Ниже добавьте следующий код:
+
+    ```python
+    soil_moisture = body['soil_moisture']
+
+    if soil_moisture > 450:
+        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
+    else:
+        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
+    ```
+
+    Этот код получает значение влажности почвы из сообщения. Затем он проверяет влажность почвы и, в зависимости от значения, создаёт вспомогательный класс для запроса на выполнение метода напрямую `relay_on` или `relay_off`. Запрос метода не требует полезной нагрузки, поэтому отправляется пустой JSON-документ.
+
+1. Ниже добавьте следующий код:
+
+    ```python
+    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
+
+    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
+    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
+    ```
+Этот код загружает `REGISTRY_MANAGER_CONNECTION_STRING` из файла `local.settings.json`. Значения из этого файла доступны как переменные окружения, и их можно считать с помощью функции `os.environ`, которая возвращает словарь всех переменных окружения.
+
+> 💁 Когда этот код разворачивается в облаке, значения из файла `local.settings.json` устанавливаются как *Application Settings* (настройки приложения), и их можно считать из переменных окружения.
+
+Затем код создает экземпляр вспомогательного класса Registry Manager, используя строку подключения.
+
+1. Добавьте следующий код ниже:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    Этот код указывает менеджеру реестра отправить запрос на выполнение метода напрямую устройству, которое отправило телеметрию.
+
+    > 💁 В версиях приложения, которые вы создавали в предыдущих уроках с использованием MQTT, команды управления реле отправлялись всем устройствам. Код предполагал, что у вас будет только одно устройство. Эта версия кода отправляет запрос на выполнение метода только одному устройству, что позволяет работать с несколькими наборами датчиков влажности и реле, отправляя правильный запрос правильному устройству.
+
+1. Запустите приложение Functions и убедитесь, что ваше IoT-устройство отправляет данные. Вы увидите, как сообщения обрабатываются, а запросы на выполнение метода отправляются. Перемещайте датчик влажности почвы внутрь и наружу почвы, чтобы увидеть изменения значений и включение/выключение реле.
+
+> 💁 Вы можете найти этот код в папке [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions).
+
+## Развертывание вашего серверлесс-кода в облаке
+
+Ваш код теперь работает локально, поэтому следующим шагом будет развертывание приложения Functions в облаке.
+
+### Задача - создание облачных ресурсов
+
+Ваше приложение Functions должно быть развернуто в ресурсе Functions App в Azure, который находится внутри группы ресурсов, созданной для вашего IoT Hub. Вам также потребуется учетная запись хранилища, созданная в Azure, чтобы заменить эмулированное хранилище, работающее локально.
+
+1. Выполните следующую команду для создания учетной записи хранилища:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    Замените `<storage_name>` на имя для вашей учетной записи хранилища. Это имя должно быть уникальным в глобальном масштабе, так как оно является частью URL-адреса, используемого для доступа к учетной записи хранилища. Вы можете использовать только строчные буквы и цифры, без других символов, и длина имени ограничена 24 символами. Используйте что-то вроде `sms` и добавьте уникальный идентификатор, например случайные слова или ваше имя.
+
+    Параметр `--sku Standard_LRS` выбирает уровень ценообразования, устанавливая самый дешевый общий аккаунт. Бесплатного уровня хранилища нет, и вы платите за то, что используете. Затраты относительно низкие, с самой дорогой памятью менее 0,05 доллара США в месяц за гигабайт.
+
+    ✅ Ознакомьтесь с ценами на странице [ценообразования учетной записи хранилища Azure](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn).
+
+1. Выполните следующую команду для создания приложения Functions:
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов в предыдущем уроке.
+
+    Замените `<storage_name>` на имя учетной записи хранилища, созданной на предыдущем шаге.
+
+    Замените `<functions_app_name>` на уникальное имя для вашего приложения Functions. Это имя должно быть уникальным в глобальном масштабе, так как оно является частью URL-адреса, который можно использовать для доступа к приложению Functions. Используйте что-то вроде `soil-moisture-sensor-` и добавьте уникальный идентификатор, например случайные слова или ваше имя.
+
+    Параметр `--functions-version 3` устанавливает версию Azure Functions. Версия 3 является последней.
+
+    Параметр `--os-type Linux` указывает среде выполнения Functions использовать Linux в качестве операционной системы для размещения этих функций. Functions могут размещаться на Linux или Windows в зависимости от используемого языка программирования. Приложения на Python поддерживаются только на Linux.
+
+### Задача - загрузка настроек приложения
+
+При разработке вашего приложения Functions вы сохраняли некоторые настройки в файле `local.settings.json` для строк подключения к вашему IoT Hub. Эти настройки необходимо записать в Application Settings вашего приложения Functions в Azure, чтобы их мог использовать ваш код.
+
+> 🎓 Файл `local.settings.json` предназначен только для локальных настроек разработки, и его не следует добавлять в систему контроля версий, такую как GitHub. При развертывании в облаке используются Application Settings. Application Settings — это пары ключ/значение, размещенные в облаке, которые считываются из переменных окружения либо в вашем коде, либо средой выполнения при подключении вашего кода к IoT Hub.
+
+1. Выполните следующую команду, чтобы установить настройку `IOT_HUB_CONNECTION_STRING` в Application Settings приложения Functions:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    Замените `<functions_app_name>` на имя, которое вы использовали для вашего приложения Functions.
+
+    Замените `<connection string>` на значение `IOT_HUB_CONNECTION_STRING` из вашего файла `local.settings.json`.
+
+1. Повторите шаг выше, но установите значение `REGISTRY_MANAGER_CONNECTION_STRING` в соответствующее значение из вашего файла `local.settings.json`.
+
+Когда вы выполните эти команды, они также выведут список всех Application Settings для приложения Functions. Вы можете использовать это, чтобы проверить, что ваши значения установлены правильно.
+
+> 💁 Вы увидите значение, уже установленное для `AzureWebJobsStorage`. В вашем файле `local.settings.json` это значение было установлено для использования локального эмулятора хранилища. Когда вы создаете приложение Functions, вы передаете учетную запись хранилища в качестве параметра, и это значение устанавливается автоматически.
+
+### Задача - развертывание вашего приложения Functions в облаке
+
+Теперь, когда приложение Functions готово, ваш код можно развернуть.
+
+1. Выполните следующую команду из терминала VS Code, чтобы опубликовать ваше приложение Functions:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    Замените `<functions_app_name>` на имя, которое вы использовали для вашего приложения Functions.
+
+Код будет упакован и отправлен в приложение Functions, где он будет развернут и запущен. Будет много вывода в консоль, заканчивающегося подтверждением развертывания и списком развернутых функций. В данном случае список будет содержать только триггер.
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+Убедитесь, что ваше IoT-устройство работает. Изменяйте уровень влажности, регулируя влажность почвы или перемещая датчик внутрь и наружу почвы. Вы увидите, как реле включается и выключается в зависимости от изменения влажности почвы.
+
+---
+
+## 🚀 Задание
+
+В предыдущем уроке вы управляли временем работы реле, отписываясь от сообщений MQTT, пока реле было включено, и в течение короткого времени после его выключения. Здесь вы не можете использовать этот метод — вы не можете отписаться от триггера IoT Hub.
+
+Подумайте о различных способах, которыми вы могли бы справиться с этим в вашем приложении Functions.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## Обзор и самостоятельное изучение
+
+* Ознакомьтесь с серверлесс-вычислениями на странице [Serverless Computing в Википедии](https://wikipedia.org/wiki/Serverless_computing).
+* Прочитайте о применении серверлесс в Azure, включая дополнительные примеры, в [посте блога Azure "Go serverless for your IoT needs"](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn).
+* Узнайте больше об Azure Functions на [YouTube-канале Azure Functions](https://www.youtube.com/c/AzureFunctions).
+
+## Задание
+
+[Добавьте ручное управление реле](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..5815de28
--- /dev/null
+++ b/translations/ru/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T22:41:06+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Добавить ручное управление реле
+
+## Инструкции
+
+Бессерверный код может быть вызван различными способами, включая HTTP-запросы. Вы можете использовать HTTP-триггеры, чтобы добавить ручное управление реле, позволяя кому-либо включать или выключать реле через веб-запрос.
+
+Для этого задания вам нужно добавить два HTTP-триггера в ваше приложение Functions App, чтобы включать и выключать реле, используя знания, полученные в этом уроке, для отправки команд на устройство.
+
+Некоторые подсказки:
+
+* Вы можете добавить HTTP-триггер в ваше существующее приложение Functions App с помощью следующей команды:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    Замените `<trigger name>` на имя вашего HTTP-триггера. Используйте что-то вроде `relay_on` и `relay_off`.
+
+* HTTP-триггеры могут иметь контроль доступа. По умолчанию они требуют передачи API-ключа, специфичного для функции, вместе с URL для выполнения. Для этого задания вы можете убрать это ограничение, чтобы любой мог выполнить функцию. Для этого обновите настройку `authLevel` в файле `function.json` для HTTP-триггеров следующим образом:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 Подробнее о контроле доступа можно прочитать в [документации по ключам доступа к функциям](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys).
+
+* HTTP-триггеры по умолчанию поддерживают запросы GET и POST. Это означает, что вы можете вызывать их через ваш веб-браузер - веб-браузеры выполняют запросы GET.
+
+    Когда вы запускаете ваше приложение Functions App локально, вы увидите URL триггера:
+
+    ```output
+    Functions:
+
+        relay_off: [GET,POST] http://localhost:7071/api/relay_off
+
+        relay_on: [GET,POST] http://localhost:7071/api/relay_on
+
+        iot-hub-trigger: eventHubTrigger
+    ```
+
+    Вставьте URL в ваш браузер и нажмите `Enter`, или `Ctrl+клик` (`Cmd+клик` на macOS) по ссылке в терминале VS Code, чтобы открыть её в вашем браузере по умолчанию. Это выполнит триггер.
+
+    > 💁 Обратите внимание, что URL содержит `/api` - HTTP-триггеры по умолчанию находятся в поддомене `api`.
+
+* Когда вы развернете приложение Functions App, URL HTTP-триггера будет:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    Где `<functions app name>` — это имя вашего приложения Functions App, а `<trigger name>` — имя вашего триггера.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Создание HTTP-триггеров | Созданы 2 триггера для включения и выключения реле с подходящими именами | Создан один триггер с подходящим именем | Не удалось создать ни одного триггера |
+| Управление реле через HTTP-триггеры | Удалось подключить оба триггера к IoT Hub и корректно управлять реле | Удалось подключить один триггер к IoT Hub и корректно управлять реле | Не удалось подключить триггеры к IoT Hub |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..8232ef7e
--- /dev/null
+++ b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T23:02:01+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "ru"
+}
+-->
+# Держите ваше устройство в безопасности
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## Введение
+
+В предыдущих уроках вы создали IoT-устройство для мониторинга почвы и подключили его к облаку. Но что, если хакеры, работающие на конкурирующего фермера, захватят контроль над вашими IoT-устройствами? Что, если они отправят ложные данные о высокой влажности почвы, чтобы ваши растения никогда не поливались, или включат систему полива на постоянную работу, что приведет к гибели растений от переувлажнения и огромным расходам на воду?
+
+В этом уроке вы узнаете, как защитить IoT-устройства. Поскольку это последний урок в этом проекте, вы также научитесь очищать свои облачные ресурсы, чтобы минимизировать возможные расходы.
+
+В этом уроке мы рассмотрим:
+
+* [Почему нужно защищать IoT-устройства?](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Криптография](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Как защитить свои IoT-устройства](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [Создание и использование сертификата X.509](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 Это последний урок в этом проекте, поэтому после завершения урока и выполнения задания не забудьте очистить свои облачные сервисы. Они понадобятся вам для выполнения задания, поэтому сначала убедитесь, что задание завершено.
+>
+> При необходимости обратитесь к [руководству по очистке проекта](../../../clean-up.md) для получения инструкций.
+
+## Почему нужно защищать IoT-устройства?
+
+Безопасность IoT предполагает, что только ожидаемые устройства могут подключаться к вашему облачному IoT-сервису и отправлять телеметрию, а только ваш облачный сервис может отправлять команды вашим устройствам. Данные IoT также могут быть личными, включая медицинскую или интимную информацию, поэтому вся ваша система должна учитывать безопасность, чтобы предотвратить утечку этих данных.
+
+Если ваше IoT-приложение не защищено, возможны следующие риски:
+
+* Поддельное устройство может отправлять некорректные данные, из-за чего ваше приложение будет работать неправильно. Например, оно может отправлять постоянные данные о высокой влажности почвы, из-за чего система полива никогда не включится, и ваши растения погибнут от недостатка воды.
+* Неавторизованные пользователи могут читать данные с IoT-устройств, включая личные или критически важные для бизнеса данные.
+* Хакеры могут отправлять команды для управления устройством таким образом, который может повредить устройство или подключенное оборудование.
+* Подключившись к IoT-устройству, хакеры могут использовать его для доступа к другим сетям и получения доступа к частным системам.
+* Злоумышленники могут получить доступ к личным данным и использовать их для шантажа.
+
+Эти сценарии реальны и происходят постоянно. Некоторые примеры уже были приведены в предыдущих уроках, но вот еще несколько:
+
+* В 2018 году хакеры использовали открытую точку доступа Wi-Fi на термостате аквариума, чтобы получить доступ к сети казино и украсть данные. [The Hacker News - Казино взломано через термометр аквариума, подключенный к Интернету](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* В 2016 году ботнет Mirai запустил атаку типа "отказ в обслуживании" (DDoS) на компанию Dyn, провайдера интернет-услуг, что привело к отключению значительной части Интернета. Этот ботнет использовал вредоносное ПО для подключения к IoT-устройствам, таким как видеорегистраторы и камеры, которые использовали стандартные имена пользователей и пароли. [The Guardian - Атака DDoS, нарушившая работу Интернета, была крупнейшей в истории, говорят эксперты](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
+* Компания Spiral Toys оставила базу данных пользователей своих игрушек CloudPets открытой для доступа через Интернет. [Troy Hunt - Данные пользователей игрушек CloudPets утекли и были выкуплены, обнажив голосовые сообщения детей](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/).
+* Приложение Strava показывало маршруты бегунов, позволяя незнакомцам узнать, где вы живете. [Kim Komando - Фитнес-приложение может привести незнакомца прямо к вашему дому — измените эту настройку](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/).
+
+✅ Проведите исследование: Найдите больше примеров взломов IoT и утечек данных IoT, особенно с личными устройствами, такими как зубные щетки или весы, подключенные к Интернету. Подумайте о том, какое влияние эти взломы могут оказать на жертв или клиентов.
+
+> 💁 Безопасность — это огромная тема, и в этом уроке мы затронем только основы, связанные с подключением вашего устройства к облаку. Мы не будем рассматривать такие темы, как мониторинг изменений данных при передаче, взлом устройств напрямую или изменения конфигурации устройств. Угроза взлома IoT настолько велика, что были разработаны инструменты, такие как [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn). Эти инструменты аналогичны антивирусным и защитным программам, которые вы можете использовать на своем компьютере, но предназначены для небольших, маломощных IoT-устройств.
+
+## Криптография
+
+Когда устройство подключается к IoT-сервису, оно использует идентификатор для своей идентификации. Проблема в том, что этот идентификатор можно клонировать — хакер может настроить вредоносное устройство, которое использует тот же идентификатор, что и настоящее устройство, но отправляет ложные данные.
+
+![И подлинное, и вредоносное устройство могут использовать один и тот же идентификатор для отправки телеметрии](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ru.png)
+
+Решение этой проблемы заключается в преобразовании отправляемых данных в зашифрованный формат с использованием некоторого значения, известного только устройству и облаку. Этот процесс называется *шифрованием*, а значение, используемое для шифрования данных, называется *ключом шифрования*.
+
+![Если используется шифрование, то принимаются только зашифрованные сообщения, остальные отклоняются](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ru.png)
+
+Облачный сервис может затем преобразовать данные обратно в читаемый формат, используя процесс, называемый *дешифрованием*, с использованием либо того же ключа шифрования, либо *ключа дешифрования*. Если зашифрованное сообщение не может быть расшифровано ключом, устройство считается взломанным, и сообщение отклоняется.
+
+Техника шифрования и дешифрования называется *криптографией*.
+
+### Ранняя криптография
+
+Самые ранние виды криптографии — это шифры подстановки, которые появились около 3 500 лет назад. Шифры подстановки включают замену одной буквы на другую. Например, [шифр Цезаря](https://wikipedia.org/wiki/Caesar_cipher) предполагает сдвиг алфавита на определенное количество позиций, известное только отправителю и получателю зашифрованного сообщения.
+
+[Шифр Виженера](https://wikipedia.org/wiki/Vigenère_cipher) пошел дальше, используя слова для шифрования текста, так что каждая буква в исходном тексте сдвигалась на разное количество позиций, а не всегда на одно и то же.
+
+Криптография использовалась для самых разных целей, таких как защита рецепта глазури гончара в древней Месопотамии, написание секретных любовных записок в Индии или сохранение в тайне древнеегипетских магических заклинаний.
+
+### Современная криптография
+
+Современная криптография гораздо более сложна, что делает ее гораздо труднее взломать по сравнению с ранними методами. Она использует сложные математические алгоритмы для шифрования данных, с таким количеством возможных ключей, что атаки методом перебора становятся невозможными.
+
+Криптография используется во многих аспектах для обеспечения безопасности коммуникаций. Например, если вы читаете эту страницу на GitHub, вы можете заметить, что адрес сайта начинается с *HTTPS*, что означает, что связь между вашим браузером и серверами GitHub зашифрована. Даже если кто-то сможет перехватить интернет-трафик между вашим браузером и GitHub, он не сможет прочитать данные, так как они зашифрованы. Ваш компьютер может даже зашифровать все данные на жестком диске, чтобы в случае кражи никто не смог прочитать ваши данные без пароля.
+
+> 🎓 HTTPS расшифровывается как HyperText Transfer Protocol **Secure**
+
+К сожалению, не все устройства защищены. Некоторые из них вообще не имеют защиты, другие используют легко взламываемые ключи, а иногда все устройства одного типа используют один и тот же ключ. Известны случаи, когда очень личные IoT-устройства имели одинаковый пароль для подключения через Wi-Fi или Bluetooth. Если вы можете подключиться к своему устройству, вы можете подключиться и к чужому. После подключения можно получить доступ к очень личным данным или управлять чужим устройством.
+
+> 💁 Несмотря на сложность современной криптографии и утверждения, что взлом шифрования может занять миллиарды лет, развитие квантовых вычислений открывает возможность взлома всех известных методов шифрования за очень короткое время!
+
+### Симметричные и асимметричные ключи
+
+Шифрование бывает двух типов — симметричное и асимметричное.
+
+**Симметричное** шифрование использует один и тот же ключ для шифрования и дешифрования данных. И отправитель, и получатель должны знать этот ключ. Это менее безопасный тип, так как ключ необходимо каким-то образом передать. Например, отправитель может сначала отправить получателю ключ.
+
+![Симметричное шифрование использует один и тот же ключ для шифрования и дешифрования сообщения](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ru.png)
+
+Если ключ будет украден при передаче или если отправитель или получатель будут взломаны, и ключ станет известен, шифрование можно будет взломать.
+
+![Симметричное шифрование безопасно только в том случае, если хакер не получит ключ — в противном случае он сможет перехватить и расшифровать сообщение](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ru.png)
+
+**Асимметричное** шифрование использует два ключа — ключ шифрования и ключ дешифрования, которые называются парой открытого и закрытого ключей. Открытый ключ используется для шифрования сообщения, но не может быть использован для его дешифрования, а закрытый ключ используется для дешифрования сообщения, но не может быть использован для его шифрования.
+
+![Асимметричное шифрование использует разные ключи для шифрования и дешифрования. Ключ шифрования передается отправителям сообщений, чтобы они могли зашифровать сообщение перед отправкой его получателю, который владеет ключами](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ru.png)
+
+Получатель делится своим открытым ключом, и отправитель использует его для шифрования сообщения. После отправки сообщения получатель расшифровывает его с помощью своего закрытого ключа. Асимметричное шифрование более безопасно, так как закрытый ключ остается у получателя и никогда не передается. Открытый ключ может быть доступен всем, так как он используется только для шифрования сообщений.
+
+Симметричное шифрование быстрее, чем асимметричное, но асимметричное более безопасно. Некоторые системы используют оба типа — асимметричное шифрование для шифрования и передачи симметричного ключа, а затем симметричное шифрование для шифрования всех данных. Это делает передачу симметричного ключа между отправителем и получателем более безопасной, а шифрование и дешифрование данных — более быстрым.
+
+## Как защитить свои IoT-устройства
+
+IoT-устройства можно защитить с помощью симметричного или асимметричного шифрования. Симметричное шифрование проще, но менее безопасно.
+
+### Симметричные ключи
+
+Когда вы настраивали свое IoT-устройство для взаимодействия с IoT Hub, вы использовали строку подключения. Пример строки подключения:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+Эта строка подключения состоит из трех частей, разделенных точками с запятой, каждая из которых представляет собой ключ и значение:
+
+| Ключ | Значение | Описание |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | URL-адрес IoT Hub |
+| DeviceId | `soil-moisture-sensor` | Уникальный идентификатор устройства |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | Симметричный ключ, известный устройству и IoT Hub |
+
+Последняя часть этой строки подключения, `SharedAccessKey`, — это симметричный ключ, известный как устройству, так и IoT Hub. Этот ключ никогда не передается от устройства в облако или из облака на устройство. Вместо этого он используется для шифрования отправляемых или получаемых данных.
+
+✅ Проведите эксперимент. Как вы думаете, что произойдет, если вы измените часть `SharedAccessKey` в строке подключения при подключении вашего IoT-устройства? Попробуйте это сделать.
+
+Когда устройство впервые пытается подключиться, оно отправляет токен общего доступа (SAS), состоящий из URL-адреса IoT Hub, временной метки, когда токен истечет (обычно через 1 день с текущего времени), и подписи. Эта подпись состоит из URL-адреса и времени истечения, зашифрованных с использованием общего ключа доступа из строки подключения.
+
+IoT Hub расшифровывает эту подпись с помощью общего ключа доступа, и если расшифрованное значение совпадает с URL-адресом и временем истечения, устройству разрешается подключиться. Также проверяется, что текущее время меньше времени истечения, чтобы предотвратить использование токена общего доступа реального устройства вредоносным устройством.
+
+Это элегантный способ проверки подлинности устройства. Отправляя известные данные как в расшифрованном, так и в зашифрованном виде, сервер может убедиться, что отправитель является правильным устройством, проверяя, совпадает ли результат расшифровки зашифрованных данных с расшифрованной версией, которая была отправлена. Если совпадает, значит, и отправитель, и получатель имеют один и тот же симметричный ключ шифрования.
+💁 Поскольку срок действия истекает, вашему IoT-устройству необходимо знать точное время, которое обычно считывается с сервера [NTP](https://wikipedia.org/wiki/Network_Time_Protocol). Если время будет неточным, соединение не удастся установить.
+После подключения все данные, отправляемые в IoT Hub с устройства или на устройство из IoT Hub, будут зашифрованы с использованием общего ключа доступа.
+
+✅ Как вы думаете, что произойдет, если несколько устройств будут использовать одну и ту же строку подключения?
+
+> 💁 Хранить этот ключ в коде — плохая практика безопасности. Если хакер получит ваш исходный код, он сможет получить ваш ключ. Кроме того, это усложняет выпуск кода, так как вам придется перекомпилировать его с обновленным ключом для каждого устройства. Лучше загружать этот ключ из аппаратного модуля безопасности — чипа на IoT-устройстве, который хранит зашифрованные значения, доступные вашему коду.
+>
+> При изучении IoT часто проще поместить ключ в код, как вы сделали в предыдущем уроке, но необходимо убедиться, что этот ключ не попадает в публичные системы контроля версий.
+
+Устройства имеют 2 ключа и 2 соответствующие строки подключения. Это позволяет вам менять ключи — то есть переключаться с одного ключа на другой, если первый был скомпрометирован, и заново генерировать первый ключ.
+
+### X.509 сертификаты
+
+Когда вы используете асимметричное шифрование с парой открытого/закрытого ключей, вам нужно предоставить ваш открытый ключ всем, кто хочет отправить вам данные. Проблема в том, как получатель вашего ключа может быть уверен, что это действительно ваш открытый ключ, а не ключ кого-то, кто притворяется вами? Вместо предоставления ключа вы можете предоставить ваш открытый ключ внутри сертификата, который был проверен доверенной третьей стороной, называемой X.509 сертификатом.
+
+X.509 сертификаты — это цифровые документы, содержащие открытую часть пары открытого/закрытого ключей. Обычно они выдаются одной из множества доверенных организаций, называемых [центрами сертификации](https://wikipedia.org/wiki/Certificate_authority) (CA), и подписываются цифровой подписью CA, чтобы указать, что ключ действителен и принадлежит вам. Вы доверяете сертификату и тому, что открытый ключ принадлежит тому, кто указан в сертификате, потому что вы доверяете CA, так же как вы доверяете паспорту или водительскому удостоверению, потому что доверяете стране, которая их выдала. Сертификаты стоят денег, поэтому вы также можете «самоподписать» — то есть создать сертификат самостоятельно, подписанный вами, для тестирования.
+
+> 💁 Никогда не используйте самоподписанный сертификат для выпуска в продакшн.
+
+Эти сертификаты содержат ряд полей, включая информацию о том, кому принадлежит открытый ключ, данные CA, который его выдал, срок действия сертификата и сам открытый ключ. Перед использованием сертификата рекомендуется проверить его, убедившись, что он был подписан оригинальным CA.
+
+✅ Вы можете ознакомиться с полным списком полей сертификата в [учебнике Microsoft Understanding X.509 Public Key Certificates](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields).
+
+При использовании X.509 сертификатов и отправитель, и получатель имеют свои собственные открытые и закрытые ключи, а также X.509 сертификаты, содержащие открытый ключ. Затем они обмениваются X.509 сертификатами, используя открытые ключи друг друга для шифрования данных, которые они отправляют, и свои закрытые ключи для расшифровки данных, которые они получают.
+
+![Вместо того чтобы делиться открытым ключом, вы можете поделиться сертификатом. Пользователь сертификата может проверить, что он принадлежит вам, обратившись к центру сертификации, который его подписал.](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ru.png)
+
+Одним из больших преимуществ использования X.509 сертификатов является то, что их можно использовать на нескольких устройствах. Вы можете создать один сертификат, загрузить его в IoT Hub и использовать его для всех ваших устройств. Каждое устройство должно знать только закрытый ключ, чтобы расшифровывать сообщения, которые оно получает от IoT Hub.
+
+Сертификат, используемый вашим устройством для шифрования сообщений, отправляемых в IoT Hub, публикуется Microsoft. Это тот же сертификат, который используется многими сервисами Azure и иногда встроен в SDK.
+
+> 💁 Помните, что открытый ключ — это просто открытый ключ. Открытый ключ Azure можно использовать только для шифрования данных, отправляемых в Azure, а не для их расшифровки, поэтому его можно распространять повсеместно, включая исходный код. Например, вы можете увидеть его в [исходном коде Azure IoT C SDK](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c).
+
+✅ С X.509 сертификатами связано много терминов. Вы можете ознакомиться с определениями некоторых из них в [руководстве для новичков по терминам X.509 сертификатов](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn).
+
+## Генерация и использование X.509 сертификата
+
+Шаги для генерации X.509 сертификата:
+
+1. Создайте пару открытого/закрытого ключей. Один из самых широко используемых алгоритмов для генерации пары ключей называется [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem)) (RSA).
+
+1. Отправьте открытый ключ с сопутствующими данными для подписания, либо в CA, либо для самоподписания.
+
+Azure CLI имеет команды для создания новой идентичности устройства в IoT Hub, автоматической генерации пары ключей и создания самоподписанного сертификата.
+
+> 💁 Если вы хотите увидеть шаги более подробно, вместо использования Azure CLI, вы можете найти их в [учебнике по использованию OpenSSL для создания самоподписанных сертификатов в документации Microsoft IoT Hub](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn).
+
+### Задача — создать идентичность устройства с использованием X.509 сертификата
+
+1. Выполните следующую команду, чтобы зарегистрировать новую идентичность устройства, автоматически сгенерировав ключи и сертификаты:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+    Это создаст устройство с идентификатором `soil-moisture-sensor-x509`, чтобы отличить его от идентичности устройства, созданной в предыдущем уроке. Эта команда также создаст 2 файла в текущем каталоге:
+
+    * `soil-moisture-sensor-x509-key.pem` — этот файл содержит закрытый ключ устройства.
+    * `soil-moisture-sensor-x509-cert.pem` — это файл X.509 сертификата устройства.
+
+    Храните эти файлы в безопасности! Файл с закрытым ключом не должен попадать в публичные системы контроля версий.
+
+### Задача — использовать X.509 сертификат в коде вашего устройства
+
+Пройдите соответствующее руководство, чтобы подключить ваше IoT-устройство к облаку с использованием X.509 сертификата:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [Одноплатный компьютер - Raspberry Pi/виртуальное IoT-устройство](single-board-computer-x509.md)
+
+---
+
+## 🚀 Челлендж
+
+Существует несколько способов создания, управления и удаления сервисов Azure, таких как Resource Groups и IoT Hubs. Один из них — [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) — веб-интерфейс, который предоставляет GUI для управления вашими сервисами Azure.
+
+Перейдите на [portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) и изучите портал. Попробуйте создать IoT Hub через портал, а затем удалить его.
+
+**Подсказка** — при создании сервисов через портал вам не нужно заранее создавать Resource Group, она может быть создана во время создания сервиса. Убедитесь, что вы удалили ее, когда закончите!
+
+Вы можете найти множество документации, учебников и руководств по Azure Portal в [документации Azure Portal](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn).
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## Обзор и самостоятельное изучение
+
+* Ознакомьтесь с историей криптографии на [странице истории криптографии в Википедии](https://wikipedia.org/wiki/History_of_cryptography).
+* Узнайте больше о X.509 сертификатах на [странице X.509 в Википедии](https://wikipedia.org/wiki/X.509).
+
+## Задание
+
+[Создайте новое IoT-устройство](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..ab96eddc
--- /dev/null
+++ b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T23:06:33+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Создание нового IoT-устройства
+
+## Инструкции
+
+За последние 6 уроков вы узнали о цифровом сельском хозяйстве и о том, как использовать IoT-устройства для сбора данных, прогнозирования роста растений и автоматизации полива на основе показаний влажности почвы.
+
+Используйте полученные знания, чтобы создать новое IoT-устройство с использованием выбранного вами датчика и исполнительного механизма. Отправляйте телеметрию в IoT Hub и используйте её для управления исполнительным механизмом с помощью безсерверного кода. Вы можете использовать датчик и исполнительный механизм, которые уже применяли в этом или предыдущем проекте, или, если у вас есть другое оборудование, попробуйте что-то новое.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Программирование IoT-устройства для работы с датчиком и исполнительным механизмом | Создано IoT-устройство, которое работает с датчиком и исполнительным механизмом | Создано IoT-устройство, которое работает с датчиком или исполнительным механизмом | Не удалось создать IoT-устройство для работы с датчиком или исполнительным механизмом |
+| Подключение IoT-устройства к IoT Hub | Удалось развернуть IoT Hub, отправить в него телеметрию и получить команды | Удалось развернуть IoT Hub и либо отправить телеметрию, либо получить команды | Не удалось развернуть IoT Hub и наладить связь с ним от IoT-устройства |
+| Управление исполнительным механизмом с помощью безсерверного кода | Удалось развернуть Azure Function для управления устройством, запускаемую телеметрическими событиями | Удалось развернуть Azure Function, запускаемую телеметрическими событиями, но не удалось управлять исполнительным механизмом | Не удалось развернуть Azure Function |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..f3807819
--- /dev/null
+++ b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T23:07:08+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "ru"
+}
+-->
+# Использование сертификата X.509 в коде устройства - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы подключите свое виртуальное IoT-устройство или Raspberry Pi к IoT Hub, используя сертификат X.509.
+
+## Подключение устройства к IoT Hub
+
+Следующий шаг — подключить ваше устройство к IoT Hub с использованием сертификатов X.509.
+
+### Задача - подключение к IoT Hub
+
+1. Скопируйте файлы ключа и сертификата в папку, содержащую код вашего IoT-устройства. Если вы используете Raspberry Pi через VS Code Remote SSH и создали ключи на своем ПК или Mac, вы можете перетащить файлы в проводник в VS Code, чтобы скопировать их.
+
+1. Откройте файл `app.py`.
+
+1. Чтобы подключиться с использованием сертификата X.509, вам потребуется имя хоста IoT Hub и сам сертификат X.509. Начните с создания переменной, содержащей имя хоста, добавив следующий код перед созданием клиента устройства:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    Замените `<host_name>` на имя хоста вашего IoT Hub. Вы можете найти его в разделе `HostName` в строке подключения `connection_string`. Это будет имя вашего IoT Hub, заканчивающееся на `.azure-devices.net`.
+
+1. Ниже этого объявите переменную с идентификатором устройства:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. Вам потребуется экземпляр класса `X509`, содержащий файлы сертификата X.509. Добавьте `X509` в список классов, импортируемых из модуля `azure.iot.device`:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. Создайте экземпляр класса `X509`, используя ваши файлы сертификата и ключа, добавив этот код ниже объявления `host_name`:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    Это создаст класс `X509`, используя файлы `soil-moisture-sensor-x509-cert.pem` и `soil-moisture-sensor-x509-key.pem`, созданные ранее.
+
+1. Замените строку кода, которая создает `device_client` из строки подключения, на следующую:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    Это подключит устройство с использованием сертификата X.509 вместо строки подключения.
+
+1. Удалите строку с переменной `connection_string`.
+
+1. Запустите ваш код. Следите за сообщениями, отправляемыми в IoT Hub, и отправляйте запросы на выполнение методов, как и раньше. Вы увидите, как устройство подключается и отправляет данные о влажности почвы, а также принимает запросы на выполнение методов.
+
+> 💁 Вы можете найти этот код в папке [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) или [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device).
+
+😀 Программа вашего датчика влажности почвы подключена к IoT Hub с использованием сертификата X.509!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..ed667105
--- /dev/null
+++ b/translations/ru/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T23:07:52+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "ru"
+}
+-->
+# Использование сертификата X.509 в коде вашего устройства - Wio Terminal
+
+На момент написания Azure Arduino SDK не поддерживает сертификаты X.509. Если вы хотите поэкспериментировать с сертификатами X.509, вы можете обратиться к [инструкциям по виртуальному IoT-устройству с использованием Python SDK](single-board-computer-x509.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/README.md b/translations/ru/3-transport/README.md
new file mode 100644
index 00000000..4b5b2857
--- /dev/null
+++ b/translations/ru/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-27T00:34:16+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "ru"
+}
+-->
+# Транспортировка с фермы на завод - использование IoT для отслеживания поставок продуктов
+
+Многие фермеры выращивают продукты для продажи — либо они являются коммерческими фермерами, которые продают всё, что выращивают, либо они занимаются натуральным хозяйством и продают излишки, чтобы купить необходимые вещи. Так или иначе, продукты должны попасть с фермы к потребителю, и обычно это происходит через массовую транспортировку: с ферм в хабы или на перерабатывающие заводы, а затем в магазины. Например, фермер, выращивающий помидоры, собирает урожай, упаковывает помидоры в ящики, загружает их в грузовик и доставляет на перерабатывающий завод. Там помидоры сортируют, а затем доставляют потребителям в виде переработанных продуктов, для розничной продажи или для использования в ресторанах.
+
+IoT может помочь в этой цепочке поставок, отслеживая продукты во время транспортировки — обеспечивая, что водители следуют заданному маршруту, контролируя местоположение транспортных средств и отправляя уведомления, когда транспорт прибывает, чтобы продукты можно было разгрузить и подготовить к переработке как можно быстрее.
+
+> 🎓 *Цепочка поставок* — это последовательность действий, необходимых для производства и доставки чего-либо. Например, в случае выращивания помидоров это включает семена, почву, удобрения и воду, выращивание помидоров, доставку их в центральный хаб, транспортировку в локальный хаб супермаркета, доставку в конкретный супермаркет, выкладку на витрину, продажу потребителю и доставку домой для употребления. Каждый этап — это как звено в цепи.
+
+> 🎓 Транспортировка в цепочке поставок называется *логистикой*.
+
+В этих 4 уроках вы узнаете, как применять Интернет вещей для улучшения цепочки поставок, отслеживая продукты, загружаемые в (виртуальный) грузовик, который отслеживается на пути к месту назначения. Вы изучите GPS-отслеживание, способы хранения и визуализации GPS-данных, а также как получать уведомления, когда грузовик прибывает в пункт назначения.
+
+> 💁 В этих уроках будут использоваться облачные ресурсы. Если вы не завершите все уроки в этом проекте, убедитесь, что вы [очистили свой проект](../clean-up.md).
+
+## Темы
+
+1. [Отслеживание местоположения](lessons/1-location-tracking/README.md)  
+1. [Хранение данных о местоположении](lessons/2-store-location-data/README.md)  
+1. [Визуализация данных о местоположении](lessons/3-visualize-location-data/README.md)  
+1. [Геозоны](lessons/4-geofences/README.md)  
+
+## Авторы
+
+Все уроки были написаны с ♥️ [Джен Лупер](https://github.com/jlooper) и [Джимом Беннеттом](https://GitHub.com/JimBobBennett)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/README.md b/translations/ru/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..dbc8852a
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-27T00:44:31+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "ru"
+}
+-->
+# Отслеживание местоположения
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## Введение
+
+Основной процесс доставки продуктов от фермера к потребителю включает загрузку ящиков с продукцией на грузовики, корабли, самолеты или другие коммерческие транспортные средства и доставку еды в определенное место — либо напрямую клиенту, либо в центральный узел или склад для обработки. Весь процесс от фермы до потребителя является частью процесса, называемого *цепочкой поставок*. Видео ниже от Школы бизнеса W. P. Carey Университета штата Аризона подробно рассказывает о концепции цепочки поставок и о том, как она управляется.
+
+[![Что такое управление цепочкой поставок? Видео от Школы бизнеса W. P. Carey Университета штата Аризона](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+Добавление IoT-устройств может значительно улучшить вашу цепочку поставок, позволяя управлять местоположением товаров, лучше планировать транспортировку и обработку грузов, а также быстрее реагировать на проблемы.
+
+При управлении автопарком, например грузовиками, полезно знать, где находится каждое транспортное средство в данный момент времени. Транспортные средства могут быть оснащены GPS-датчиками, которые отправляют их местоположение в IoT-системы, позволяя владельцам определять их местоположение, видеть пройденный маршрут и знать, когда они прибудут в пункт назначения. Большинство транспортных средств работают вне зоны покрытия WiFi, поэтому они используют сотовые сети для передачи таких данных. Иногда GPS-датчик встроен в более сложные IoT-устройства, такие как электронные журналы. Эти устройства отслеживают, как долго грузовик находится в пути, чтобы убедиться, что водители соблюдают местные законы о рабочем времени.
+
+В этом уроке вы узнаете, как отслеживать местоположение транспортных средств с помощью датчика глобальной системы позиционирования (GPS).
+
+В этом уроке мы рассмотрим:
+
+* [Подключенные транспортные средства](../../../../../3-transport/lessons/1-location-tracking)
+* [Геопространственные координаты](../../../../../3-transport/lessons/1-location-tracking)
+* [Глобальная система позиционирования (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [Чтение данных с GPS-датчика](../../../../../3-transport/lessons/1-location-tracking)
+* [Данные GPS в формате NMEA](../../../../../3-transport/lessons/1-location-tracking)
+* [Декодирование данных GPS-датчика](../../../../../3-transport/lessons/1-location-tracking)
+
+## Подключенные транспортные средства
+
+IoT меняет способ транспортировки товаров, создавая автопарки *подключенных транспортных средств*. Эти транспортные средства подключены к центральным IT-системам, передавая информацию о своем местоположении и других данных с датчиков. Наличие автопарка подключенных транспортных средств имеет множество преимуществ:
+
+* Отслеживание местоположения — вы можете точно определить, где находится транспортное средство в любой момент времени, что позволяет:
+
+  * Получать уведомления, когда транспортное средство приближается к пункту назначения, чтобы подготовить команду для разгрузки
+  * Находить украденные транспортные средства
+  * Сочетать данные о местоположении и маршруте с информацией о пробках, чтобы перенаправлять транспортные средства в пути
+  * Соблюдать налоговые требования. В некоторых странах транспортные средства облагаются налогом за пройденное расстояние по общественным дорогам (например, [RUC в Новой Зеландии](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/)), поэтому знание того, когда транспортное средство находится на общественных дорогах, а когда на частных, упрощает расчет налога.
+  * Знать, куда отправить ремонтные бригады в случае поломки
+
+* Телеметрия водителя — возможность убедиться, что водители соблюдают ограничения скорости, входят в повороты на подходящей скорости, тормозят заранее и эффективно, а также водят безопасно. Подключенные транспортные средства также могут быть оснащены камерами для записи инцидентов. Это может быть связано со страхованием, предоставляя скидки для хороших водителей.
+
+* Соблюдение рабочего времени водителей — обеспечение того, чтобы водители управляли транспортным средством только в пределах разрешенного законом времени, основываясь на времени включения и выключения двигателя.
+
+Эти преимущества можно комбинировать — например, сочетать соблюдение рабочего времени водителей с отслеживанием местоположения, чтобы перенаправлять водителей, если они не могут достичь пункта назначения в пределах разрешенного времени. Это также можно комбинировать с другой телеметрией, специфичной для транспортного средства, например, данными о температуре в рефрижераторных грузовиках, чтобы перенаправлять транспортные средства, если их текущий маршрут не позволяет сохранить товары при нужной температуре.
+
+> 🎓 Логистика — это процесс транспортировки товаров из одного места в другое, например, с фермы в супермаркет через один или несколько складов. Фермер упаковывает ящики с помидорами, которые загружаются на грузовик, доставляются на центральный склад, а затем помещаются на второй грузовик, который может содержать смесь различных видов продукции, доставляемой в супермаркет.
+
+Основным компонентом отслеживания транспортных средств является GPS — датчики, которые могут определить их местоположение в любой точке Земли. В этом уроке вы узнаете, как использовать GPS-датчик, начиная с изучения того, как определить местоположение на Земле.
+
+## Геопространственные координаты
+
+Геопространственные координаты используются для определения точек на поверхности Земли, аналогично тому, как координаты используются для указания пикселя на экране компьютера или позиции стежков в вышивке крестиком. Для одной точки у вас есть пара координат. Например, кампус Microsoft в Редмонде, штат Вашингтон, США, находится на 47.6423109, -122.1390293.
+
+### Широта и долгота
+
+Земля — это сфера, трехмерный круг. Из-за этого точки определяются путем деления ее на 360 градусов, как в геометрии кругов. Широта измеряет количество градусов с севера на юг, долгота — с востока на запад.
+
+> 💁 Никто точно не знает, почему круги делятся на 360 градусов. [Статья о градусах (углах) на Википедии](https://wikipedia.org/wiki/Degree_(angle)) описывает некоторые возможные причины.
+
+![Линии широты от 90° на Северном полюсе, 45° на полпути между Северным полюсом и экватором, 0° на экваторе, -45° на полпути между экватором и Южным полюсом, и -90° на Южном полюсе](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ru.png)
+
+Широта измеряется с помощью линий, которые окружают Землю и проходят параллельно экватору, разделяя Северное и Южное полушария на 90° каждое. Экватор находится на 0°, Северный полюс — на 90°, также известный как 90° северной широты, а Южный полюс — на -90°, или 90° южной широты.
+
+Долгота измеряется как количество градусов на восток и запад. Начальная точка долготы 0° называется *нулевым меридианом* и была определена в 1884 году как линия от Северного до Южного полюса, проходящая через [Королевскую обсерваторию в Гринвиче, Англия](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich).
+
+![Линии долготы от -180° к западу от нулевого меридиана до 0° на нулевом меридиане и до 180° к востоку от нулевого меридиана](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ru.png)
+
+> 🎓 Меридиан — это воображаемая прямая линия, которая идет от Северного полюса к Южному полюсу, образуя полукруг.
+
+Чтобы измерить долготу точки, вы измеряете количество градусов вокруг экватора от нулевого меридиана до меридиана, проходящего через эту точку. Долгота варьируется от -180°, или 180° западной долготы, через 0° на нулевом меридиане, до 180°, или 180° восточной долготы. 180° и -180° обозначают одну и ту же точку — антимеридиан или 180-й меридиан. Это меридиан на противоположной стороне Земли от нулевого меридиана.
+
+> 💁 Антимеридиан не следует путать с Международной линией перемены дат, которая находится примерно в том же месте, но не является прямой линией и изменяется, чтобы учитывать геополитические границы.
+
+✅ Проведите исследование: Попробуйте найти широту и долготу вашего текущего местоположения.
+
+### Градусы, минуты и секунды против десятичных градусов
+
+Традиционно измерения градусов широты и долготы проводились с использованием шестидесятиричной системы счисления, или системы с основанием 60, которая использовалась древними вавилонянами, первыми измерявшими и записывавшими время и расстояние. Вы, вероятно, используете шестидесятиричную систему каждый день, даже не осознавая этого — деля часы на 60 минут и минуты на 60 секунд.
+
+Долгота и широта измеряются в градусах, минутах и секундах, где одна минута равна 1/60 градуса, а 1 секунда равна 1/60 минуты.
+
+Например, на экваторе:
+
+* 1° широты равен **111,3 километра**
+* 1 минута широты равна 111,3/60 = **1,855 километра**
+* 1 секунда широты равна 1,855/60 = **0,031 километра**
+
+Символ для минуты — одинарная кавычка, для секунды — двойная кавычка. Например, 2 градуса, 17 минут и 43 секунды записываются как 2°17'43". Доли секунд указываются в виде десятичных дробей, например, половина секунды — это 0°0'0.5".
+
+Компьютеры не работают в шестидесятиричной системе, поэтому эти координаты обычно указываются в виде десятичных градусов при использовании GPS-данных в большинстве компьютерных систем. Например, 2°17'43" — это 2.295277. Символ градуса обычно опускается.
+
+Координаты точки всегда указываются как `широта, долгота`, поэтому пример выше с кампусом Microsoft на 47.6423109,-122.117198 имеет:
+
+* Широту 47.6423109 (47.6423109 градусов севернее экватора)
+* Долготу -122.1390293 (122.1390293 градусов западнее нулевого меридиана).
+
+![Кампус Microsoft на 47.6423109,-122.117198](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ru.png)
+
+## Глобальная система позиционирования (GPS)
+
+GPS-системы используют несколько спутников, вращающихся вокруг Земли, чтобы определить ваше местоположение. Вы, вероятно, использовали GPS-системы, даже не осознавая этого — чтобы найти свое местоположение в приложении для карт на телефоне, таком как Apple Maps или Google Maps, чтобы увидеть, где находится ваш транспорт в приложении для вызова такси, таком как Uber или Lyft, или при использовании спутниковой навигации (sat-nav) в автомобиле.
+
+> 🎓 Спутники в "спутниковой навигации" — это GPS-спутники!
+
+GPS-системы работают за счет наличия нескольких спутников, которые отправляют сигнал с текущим местоположением каждого спутника и точным временным штампом. Эти сигналы передаются по радиоволнам и обнаруживаются антенной в GPS-датчике. GPS-датчик обнаруживает эти сигналы и, используя текущее время, измеряет, сколько времени потребовалось сигналу, чтобы достичь датчика от спутника. Поскольку скорость радиоволн постоянна, GPS-датчик может использовать отправленный временной штамп, чтобы вычислить, как далеко датчик находится от спутника. Сочетая данные как минимум от 3 спутников с отправленными позициями, GPS-датчик может точно определить свое местоположение на Земле.
+
+> 💁 GPS-датчики нуждаются в антеннах для обнаружения радиоволн. Антенны, встроенные в грузовики и автомобили с бортовыми GPS, расположены так, чтобы получать хороший сигнал, обычно на лобовом стекле или крыше. Если вы используете отдельную GPS-систему, такую как смартфон или IoT-устройство, то вам нужно убедиться, что антенна, встроенная в GPS-систему или телефон, имеет четкий обзор неба, например, установлена на лобовом стекле.
+
+![Зная расстояние от датчика до нескольких спутников, можно вычислить местоположение](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ru.png)
+
+GPS-спутники вращаются вокруг Земли, а не находятся в фиксированной точке над датчиком, поэтому данные о местоположении включают высоту над уровнем моря, а также широту и долготу.
+
+Ранее GPS имел ограничения по точности, установленные военными США, ограничивая точность до примерно 5 метров. Это ограничение было снято в 2000 году, что позволило достичь точности до 30 сантиметров. Однако добиться такой точности не всегда возможно из-за помех сигналам.
+
+✅ Если у вас есть смартфон, откройте приложение для карт и посмотрите, насколько точно определяется ваше местоположение. Это может занять некоторое время, пока ваш телефон обнаружит несколько спутников для получения более точного местоположения.
+💁 Спутники оснащены атомными часами, которые невероятно точны, но они отстают на 38 микросекунд (0,0000038 секунды) в день по сравнению с атомными часами на Земле. Это происходит из-за замедления времени при увеличении скорости, как предсказано теориями специальной и общей относительности Эйнштейна — спутники движутся быстрее, чем вращение Земли. Это отклонение использовалось для подтверждения предсказаний специальной и общей теории относительности и должно учитываться при разработке GPS-систем. Буквально время на спутнике GPS идет медленнее.
+Системы GPS были разработаны и внедрены рядом стран и политических союзов, включая США, Россию, Японию, Индию, ЕС и Китай. Современные GPS-датчики могут подключаться к большинству этих систем, чтобы получать более быстрые и точные данные о местоположении.
+
+> 🎓 Группы спутников в каждой системе называются созвездиями.
+
+## Чтение данных GPS-датчика
+
+Большинство GPS-датчиков передают данные через UART.
+
+> ⚠️ UART был рассмотрен в [проекте 2, уроке 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart). При необходимости обратитесь к этому уроку.
+
+Вы можете использовать GPS-датчик на вашем IoT-устройстве для получения данных GPS.
+
+### Задача - подключить GPS-датчик и считать данные GPS
+
+Следуйте соответствующему руководству, чтобы считать данные GPS с помощью вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-gps-sensor.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-gps-sensor.md)
+
+## Данные GPS в формате NMEA
+
+Когда вы запустили свой код, вы могли увидеть на выходе что-то, что выглядит как бессмысленный набор символов. На самом деле это стандартные данные GPS, и у них есть определённое значение.
+
+GPS-датчики выводят данные с использованием сообщений NMEA, соответствующих стандарту NMEA 0183. NMEA — это аббревиатура от [Национальной ассоциации морской электроники](https://www.nmea.org), американской торговой организации, которая устанавливает стандарты для связи между морскими электронными устройствами.
+
+> 💁 Этот стандарт является собственностью и стоит не менее 2000 долларов США, но достаточно информации о нём находится в открытом доступе, чтобы большая часть стандарта была обратным образом разработана и могла использоваться в открытом исходном коде и другом некоммерческом программном обеспечении.
+
+Эти сообщения основаны на текстовом формате. Каждое сообщение состоит из *предложения*, которое начинается с символа `$`, за которым следуют 2 символа, указывающие источник сообщения (например, GP для системы GPS США, GN для ГЛОНАСС, российской системы GPS), и 3 символа, указывающие тип сообщения. Остальная часть сообщения состоит из полей, разделённых запятыми, и заканчивается символом новой строки.
+
+Некоторые из типов сообщений, которые могут быть получены:
+
+| Тип  | Описание |
+| ---- | ----------- |
+| GGA  | Данные GPS-фиксации, включая широту, долготу и высоту GPS-датчика, а также количество спутников, используемых для расчёта этой фиксации. |
+| ZDA  | Текущая дата и время, включая местный часовой пояс. |
+| GSV  | Информация о спутниках в зоне видимости — то есть спутниках, от которых GPS-датчик может принимать сигналы. |
+
+> 💁 Данные GPS включают временные метки, поэтому ваше IoT-устройство может получать время с GPS-датчика, а не полагаться на NTP-сервер или встроенные часы реального времени.
+
+Сообщение GGA включает текущее местоположение в формате `(dd)dmm.mmmm`, а также один символ, указывающий направление. `d` в формате означает градусы, `m` — минуты, а секунды представлены в виде десятичных долей минут. Например, 2°17'43" будет записано как 217.716666667 — 2 градуса, 17.716666667 минут.
+
+Символ направления может быть `N` или `S` для широты, чтобы указать север или юг, и `E` или `W` для долготы, чтобы указать восток или запад. Например, широта 2°17'43" будет иметь символ направления `N`, а -2°17'43" — символ направления `S`.
+
+Пример - предложение NMEA `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* Часть широты — это `4738.538654,N`, что преобразуется в 47.6423109 в десятичных градусах. `4738.538654` — это 47.6423109, а направление `N` (север), поэтому широта положительная.
+
+* Часть долготы — это `12208.341758,W`, что преобразуется в -122.1390293 в десятичных градусах. `12208.341758` — это 122.1390293°, а направление `W` (запад), поэтому долгота отрицательная.
+
+## Декодирование данных GPS-датчика
+
+Вместо использования необработанных данных NMEA лучше декодировать их в более удобный формат. Существует множество библиотек с открытым исходным кодом, которые могут помочь извлечь полезные данные из необработанных сообщений NMEA.
+
+### Задача - декодировать данные GPS-датчика
+
+Следуйте соответствующему руководству, чтобы декодировать данные GPS-датчика с помощью вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 Задание
+
+Напишите собственный декодер NMEA! Вместо того чтобы полагаться на сторонние библиотеки для декодирования предложений NMEA, сможете ли вы написать свой собственный декодер для извлечения широты и долготы из предложений NMEA?
+
+## Тест после лекции
+
+[Тест после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## Обзор и самостоятельное изучение
+
+* Прочитайте больше о геопространственных координатах на [странице о географической системе координат в Википедии](https://wikipedia.org/wiki/Geographic_coordinate_system).
+* Ознакомьтесь с информацией о начальных меридианах на других небесных телах, кроме Земли, на [странице о начальном меридиане в Википедии](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies).
+* Исследуйте различные GPS-системы, разработанные различными правительствами и политическими союзами, такими как ЕС, Япония, Россия, Индия и США.
+
+## Задание
+
+[Исследуйте другие данные GPS](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/assignment.md b/translations/ru/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..b049b751
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-27T00:49:02+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Исследуйте другие данные GPS
+
+## Инструкции
+
+NMEA-строки, поступающие от вашего GPS-датчика, содержат не только данные о местоположении. Изучите дополнительные данные и используйте их в вашем IoT-устройстве.
+
+Например, можете ли вы получить текущую дату и время? Если вы используете микроконтроллер, можете ли вы установить часы с помощью данных GPS так же, как вы делали это с сигналами NTP в предыдущем проекте? Можете ли вы получить высоту (вашу высоту над уровнем моря) или вашу текущую скорость?
+
+Если вы используете виртуальное IoT-устройство, то вы можете получить некоторые из этих данных, отправляя NMEA-строки, сгенерированные с помощью инструментов [nmeagen.org](https://www.nmeagen.org).
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Получение дополнительных данных GPS | Умеет получать и использовать дополнительные данные GPS, либо как телеметрию, либо для настройки IoT-устройства | Умеет получать дополнительные данные GPS, но не может их использовать | Не умеет получать дополнительные данные GPS |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/ru/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..5a4b356d
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-27T00:50:18+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Чтение данных GPS - Raspberry Pi
+
+В этой части урока вы добавите GPS-датчик к вашему Raspberry Pi и будете считывать данные с него.
+
+## Оборудование
+
+Для Raspberry Pi требуется GPS-датчик.
+
+Датчик, который вы будете использовать, — это [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Этот датчик может подключаться к нескольким GPS-системам для быстрого и точного определения местоположения. Датчик состоит из двух частей: основной электроники датчика и внешней антенны, подключенной тонким проводом для приема радиоволн от спутников.
+
+Это датчик UART, который передает данные GPS через UART.
+
+## Подключение GPS-датчика
+
+Датчик Grove GPS можно подключить к Raspberry Pi.
+
+### Задание - подключить GPS-датчик
+
+Подключите GPS-датчик.
+
+![Датчик Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на GPS-датчике. Он вставляется только в одном направлении.
+
+1. При выключенном Raspberry Pi подключите другой конец кабеля Grove к разъему UART, обозначенному как **UART**, на Grove Base Hat, установленном на Pi. Этот разъем находится в среднем ряду, на стороне, ближайшей к слоту для SD-карты, противоположной USB-портам и разъему Ethernet.
+
+    ![Датчик Grove GPS, подключенный к разъему UART](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ru.png)
+
+1. Разместите GPS-датчик так, чтобы подключенная антенна имела видимость неба — лучше всего рядом с открытым окном или на улице. Чем меньше препятствий для антенны, тем легче получить четкий сигнал.
+
+## Программирование GPS-датчика
+
+Теперь Raspberry Pi можно запрограммировать для работы с подключенным GPS-датчиком.
+
+### Задание - запрограммировать GPS-датчик
+
+Программируйте устройство.
+
+1. Включите Pi и дождитесь его загрузки.
+
+1. У GPS-датчика есть два светодиода: синий светодиод мигает при передаче данных, а зеленый светодиод мигает каждую секунду при получении данных от спутников. Убедитесь, что синий светодиод мигает при включении Pi. Через несколько минут начнет мигать зеленый светодиод — если этого не происходит, возможно, потребуется изменить положение антенны.
+
+1. Запустите VS Code, либо непосредственно на Pi, либо подключитесь через расширение Remote SSH.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по настройке и запуску VS Code в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md).
+
+1. В более новых версиях Raspberry Pi, поддерживающих Bluetooth, возникает конфликт между последовательным портом, используемым для Bluetooth, и портом, используемым для Grove UART. Чтобы устранить это, выполните следующие действия:
+
+    1. В терминале VS Code отредактируйте файл `/boot/config.txt`, используя `nano`, встроенный текстовый редактор терминала, с помощью следующей команды:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > Этот файл нельзя редактировать через VS Code, так как для этого требуются права `sudo`, повышенные разрешения. VS Code не работает с такими разрешениями.
+
+    1. Используйте клавиши курсора, чтобы перейти в конец файла, затем скопируйте приведенный ниже код и вставьте его в конец файла:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        Вы можете вставить текст, используя стандартные сочетания клавиш для вашего устройства (`Ctrl+v` на Windows, Linux или Raspberry Pi OS, `Cmd+v` на macOS).
+
+    1. Сохраните файл и выйдите из nano, нажав `Ctrl+x`. Нажмите `y`, когда вас спросят, хотите ли вы сохранить измененный буфер, затем нажмите `Enter`, чтобы подтвердить перезапись `/boot/config.txt`.
+
+        > Если вы допустили ошибку, вы можете выйти без сохранения, а затем повторить эти шаги.
+
+    1. Отредактируйте файл `/boot/cmdline.txt` в nano с помощью следующей команды:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. Этот файл содержит несколько пар ключ/значение, разделенных пробелами. Удалите любые пары ключ/значение для ключа `console`. Они, вероятно, будут выглядеть примерно так:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        Вы можете перейти к этим записям, используя клавиши курсора, затем удалить их с помощью клавиш `del` или `backspace`.
+
+        Например, если ваш исходный файл выглядит так:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        Новая версия будет выглядеть так:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. Следуйте приведенным выше шагам, чтобы сохранить файл и выйти из nano.
+
+    1. Перезагрузите Pi, затем снова подключитесь в VS Code после перезагрузки Pi.
+
+1. В терминале создайте новую папку в домашнем каталоге пользователя `pi` с именем `gps-sensor`. Создайте файл в этой папке с именем `app.py`.
+
+1. Откройте эту папку в VS Code.
+
+1. Модуль GPS отправляет данные UART через последовательный порт. Установите пакет `pyserial` через Pip для взаимодействия с последовательным портом из вашего Python-кода:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. Добавьте следующий код в ваш файл `app.py`:
+
+    ```python
+    import time
+    import serial
+    
+    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
+    serial.reset_input_buffer()
+    serial.flush()
+    
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    Этот код импортирует модуль `serial` из пакета `pyserial`. Затем он подключается к последовательному порту `/dev/ttyAMA0` — это адрес последовательного порта, который Grove Pi Base Hat использует для своего UART-порта. Затем он очищает любые существующие данные из этого последовательного соединения.
+
+    Далее определяется функция `print_gps_data`, которая выводит переданную ей строку в консоль.
+
+    Затем код выполняет бесконечный цикл, считывая столько строк текста, сколько возможно, из последовательного порта в каждом цикле. Он вызывает функцию `print_gps_data` для каждой строки.
+
+    После того как все данные считаны, цикл засыпает на 1 секунду, затем повторяет попытку.
+
+1. Запустите этот код. Вы увидите необработанный вывод от GPS-датчика, что-то вроде следующего:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+    > Если вы получите одну из следующих ошибок при остановке и повторном запуске вашего кода, добавьте блок `try - except` в ваш цикл while.
+
+      ```output
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
+      ```
+
+    ```python
+    while True:
+        try:
+            line = serial.readline().decode('utf-8')
+              
+            while len(line) > 0:
+                print_gps_data()
+                line = serial.readline().decode('utf-8')
+      
+        # There's a random chance the first byte being read is part way through a character.
+        # Read another full line and continue.
+
+        except UnicodeDecodeError:
+            line = serial.readline().decode('utf-8')
+
+    time.sleep(1)
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi).
+
+😀 Программа для вашего GPS-датчика успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/ru/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..2326a171
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-27T00:49:31+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "ru"
+}
+-->
+# Расшифровка данных GPS - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы расшифруете сообщения NMEA, полученные от GPS-датчика с помощью Raspberry Pi или виртуального IoT-устройства, и извлечете широту и долготу.
+
+## Расшифровка данных GPS
+
+После того как необработанные данные NMEA были считаны с последовательного порта, их можно расшифровать с помощью библиотеки NMEA с открытым исходным кодом.
+
+### Задача - расшифровать данные GPS
+
+Программируйте устройство для расшифровки данных GPS.
+
+1. Откройте проект приложения `gps-sensor`, если он еще не открыт.
+
+1. Установите пакет `pynmea2` через Pip. Этот пакет содержит код для расшифровки сообщений NMEA.
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. Добавьте следующий код в раздел импорта в файле `app.py`, чтобы импортировать модуль `pynmea2`:
+
+    ```python
+    import pynmea2
+    ```
+
+1. Замените содержимое функции `print_gps_data` следующим кодом:
+
+    ```python
+    msg = pynmea2.parse(line)
+    if msg.sentence_type == 'GGA':
+        lat = pynmea2.dm_to_sd(msg.lat)
+        lon = pynmea2.dm_to_sd(msg.lon)
+
+        if msg.lat_dir == 'S':
+            lat = lat * -1
+
+        if msg.lon_dir == 'W':
+            lon = lon * -1
+
+        print(f'{lat},{lon} - from {msg.num_sats} satellites')
+    ```
+
+    Этот код использует библиотеку `pynmea2` для анализа строки, считанной с последовательного порта UART.
+
+    Если тип предложения сообщения — `GGA`, то это сообщение о фиксации позиции, и оно обрабатывается. Значения широты и долготы извлекаются из сообщения и преобразуются в десятичные градусы из формата NMEA `(d)ddmm.mmmm`. Функция `dm_to_sd` выполняет это преобразование.
+
+    Затем проверяется направление широты, и если широта находится в южном полушарии, значение преобразуется в отрицательное число. То же самое происходит с долготой: если она находится в западном полушарии, то преобразуется в отрицательное число.
+
+    Наконец, координаты выводятся в консоль вместе с количеством спутников, использованных для определения местоположения.
+
+1. Запустите код. Если вы используете виртуальное IoT-устройство, убедитесь, что приложение CounterFit запущено и данные GPS отправляются.
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) или в папке [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi).
+
+😀 Ваше приложение для работы с GPS-датчиком и расшифровки данных успешно выполнено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/ru/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..25d6c91a
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-27T00:43:02+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Чтение данных GPS - Виртуальное IoT-устройство
+
+В этой части урока вы добавите GPS-датчик к вашему виртуальному IoT-устройству и будете считывать с него данные.
+
+## Виртуальное оборудование
+
+Виртуальное IoT-устройство будет использовать симулированный GPS-датчик, доступный через UART через последовательный порт.
+
+Физический GPS-датчик имеет антенну для приема радиоволн от GPS-спутников и преобразует GPS-сигналы в GPS-данные. Виртуальная версия имитирует это, позволяя вам либо задать широту и долготу, отправить необработанные NMEA-строки, либо загрузить GPX-файл с несколькими местоположениями, которые могут возвращаться последовательно.
+
+> 🎓 NMEA-строки будут рассмотрены позже в этом уроке
+
+### Добавление датчика в CounterFit
+
+Чтобы использовать виртуальный GPS-датчик, его нужно добавить в приложение CounterFit.
+
+#### Задание - добавление датчика в CounterFit
+
+Добавьте GPS-датчик в приложение CounterFit.
+
+1. Создайте новое Python-приложение на вашем компьютере в папке `gps-sensor` с единственным файлом `app.py` и виртуальной средой Python, а также добавьте пакеты CounterFit через pip.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию и настройке Python-проекта CounterFit в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Установите дополнительный пакет pip для установки CounterFit shim, который может взаимодействовать с датчиками на основе UART через последовательное соединение. Убедитесь, что вы устанавливаете его из терминала с активированной виртуальной средой.
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте GPS-датчик:
+
+    1. В поле *Create sensor* на панели *Sensors* выберите тип датчика в выпадающем списке *Sensor type* и выберите *UART GPS*.
+
+    1. Оставьте *Port* установленным на */dev/ttyAMA0*.
+
+    1. Нажмите кнопку **Add**, чтобы создать GPS-датчик на порту `/dev/ttyAMA0`.
+
+    ![Настройки GPS-датчика](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ru.png)
+
+    GPS-датчик будет создан и появится в списке датчиков.
+
+    ![Созданный GPS-датчик](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ru.png)
+
+## Программирование GPS-датчика
+
+Теперь виртуальное IoT-устройство можно запрограммировать для работы с виртуальным GPS-датчиком.
+
+### Задание - программирование GPS-датчика
+
+Программируйте приложение для GPS-датчика.
+
+1. Убедитесь, что приложение `gps-sensor` открыто в VS Code.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в начало файла `app.py`, чтобы подключить приложение к CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Добавьте следующий код ниже, чтобы импортировать необходимые библиотеки, включая библиотеку для последовательного порта CounterFit:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    Этот код импортирует модуль `serial` из пакета pip `counterfit_shims_serial`. Затем он подключается к последовательному порту `/dev/ttyAMA0` — это адрес последовательного порта, который использует виртуальный GPS-датчик для своего UART-порта.
+
+1. Добавьте следующий код ниже, чтобы считывать данные с последовательного порта и выводить их в консоль:
+
+    ```python
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    Определяется функция `print_gps_data`, которая выводит переданную ей строку в консоль.
+
+    Затем код выполняет бесконечный цикл, считывая как можно больше строк текста с последовательного порта в каждом цикле. Для каждой строки вызывается функция `print_gps_data`.
+
+    После того как все данные считаны, цикл засыпает на 1 секунду, а затем повторяется.
+
+1. Запустите этот код, убедившись, что вы используете другой терминал, чем тот, в котором запущено приложение CounterFit, чтобы приложение CounterFit продолжало работать.
+
+1. В приложении CounterFit измените значение GPS-датчика. Вы можете сделать это одним из следующих способов:
+
+    * Установите **Source** в `Lat/Lon` и задайте явные значения широты, долготы и количества спутников, используемых для получения GPS-фиксации. Это значение будет отправлено только один раз, поэтому установите флажок **Repeat**, чтобы данные повторялись каждую секунду.
+
+      ![GPS-датчик с выбранным Lat/Lon](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ru.png)
+
+    * Установите **Source** в `NMEA` и добавьте несколько NMEA-строк в текстовое поле. Все эти значения будут отправлены с задержкой в 1 секунду перед каждой новой строкой GGA (фиксация позиции).
+
+      ![GPS-датчик с установленными NMEA-строками](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ru.png)
+
+      Вы можете использовать инструмент, такой как [nmeagen.org](https://www.nmeagen.org), чтобы сгенерировать эти строки, рисуя на карте. Эти значения будут отправлены только один раз, поэтому установите флажок **Repeat**, чтобы данные повторялись через секунду после их отправки.
+
+    * Установите **Source** в GPX-файл и загрузите GPX-файл с маршрутами. Вы можете скачать GPX-файлы с популярных сайтов для карт и пеших маршрутов, таких как [AllTrails](https://www.alltrails.com/). Эти файлы содержат несколько GPS-координат в виде маршрута, и GPS-датчик будет возвращать каждую новую координату с интервалом в 1 секунду.
+
+      ![GPS-датчик с установленным GPX-файлом](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ru.png)
+
+      Эти значения будут отправлены только один раз, поэтому установите флажок **Repeat**, чтобы данные повторялись через секунду после их отправки.
+
+    После настройки параметров GPS нажмите кнопку **Set**, чтобы применить эти значения к датчику.
+
+1. Вы увидите необработанный вывод от GPS-датчика, что-то вроде следующего:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    ```
+
+> 💁 Этот код можно найти в папке [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device).
+
+😀 Ваше приложение для GPS-датчика успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..c8533ec0
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-27T00:51:41+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "ru"
+}
+-->
+# Расшифровка данных GPS - Wio Terminal
+
+В этой части урока вы расшифруете сообщения NMEA, полученные от GPS-датчика на Wio Terminal, и извлечете широту и долготу.
+
+## Расшифровка данных GPS
+
+После того как необработанные данные NMEA будут считаны с последовательного порта, их можно расшифровать с помощью библиотеки NMEA с открытым исходным кодом.
+
+### Задание - расшифровка данных GPS
+
+Запрограммируйте устройство для расшифровки данных GPS.
+
+1. Откройте проект приложения `gps-sensor`, если он еще не открыт.
+
+1. Добавьте зависимость от библиотеки [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) в файл `platformio.ini` проекта. Эта библиотека содержит код для расшифровки данных NMEA.
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. В файле `main.cpp` добавьте директиву include для библиотеки TinyGPSPlus:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. Под объявлением `Serial3` объявите объект TinyGPSPlus для обработки предложений NMEA:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. Измените содержимое функции `printGPSData` на следующее:
+
+    ```cpp
+    if (gps.encode(Serial3.read()))
+    {
+        if (gps.location.isValid())
+        {
+            Serial.print(gps.location.lat(), 6);
+            Serial.print(F(","));
+            Serial.print(gps.location.lng(), 6);
+            Serial.print(" - from ");
+            Serial.print(gps.satellites.value());
+            Serial.println(" satellites");
+        }
+    }
+    ```
+
+    Этот код считывает следующий символ из последовательного порта UART в декодер NMEA `gps`. После каждого символа он проверяет, прочитал ли декодер корректное предложение, а затем проверяет, была ли получена корректная локация. Если локация корректна, она отправляется в монитор порта вместе с количеством спутников, которые участвовали в определении местоположения.
+
+1. Соберите и загрузите код на Wio Terminal.
+
+1. После загрузки вы можете отслеживать данные о местоположении GPS с помощью монитора порта.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 Этот код можно найти в папке [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal).
+
+😀 Ваше приложение для работы с GPS-датчиком и расшифровки данных успешно заработало!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..89a30792
--- /dev/null
+++ b/translations/ru/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-27T00:41:56+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "ru"
+}
+-->
+# Чтение данных GPS - Wio Terminal
+
+В этой части урока вы добавите GPS-датчик к вашему Wio Terminal и будете считывать с него данные.
+
+## Аппаратное обеспечение
+
+Для Wio Terminal требуется GPS-датчик.
+
+Датчик, который вы будете использовать, — это [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html). Этот датчик может подключаться к нескольким GPS-системам для быстрого и точного определения местоположения. Датчик состоит из двух частей: основной электроники и внешней антенны, подключенной тонким проводом для улавливания радиоволн от спутников.
+
+Это UART-датчик, который передает данные GPS через UART.
+
+### Подключение GPS-датчика
+
+Датчик Grove GPS можно подключить к Wio Terminal.
+
+#### Задание - подключите GPS-датчик
+
+Подключите GPS-датчик.
+
+![Датчик Grove GPS](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на GPS-датчике. Он вставляется только в одном направлении.
+
+1. С отключенным от компьютера или другого источника питания Wio Terminal подключите другой конец кабеля Grove к левому разъему Grove на Wio Terminal, если смотреть на экран. Это разъем, который находится ближе всего к кнопке питания.
+
+    ![Датчик Grove GPS, подключенный к левому разъему](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ru.png)
+
+1. Разместите GPS-датчик так, чтобы подключенная антенна имела видимость неба — лучше всего рядом с открытым окном или на улице. Чем меньше препятствий для антенны, тем лучше сигнал.
+
+1. Теперь вы можете подключить Wio Terminal к вашему компьютеру.
+
+1. У GPS-датчика есть два светодиода: синий светодиод мигает при передаче данных, а зеленый мигает каждую секунду при получении данных от спутников. Убедитесь, что синий светодиод мигает при включении Wio Terminal. Через несколько минут должен начать мигать зеленый светодиод — если этого не происходит, возможно, нужно изменить положение антенны.
+
+## Программирование GPS-датчика
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенным GPS-датчиком.
+
+### Задание - запрограммируйте GPS-датчик
+
+Программируйте устройство.
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите проект `gps-sensor`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+1. Добавьте следующую директиву include в начало файла `main.cpp`. Она включает заголовочный файл с функциями для настройки левого разъема Grove для UART.
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. Ниже добавьте следующую строку кода для объявления соединения последовательного порта с UART:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. Вам нужно добавить код для перенаправления некоторых внутренних обработчиков сигналов на этот последовательный порт. Добавьте следующий код ниже объявления `Serial3`:
+
+    ```cpp
+    void SERCOM3_0_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_1_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_2_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_3_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    ```
+
+1. В функции `setup`, ниже настройки порта `Serial`, настройте последовательный порт UART с помощью следующего кода:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. Ниже этого кода в функции `setup` добавьте следующий код для подключения пина Grove к последовательному порту:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. Добавьте следующую функцию перед функцией `loop`, чтобы отправлять данные GPS на монитор последовательного порта:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. В функции `loop` добавьте следующий код для чтения данных из последовательного порта UART и вывода их на монитор последовательного порта:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    Этот код считывает данные из последовательного порта UART. Функция `readStringUntil` считывает данные до символа-разделителя, в данном случае новой строки. Это позволяет считывать целые предложения NMEA (предложения NMEA завершаются символом новой строки). Пока данные можно считывать из последовательного порта UART, они считываются и отправляются на монитор последовательного порта через функцию `printGPSData`. Когда данные больше не могут быть считаны, цикл `loop` делает паузу на 1 секунду (1,000 мс).
+
+1. Соберите и загрузите код на Wio Terminal.
+
+1. После загрузки вы можете наблюдать данные GPS с помощью монитора последовательного порта.
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+> 💁 Этот код можно найти в папке [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal).
+
+😀 Программа для GPS-датчика успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/2-store-location-data/README.md b/translations/ru/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..e64a61ff
--- /dev/null
+++ b/translations/ru/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,479 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-27T00:56:59+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "ru"
+}
+-->
+# Данные о местоположении магазина
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## Введение
+
+В прошлом уроке вы узнали, как использовать GPS-датчик для получения данных о местоположении. Чтобы использовать эти данные для визуализации местоположения грузовика с продуктами и его маршрута, их необходимо отправить в IoT-сервис в облаке, а затем где-то сохранить.
+
+В этом уроке вы узнаете о различных способах хранения данных IoT и научитесь сохранять данные из вашего IoT-сервиса с помощью серверного кода.
+
+В этом уроке мы рассмотрим:
+
+* [Структурированные и неструктурированные данные](../../../../../3-transport/lessons/2-store-location-data)
+* [Отправка GPS-данных в IoT Hub](../../../../../3-transport/lessons/2-store-location-data)
+* [Горячие, теплые и холодные пути](../../../../../3-transport/lessons/2-store-location-data)
+* [Обработка GPS-событий с помощью серверного кода](../../../../../3-transport/lessons/2-store-location-data)
+* [Аккаунты хранения Azure](../../../../../3-transport/lessons/2-store-location-data)
+* [Подключение серверного кода к хранилищу](../../../../../3-transport/lessons/2-store-location-data)
+
+## Структурированные и неструктурированные данные
+
+Компьютерные системы работают с данными, которые могут быть самых разных форм и размеров. Они могут варьироваться от одиночных чисел до больших объемов текста, видео, изображений и данных IoT. Данные обычно делятся на две категории — *структурированные* данные и *неструктурированные* данные.
+
+* **Структурированные данные** — это данные с четко определенной, жесткой структурой, которая не меняется и обычно соответствует таблицам данных с отношениями. Примером могут быть данные о человеке, включая его имя, дату рождения и адрес.
+
+* **Неструктурированные данные** — это данные без четко определенной, жесткой структуры, включая данные, которые могут часто менять свою структуру. Примером могут быть документы, такие как текстовые файлы или электронные таблицы.
+
+✅ Проведите исследование: Можете ли вы придумать другие примеры структурированных и неструктурированных данных?
+
+> 💁 Существуют также полуструктурированные данные, которые имеют структуру, но не вписываются в фиксированные таблицы данных.
+
+Данные IoT обычно считаются неструктурированными.
+
+Представьте, что вы добавляете IoT-устройства в парк транспортных средств для крупной коммерческой фермы. Вы можете захотеть использовать разные устройства для разных типов транспортных средств. Например:
+
+* Для сельскохозяйственных машин, таких как тракторы, вам нужны GPS-данные, чтобы убедиться, что они работают на правильных полях.
+* Для грузовиков, перевозящих продукты на склады, вам нужны GPS-данные, а также данные о скорости и ускорении, чтобы убедиться, что водитель соблюдает правила безопасности, а также данные о личности водителя и времени начала/остановки для соблюдения местных законов о рабочих часах.
+* Для рефрижераторных грузовиков вам также нужны данные о температуре, чтобы убедиться, что продукты не становятся слишком горячими или холодными и не портятся в пути.
+
+Эти данные могут постоянно меняться. Например, если IoT-устройство находится в кабине грузовика, то данные, которые оно отправляет, могут изменяться в зависимости от прицепа, например, отправляя данные о температуре только при использовании рефрижераторного прицепа.
+
+✅ Какие еще данные IoT могут быть собраны? Подумайте о типах грузов, которые могут перевозить грузовики, а также о данных о техническом обслуживании.
+
+Эти данные варьируются от транспортного средства к транспортному средству, но все они отправляются в один и тот же IoT-сервис для обработки. IoT-сервис должен быть способен обрабатывать эти неструктурированные данные, сохраняя их таким образом, чтобы их можно было искать или анализировать, но при этом работать с различными структурами этих данных.
+
+### Хранилище SQL и NoSQL
+
+Базы данных — это сервисы, которые позволяют хранить и запрашивать данные. Базы данных бывают двух типов — SQL и NoSQL.
+
+#### SQL базы данных
+
+Первые базы данных были системами управления реляционными базами данных (RDBMS), или реляционными базами данных. Они также известны как SQL базы данных благодаря языку структурированных запросов (SQL), который используется для взаимодействия с ними для добавления, удаления, обновления или запроса данных. Эти базы данных состоят из схемы — четко определенного набора таблиц данных, похожих на электронные таблицы. Каждая таблица имеет несколько именованных столбцов. Когда вы вставляете данные, вы добавляете строку в таблицу, помещая значения в каждый из столбцов. Это сохраняет данные в очень жесткой структуре — хотя вы можете оставить столбцы пустыми, если вы хотите добавить новый столбец, вам нужно сделать это в базе данных, заполняя значения для существующих строк. Эти базы данных являются реляционными — одна таблица может иметь отношение к другой.
+
+![Реляционная база данных, где ID таблицы пользователей связан с колонкой user ID таблицы покупок, а ID таблицы продуктов связан с колонкой product ID таблицы покупок](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ru.png)
+
+Например, если вы сохраняете личные данные пользователя в таблице, у вас будет какой-то внутренний уникальный ID для каждого пользователя, который используется в строке таблицы, содержащей имя и адрес пользователя. Если вы затем захотите сохранить другие данные о пользователе, такие как его покупки, в другой таблице, у вас будет один столбец в новой таблице для ID этого пользователя. Когда вы ищете пользователя, вы можете использовать его ID, чтобы получить его личные данные из одной таблицы и его покупки из другой.
+
+SQL базы данных идеально подходят для хранения структурированных данных и для случаев, когда вы хотите убедиться, что данные соответствуют вашей схеме.
+
+✅ Если вы раньше не использовали SQL, уделите время изучению [страницы SQL на Википедии](https://wikipedia.org/wiki/SQL).
+
+Некоторые известные SQL базы данных — Microsoft SQL Server, MySQL и PostgreSQL.
+
+✅ Проведите исследование: Ознакомьтесь с некоторыми из этих SQL баз данных и их возможностями.
+
+#### NoSQL базы данных
+
+NoSQL базы данных называются так, потому что они не имеют такой жесткой структуры, как SQL базы данных. Их также называют документными базами данных, так как они могут хранить неструктурированные данные, такие как документы.
+
+> 💁 Несмотря на свое название, некоторые NoSQL базы данных позволяют использовать SQL для запроса данных.
+
+![Документы в папках в NoSQL базе данных](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ru.png)
+
+NoSQL базы данных не имеют заранее определенной схемы, которая ограничивает способ хранения данных, вместо этого вы можете вставлять любые неструктурированные данные, обычно используя JSON-документы. Эти документы могут быть организованы в папки, похожие на файлы на вашем компьютере. Каждый документ может иметь разные поля по сравнению с другими документами — например, если вы сохраняете данные IoT с ваших сельскохозяйственных машин, некоторые могут иметь поля для данных акселерометра и скорости, другие могут иметь поля для температуры в прицепе. Если вы добавите новый тип грузовика, например, с встроенными весами для отслеживания веса перевозимого продукта, то ваше IoT-устройство может добавить это новое поле, и оно может быть сохранено без каких-либо изменений в базе данных.
+
+Некоторые известные NoSQL базы данных — Azure CosmosDB, MongoDB и CouchDB.
+
+✅ Проведите исследование: Ознакомьтесь с некоторыми из этих NoSQL баз данных и их возможностями.
+
+В этом уроке вы будете использовать NoSQL хранилище для сохранения данных IoT.
+
+## Отправка GPS-данных в IoT Hub
+
+В прошлом уроке вы получили GPS-данные с GPS-датчика, подключенного к вашему IoT-устройству. Чтобы сохранить эти данные IoT в облаке, их нужно отправить в IoT-сервис. Снова вы будете использовать Azure IoT Hub, тот же облачный IoT-сервис, который вы использовали в предыдущем проекте.
+
+![Отправка GPS-телеметрии с IoT-устройства в IoT Hub](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ru.png)
+
+### Задача — отправка GPS-данных в IoT Hub
+
+1. Создайте новый IoT Hub, используя бесплатный тариф.
+
+    > ⚠️ Вы можете обратиться к [инструкции по созданию IoT Hub из проекта 2, урока 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud), если это необходимо.
+
+    Не забудьте создать новую группу ресурсов. Назовите новую группу ресурсов `gps-sensor`, а новый IoT Hub — уникальным именем на основе `gps-sensor`, например `gps-sensor-<ваше имя>`.
+
+    > 💁 Если у вас все еще есть ваш IoT Hub из предыдущего проекта, вы можете использовать его повторно. Не забудьте использовать имя этого IoT Hub и группу ресурсов, в которой он находится, при создании других сервисов.
+
+1. Добавьте новое устройство в IoT Hub. Назовите это устройство `gps-sensor`. Получите строку подключения для устройства.
+
+1. Обновите код вашего устройства, чтобы отправлять GPS-данные в новый IoT Hub, используя строку подключения устройства из предыдущего шага.
+
+    > ⚠️ Вы можете обратиться к [инструкции по подключению вашего устройства к IoT из проекта 2, урока 4](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service), если это необходимо.
+
+1. При отправке GPS-данных делайте это в формате JSON следующего вида:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. Отправляйте GPS-данные каждую минуту, чтобы не исчерпать дневной лимит сообщений.
+
+Если вы используете Wio Terminal, не забудьте добавить все необходимые библиотеки и установить время с помощью NTP-сервера. Ваш код также должен убедиться, что он прочитал все данные с последовательного порта перед отправкой местоположения GPS, используя существующий код из прошлого урока. Используйте следующий код для создания JSON-документа:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+Если вы используете виртуальное IoT-устройство, не забудьте установить все необходимые библиотеки, используя виртуальную среду.
+
+Для Raspberry Pi и виртуального IoT-устройства используйте существующий код из прошлого урока, чтобы получить значения широты и долготы, затем отправьте их в правильном формате JSON с помощью следующего кода:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 Вы можете найти этот код в папке [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal), [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) или [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device).
+
+Запустите код вашего устройства и убедитесь, что сообщения поступают в IoT Hub, используя команду CLI `az iot hub monitor-events`.
+
+## Горячие, теплые и холодные пути
+
+Данные, поступающие с IoT-устройства в облако, не всегда обрабатываются в реальном времени. Некоторые данные требуют обработки в реальном времени, другие могут быть обработаны через короткое время, а третьи — гораздо позже. Поток данных в разные сервисы, которые обрабатывают данные в разное время, называется горячими, теплыми и холодными путями.
+
+### Горячий путь
+
+Горячий путь относится к данным, которые необходимо обрабатывать в реальном времени или почти в реальном времени. Вы бы использовали данные горячего пути для оповещений, например, о том, что транспортное средство приближается к складу или что температура в рефрижераторном грузовике слишком высокая.
+
+Чтобы использовать данные горячего пути, ваш код должен реагировать на события сразу после их получения облачными сервисами.
+
+### Теплый путь
+
+Теплый путь относится к данным, которые могут быть обработаны через короткое время после получения, например, для отчетов или краткосрочной аналитики. Вы бы использовали данные теплого пути для ежедневных отчетов о пробеге транспортных средств, используя данные, собранные накануне.
+
+Данные теплого пути сохраняются сразу после получения облачным сервисом в каком-либо хранилище, к которому можно быстро получить доступ.
+
+### Холодный путь
+
+Холодный путь относится к историческим данным, которые хранятся в долгосрочной перспективе и могут быть обработаны в любое время. Например, вы могли бы использовать холодный путь для получения годовых отчетов о пробеге транспортных средств или проведения аналитики маршрутов для поиска наиболее оптимального маршрута, чтобы снизить расходы на топливо.
+
+Данные холодного пути хранятся в хранилищах данных — базах данных, предназначенных для хранения больших объемов данных, которые никогда не изменяются и могут быть быстро и легко запрошены. Обычно в вашем облачном приложении есть регулярная задача, которая запускается в определенное время каждый день, неделю или месяц, чтобы переместить данные из хранилища теплого пути в хранилище данных.
+
+✅ Подумайте о данных, которые вы собрали на данный момент в этих уроках. Это данные горячего, теплого или холодного пути?
+
+## Обработка GPS-событий с помощью серверного кода
+
+После того как данные поступают в ваш IoT Hub, вы можете написать серверный код для прослушивания событий, публикуемых на совместимом с Event-Hub конечном пункте. Это теплый путь — эти данные будут сохранены и использованы в следующем уроке для отчетов о маршруте.
+
+![Отправка GPS-телеметрии с IoT-устройства в IoT Hub, затем в Azure Functions через триггер Event Hub](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ru.png)
+
+### Задача — обработка GPS-событий с помощью серверного кода
+
+1. Создайте приложение Azure Functions, используя CLI Azure Functions. Используйте среду выполнения Python и создайте его в папке `gps-trigger`, используя то же имя для проекта приложения Functions. Убедитесь, что вы создаете виртуальную среду для этого.
+> ⚠️ Вы можете обратиться к [инструкциям по созданию проекта Azure Functions из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application), если это необходимо.
+1. Добавьте триггер события IoT Hub, который использует совместимый с Event Hub конечный пункт IoT Hub.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию триггера события IoT Hub из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger), если это необходимо.
+
+1. Установите строку подключения совместимого с Event Hub конечного пункта в файле `local.settings.json` и используйте ключ для этой записи в файле `function.json`.
+
+1. Используйте приложение Azurite в качестве локального эмулятора хранилища.
+
+1. Запустите приложение функций, чтобы убедиться, что оно получает события от вашего GPS-устройства. Убедитесь, что ваше IoT-устройство также работает и отправляет GPS-данные.
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Учетные записи хранилища Azure
+
+![Логотип Azure Storage](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ru.png)
+
+Учетные записи хранилища Azure — это универсальный сервис хранения данных, который может хранить данные различными способами. Вы можете хранить данные в виде блобов, в очередях, в таблицах или в виде файлов, и все это одновременно.
+
+### Хранилище блобов
+
+Слово *Blob* означает "большие двоичные объекты", но стало общим термином для любых неструктурированных данных. Вы можете хранить любые данные в хранилище блобов, от JSON-документов с данными IoT до изображений и видеофайлов. Хранилище блобов имеет концепцию *контейнеров* — именованных "ведер", в которых можно хранить данные, аналогично таблицам в реляционной базе данных. Эти контейнеры могут содержать одну или несколько папок для хранения блобов, а каждая папка может содержать другие папки, как файлы на жестком диске вашего компьютера.
+
+В этом уроке вы будете использовать хранилище блобов для хранения данных IoT.
+
+✅ Изучите: Прочитайте о [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn)
+
+### Хранилище таблиц
+
+Хранилище таблиц позволяет хранить полуструктурированные данные. Хранилище таблиц фактически является NoSQL-базой данных, поэтому не требует заранее определенного набора таблиц, но предназначено для хранения данных в одной или нескольких таблицах с уникальными ключами для определения каждой строки.
+
+✅ Изучите: Прочитайте о [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn)
+
+### Хранилище очередей
+
+Хранилище очередей позволяет хранить сообщения размером до 64 КБ в очереди. Вы можете добавлять сообщения в конец очереди и считывать их с начала. Очереди хранят сообщения на неопределенный срок, пока есть место для хранения, что позволяет хранить сообщения в долгосрочной перспективе, а затем считывать их по мере необходимости. Например, если вы хотите запускать ежемесячную задачу для обработки данных GPS, вы можете добавлять их в очередь каждый день в течение месяца, а затем в конце месяца обработать все сообщения из очереди.
+
+✅ Изучите: Прочитайте о [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn)
+
+### Хранилище файлов
+
+Хранилище файлов — это облачное хранилище файлов, к которому могут подключаться любые приложения или устройства, используя стандартные протоколы. Вы можете записывать файлы в хранилище файлов, а затем монтировать его как диск на вашем ПК или Mac.
+
+✅ Изучите: Прочитайте о [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn)
+
+## Подключение серверного кода к хранилищу
+
+Теперь вашему приложению функций нужно подключиться к хранилищу блобов, чтобы сохранять сообщения из IoT Hub. Есть два способа сделать это:
+
+* Внутри кода функции подключиться к хранилищу блобов, используя Python SDK для блобов, и записать данные как блобы.
+* Использовать привязку выходной функции, чтобы привязать возвращаемое значение функции к хранилищу блобов, и сохранить блоб автоматически.
+
+В этом уроке вы будете использовать Python SDK, чтобы узнать, как взаимодействовать с хранилищем блобов.
+
+![Отправка телеметрии GPS с IoT-устройства в IoT Hub, затем в Azure Functions через триггер Event Hub, затем сохранение в хранилище блобов](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ru.png)
+
+Данные будут сохранены как JSON-блоб в следующем формате:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### Задача — подключить серверный код к хранилищу
+
+1. Создайте учетную запись хранилища Azure. Назовите ее, например, `gps<ваше имя>`.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию учетной записи хранилища из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources), если это необходимо.
+
+    Если у вас уже есть учетная запись хранилища из предыдущего проекта, вы можете использовать ее повторно.
+
+    > 💁 Вы сможете использовать ту же учетную запись хранилища для развертывания вашего приложения Azure Functions позже в этом уроке.
+
+1. Выполните следующую команду, чтобы получить строку подключения для учетной записи хранилища:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    Замените `<storage_name>` на имя учетной записи хранилища, созданной на предыдущем шаге.
+
+1. Добавьте новую запись в файл `local.settings.json` для строки подключения вашей учетной записи хранилища, используя значение из предыдущего шага. Назовите ее `STORAGE_CONNECTION_STRING`.
+
+1. Добавьте следующее в файл `requirements.txt`, чтобы установить пакеты Pip для хранилища Azure:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    Установите пакеты из этого файла в вашей виртуальной среде.
+
+    > Если вы получите ошибку, обновите версию Pip в вашей виртуальной среде до последней версии с помощью следующей команды, а затем попробуйте снова:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. В файле `__init__.py` для `iot-hub-trigger` добавьте следующие инструкции импорта:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    Модуль `json` будет использоваться для чтения и записи JSON, модуль `os` — для чтения строки подключения, модуль `uuid` — для генерации уникального идентификатора для GPS-данных.
+
+    Пакет `azure.storage.blob` содержит Python SDK для работы с хранилищем блобов.
+
+1. Перед методом `main` добавьте следующую вспомогательную функцию:
+
+    ```python
+    def get_or_create_container(name):
+        connection_str = os.environ['STORAGE_CONNECTION_STRING']
+        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
+    
+        for container in blob_service_client.list_containers():
+            if container.name == name:
+                return blob_service_client.get_container_client(container.name)
+        
+        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
+    ```
+
+    Python SDK для блобов не имеет вспомогательного метода для создания контейнера, если он не существует. Этот код загрузит строку подключения из файла `local.settings.json` (или из Application Settings после развертывания в облаке), затем создаст класс `BlobServiceClient` для взаимодействия с учетной записью хранилища блобов. Затем он перебирает все контейнеры учетной записи хранилища блобов, ищет контейнер с указанным именем — если находит, возвращает класс `ContainerClient`, который может взаимодействовать с контейнером для создания блобов. Если не находит, контейнер создается, и возвращается клиент для нового контейнера.
+
+    При создании нового контейнера предоставляется публичный доступ для запроса блобов в контейнере. Это будет использоваться в следующем уроке для визуализации данных GPS на карте.
+
+1. В отличие от данных о влажности почвы, в этом коде мы хотим сохранять каждое событие, поэтому добавьте следующий код внутри цикла `for event in events:` в функции `main`, ниже оператора `logging`:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    Этот код получает идентификатор устройства из метаданных события, а затем использует его для создания имени блоба. Блобы могут храниться в папках, и идентификатор устройства будет использоваться как имя папки, чтобы все события GPS для каждого устройства хранились в одной папке. Имя блоба — это эта папка, за которой следует имя документа, разделенные прямыми слэшами, аналогично путям в Linux и macOS (похоже на Windows, но Windows использует обратные слэши). Имя документа — это уникальный идентификатор, сгенерированный с помощью модуля Python `uuid`, с типом файла `json`.
+
+    Например, для идентификатора устройства `gps-sensor` имя блоба может быть `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`.
+
+1. Добавьте следующий код ниже этого:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    Этот код получает клиент контейнера с помощью вспомогательной функции `get_or_create_container`, а затем получает объект клиента блоба, используя имя блоба. Эти клиенты блобов могут ссылаться на существующие блобы или, как в данном случае, на новые блобы.
+
+1. Добавьте следующий код после этого:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    blob_body = {
+        'device_id' : device_id,
+        'timestamp' : event.iothub_metadata['enqueuedtime'],
+        'gps': event_body['gps']
+    }
+    ```
+
+    Этот код создает тело блоба, которое будет записано в хранилище блобов. Это JSON-документ, содержащий идентификатор устройства, время, когда телеметрия была отправлена в IoT Hub, и GPS-координаты из телеметрии.
+
+    > 💁 Важно использовать время постановки сообщения в очередь, а не текущее время, чтобы получить время, когда сообщение было отправлено. Оно может находиться в хабе некоторое время, прежде чем будет обработано, если приложение функций не запущено.
+
+1. Добавьте следующий код ниже этого:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    Этот код записывает в журнал, что блоб будет записан с его деталями, а затем загружает тело блоба как содержимое нового блоба.
+
+1. Запустите приложение функций. Вы увидите, как блобы записываются для всех событий GPS в выводе:
+
+    ```output
+    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
+    ...
+    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
+    ```
+
+    > 💁 Убедитесь, что вы не запускаете монитор событий IoT Hub одновременно.
+
+> 💁 Вы можете найти этот код в папке [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions).
+
+### Задача — проверить загруженные блобы
+
+1. Чтобы просмотреть созданные блобы, вы можете использовать либо [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn), бесплатный инструмент для просмотра и управления учетными записями хранилища, либо CLI.
+
+    1. Чтобы использовать CLI, сначала вам понадобится ключ учетной записи. Выполните следующую команду, чтобы получить этот ключ:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        Замените `<storage_name>` на имя учетной записи хранилища.
+
+        Скопируйте значение `key1`.
+
+    1. Выполните следующую команду, чтобы перечислить блобы в контейнере:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        Замените `<storage_name>` на имя учетной записи хранилища, а `<key1>` на значение `key1`, которое вы скопировали на предыдущем шаге.
+
+        Это выведет список всех блобов в контейнере:
+
+        ```output
+        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
+        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
+        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
+        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        ```
+
+    1. Загрузите один из блобов, используя следующую команду:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        Замените `<storage_name>` на имя учетной записи хранилища, а `<key1>` на значение `key1`, которое вы скопировали ранее.
+
+        Замените `<blob_name>` на полное имя из столбца `Name` в выводе предыдущего шага, включая имя папки. Замените `<file_name>` на имя локального файла для сохранения блоба.
+
+    После загрузки вы можете открыть JSON-файл в VS Code, и вы увидите блоб, содержащий детали GPS-координат:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### Задача — развернуть приложение функций в облаке
+
+Теперь, когда ваше приложение функций работает, вы можете развернуть его в облаке.
+
+1. Создайте новое приложение Azure Functions, используя учетную запись хранилища, созданную ранее. Назовите его, например, `gps-sensor-` и добавьте уникальный идентификатор в конце, например, случайные слова или ваше имя.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию приложения Functions из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources), если это необходимо.
+
+1. Загрузите значения `IOT_HUB_CONNECTION_STRING` и `STORAGE_CONNECTION_STRING` в Application Settings.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по загрузке Application Settings из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings), если это необходимо.
+
+1. Разверните ваше локальное приложение Functions в облаке.
+> ⚠️ Вы можете обратиться к [инструкциям по развертыванию вашего приложения Functions из проекта 2, урока 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud), если это необходимо.
+---
+
+## 🚀 Задача
+
+Данные GPS не всегда точны, и определяемые местоположения могут быть смещены на несколько метров, а иногда и больше, особенно в туннелях и районах с высокими зданиями.
+
+Подумайте, как спутниковая навигация может справляться с этим? Какие данные есть у вашей навигационной системы, которые могут помочь ей лучше предсказывать ваше местоположение?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## Обзор и самостоятельное изучение
+
+* Прочитайте о структурированных данных на [странице о модели данных в Википедии](https://wikipedia.org/wiki/Data_model)
+* Прочитайте о полуструктурированных данных на [странице о полуструктурированных данных в Википедии](https://wikipedia.org/wiki/Semi-structured_data)
+* Прочитайте о неструктурированных данных на [странице о неструктурированных данных в Википедии](https://wikipedia.org/wiki/Unstructured_data)
+* Узнайте больше о хранилище Azure и различных типах хранилищ в [документации Azure Storage](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn)
+
+## Задание
+
+[Изучите привязки функций](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/2-store-location-data/assignment.md b/translations/ru/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..844be6a4
--- /dev/null
+++ b/translations/ru/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-27T01:03:02+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Исследование привязок функций
+
+## Инструкции
+
+Привязки функций позволяют вашему коду сохранять блобы в хранилище блобов, возвращая их из функции `main`. Учетная запись Azure Storage, коллекция и другие детали настраиваются в файле `function.json`.
+
+При работе с Azure или другими технологиями Microsoft лучшим источником информации является [документация Microsoft на сайте docs.com](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn). В этом задании вам нужно будет изучить документацию по привязкам Azure Functions, чтобы понять, как настроить выходную привязку.
+
+Некоторые страницы, которые стоит изучить для начала:
+
+* [Концепции триггеров и привязок Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Обзор привязок хранилища блобов для Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Выходная привязка хранилища блобов для Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Настройка выходной привязки хранилища блобов | Удалось настроить выходную привязку, вернуть блоб и успешно сохранить его в хранилище блобов | Удалось настроить выходную привязку или вернуть блоб, но не удалось успешно сохранить его в хранилище блобов | Не удалось настроить выходную привязку |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/3-visualize-location-data/README.md b/translations/ru/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..838c8fed
--- /dev/null
+++ b/translations/ru/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,358 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-27T00:52:18+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "ru"
+}
+-->
+# Визуализация данных о местоположении
+
+![Обзор урока в виде скетчнота](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ru.jpg)
+
+> Скетчнот от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор Azure Maps с IoT — сервиса, который будет рассмотрен в этом уроке.
+
+[![Azure Maps - Платформа геолокации для корпоративных решений Microsoft Azure](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Тест перед лекцией
+
+[Тест перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## Введение
+
+В прошлом уроке вы узнали, как получать GPS-данные с ваших датчиков и сохранять их в облаке в контейнере хранилища с помощью серверного кода. Теперь вы узнаете, как визуализировать эти точки на карте Azure. Вы научитесь создавать карту на веб-странице, узнаете о формате данных GeoJSON и о том, как использовать его для отображения всех собранных GPS-точек на вашей карте.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое визуализация данных](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Сервисы карт](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Создание ресурса Azure Maps](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Отображение карты на веб-странице](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Формат GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Отображение GPS-данных на карте с использованием GeoJSON](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 В этом уроке будет немного HTML и JavaScript. Если вы хотите узнать больше о веб-разработке с использованием HTML и JavaScript, ознакомьтесь с [Веб-разработкой для начинающих](https://github.com/microsoft/Web-Dev-For-Beginners).
+
+## Что такое визуализация данных
+
+Визуализация данных, как следует из названия, — это представление данных в визуальной форме, чтобы сделать их более понятными для человека. Обычно это ассоциируется с диаграммами и графиками, но на самом деле это любой способ графического представления данных, который помогает людям лучше их понять и принимать решения.
+
+Простой пример — в проекте фермы вы собирали данные о влажности почвы. Таблица данных о влажности почвы, собранных каждый час 1 июня 2021 года, может выглядеть следующим образом:
+
+| Дата             | Показание |
+| ---------------- | --------: |
+| 01/06/2021 00:00 |      257 |
+| 01/06/2021 01:00 |      268 |
+| 01/06/2021 02:00 |      295 |
+| 01/06/2021 03:00 |      305 |
+| 01/06/2021 04:00 |      325 |
+| 01/06/2021 05:00 |      359 |
+| 01/06/2021 06:00 |      398 |
+| 01/06/2021 07:00 |      410 |
+| 01/06/2021 08:00 |      429 |
+| 01/06/2021 09:00 |      451 |
+| 01/06/2021 10:00 |      460 |
+| 01/06/2021 11:00 |      452 |
+| 01/06/2021 12:00 |      420 |
+| 01/06/2021 13:00 |      408 |
+| 01/06/2021 14:00 |      431 |
+| 01/06/2021 15:00 |      462 |
+| 01/06/2021 16:00 |      432 |
+| 01/06/2021 17:00 |      402 |
+| 01/06/2021 18:00 |      387 |
+| 01/06/2021 19:00 |      360 |
+| 01/06/2021 20:00 |      358 |
+| 01/06/2021 21:00 |      354 |
+| 01/06/2021 22:00 |      356 |
+| 01/06/2021 23:00 |      362 |
+
+Для человека понять эти данные может быть сложно. Это просто набор чисел без какого-либо контекста. Чтобы визуализировать эти данные, их можно отобразить на линейном графике:
+
+![Линейный график вышеуказанных данных](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ru.png)
+
+График можно улучшить, добавив линию, которая показывает момент включения автоматической системы полива при уровне влажности почвы 450:
+
+![Линейный график влажности почвы с линией на уровне 450](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ru.png)
+
+Этот график быстро показывает не только уровни влажности почвы, но и моменты включения системы полива.
+
+Диаграммы — не единственный инструмент для визуализации данных. IoT-устройства, отслеживающие погоду, могут иметь веб-приложения или мобильные приложения, которые визуализируют погодные условия с помощью символов, таких как облако для облачных дней, дождевое облако для дождливых дней и так далее. Существует огромное количество способов визуализации данных, от серьезных до забавных.
+
+✅ Подумайте о способах, которыми вы видели визуализацию данных. Какие из них были наиболее понятными и позволяли принимать решения быстрее всего?
+
+Лучшие визуализации позволяют людям принимать решения быстро. Например, стена с множеством датчиков, показывающих различные показания промышленного оборудования, может быть сложной для восприятия, но мигающий красный свет при возникновении проблемы позволяет человеку быстро принять решение. Иногда лучшая визуализация — это мигающий свет!
+
+При работе с GPS-данными наиболее понятной визуализацией может быть отображение данных на карте. Карта, показывающая, например, грузовики доставки, может помочь сотрудникам на заводе увидеть, когда прибудут грузовики. Если эта карта показывает не только текущие местоположения грузовиков, но и их содержимое, сотрудники завода могут планировать свои действия — если они видят приближающийся рефрижераторный грузовик, они знают, что нужно подготовить место в холодильнике.
+
+## Сервисы карт
+
+Работа с картами — это интересная задача, и существует множество сервисов, таких как Bing Maps, Leaflet, Open Street Maps и Google Maps. В этом уроке вы узнаете о [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) и о том, как они могут отображать ваши GPS-данные.
+
+![Логотип Azure Maps](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ru.png)
+
+Azure Maps — это "набор геопространственных сервисов и SDK, использующих актуальные картографические данные для предоставления географического контекста веб- и мобильным приложениям". Разработчикам предоставляются инструменты для создания красивых, интерактивных карт, которые могут рекомендовать маршруты, предоставлять информацию о дорожных происшествиях, навигацию внутри помещений, возможности поиска, данные о высоте, погодные сервисы и многое другое.
+
+✅ Попробуйте некоторые [примеры кода для работы с картами](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps)
+
+Вы можете отображать карты как пустое полотно, плитки, спутниковые изображения, спутниковые изображения с наложением дорог, различные типы карт в градациях серого, карты с теневым рельефом для отображения высоты, карты ночного вида и карты с высоким контрастом. Вы можете получать обновления в реальном времени на своих картах, интегрируя их с [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn). Вы можете управлять поведением и внешним видом своих карт, включая различные элементы управления, чтобы карта реагировала на события, такие как масштабирование, перетаскивание и нажатие. Чтобы настроить внешний вид карты, вы можете добавлять слои, включающие пузырьки, линии, полигоны, тепловые карты и многое другое. Какой стиль карты вы выберете, зависит от вашего выбора SDK.
+
+Вы можете получить доступ к API Azure Maps, используя [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest), [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn) или, если вы создаете мобильное приложение, [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android).
+
+В этом уроке вы будете использовать Web SDK для рисования карты и отображения пути GPS-данных вашего датчика.
+
+## Создание ресурса Azure Maps
+
+Ваш первый шаг — создать учетную запись Azure Maps.
+
+### Задача — создание ресурса Azure Maps
+
+1. Выполните следующую команду в терминале или командной строке, чтобы создать ресурс Azure Maps в вашей группе ресурсов `gps-sensor`:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    Это создаст ресурс Azure Maps с именем `gps-sensor`. Используемый уровень — `S1`, который является платным уровнем с широким набором функций, но с щедрым количеством бесплатных вызовов.
+
+    > 💁 Чтобы узнать стоимость использования Azure Maps, ознакомьтесь с [страницей цен Azure Maps](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+1. Вам понадобится API-ключ для ресурса карт. Используйте следующую команду, чтобы получить этот ключ:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    Скопируйте значение `PrimaryKey`.
+
+## Отображение карты на веб-странице
+
+Теперь вы можете перейти к следующему шагу — отображению карты на веб-странице. Мы будем использовать только один файл `html` для вашего небольшого веб-приложения; имейте в виду, что в производственной среде или в команде ваше веб-приложение, скорее всего, будет иметь больше компонентов.
+
+### Задача — отображение карты на веб-странице
+
+1. Создайте файл с именем index.html в папке на вашем локальном компьютере. Добавьте HTML-разметку для отображения карты:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    Карта будет загружаться в `div` с именем `myMap`. Несколько стилей позволяют ей занимать ширину и высоту страницы.
+
+    > 🎓 `div` — это раздел веб-страницы, который можно именовать и стилизовать.
+
+1. Под открывающим тегом `<head>` добавьте внешнюю таблицу стилей для управления отображением карты и внешний скрипт из Web SDK для управления ее поведением:
+
+    ```html
+    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
+    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
+    ```
+
+    Эта таблица стилей содержит настройки внешнего вида карты, а файл скрипта содержит код для загрузки карты. Добавление этого кода похоже на включение заголовочных файлов в C++ или импорт модулей в Python.
+
+1. Под этим скриптом добавьте блок скрипта для запуска карты.
+
+    ```javascript
+    <script type='text/javascript'>
+        function init() {
+            var map = new atlas.Map('myMap', {
+                center: [-122.26473, 47.73444],
+                zoom: 12,
+                authOptions: {
+                    authType: "subscriptionKey",
+                    subscriptionKey: "<subscription_key>",
+
+                }
+            });
+        }
+    </script>
+    ```
+
+    Замените `<subscription_key>` на API-ключ вашей учетной записи Azure Maps.
+
+    Если вы откроете свой файл `index.html` в веб-браузере, вы должны увидеть загруженную карту, сфокусированную на районе Сиэтла.
+
+    ![Карта, показывающая Сиэтл, город в штате Вашингтон, США](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ru.png)
+
+    ✅ Попробуйте изменить параметры масштабирования и центра, чтобы изменить отображение карты. Вы можете добавить разные координаты, соответствующие широте и долготе ваших данных, чтобы изменить центр карты.
+
+> 💁 Лучший способ работать с веб-приложениями локально — установить [http-server](https://www.npmjs.com/package/http-server). Вам понадобятся [node.js](https://nodejs.org/) и [npm](https://www.npmjs.com/) перед использованием этого инструмента. После установки этих инструментов вы можете перейти в папку с вашим файлом `index.html` и ввести `http-server`. Веб-приложение откроется на локальном веб-сервере [http://127.0.0.1:8080/](http://127.0.0.1:8080/).
+
+## Формат GeoJSON
+
+Теперь, когда ваше веб-приложение настроено и карта отображается, вам нужно извлечь GPS-данные из вашего хранилища и отобразить их в виде слоя маркеров поверх карты. Прежде чем мы это сделаем, давайте рассмотрим формат [GeoJSON](https://wikipedia.org/wiki/GeoJSON), который требуется для Azure Maps.
+
+[GeoJSON](https://geojson.org/) — это открытый стандарт JSON со специальным форматированием, предназначенным для работы с географическими данными. Вы можете изучить его, тестируя пример данных с помощью [geojson.io](https://geojson.io), который также является полезным инструментом для отладки файлов GeoJSON.
+
+Пример данных GeoJSON выглядит следующим образом:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+Особое внимание следует обратить на способ вложения данных в объект `Feature` внутри `FeatureCollection`. Внутри этого объекта находится `geometry` с `coordinates`, указывающими широту и долготу.
+
+✅ При создании вашего GeoJSON обратите внимание на порядок `latitude` и `longitude` в объекте, иначе ваши точки не появятся там, где должны! GeoJSON ожидает данные в порядке `lon,lat` для точек, а не `lat,lon`.
+
+`Geometry` может иметь разные типы, такие как одна точка или полигон. В этом примере это точка с двумя указанными координатами — долгота и широта.
+✅ Azure Maps поддерживает стандартный GeoJSON, а также некоторые [расширенные функции](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn), включая возможность рисовать круги и другие геометрические фигуры.
+
+## Отображение GPS-данных на карте с использованием GeoJSON
+
+Теперь вы готовы использовать данные из хранилища, которое вы создали в предыдущем уроке. Напомним, что данные хранятся в виде нескольких файлов в хранилище блобов, поэтому вам нужно будет извлечь файлы и обработать их, чтобы Azure Maps мог использовать эти данные.
+
+### Задача - настройка доступа к хранилищу с веб-страницы
+
+Если вы попытаетесь обратиться к вашему хранилищу для получения данных, вы можете быть удивлены, увидев ошибки в консоли вашего браузера. Это происходит из-за того, что вам нужно настроить разрешения для [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) в этом хранилище, чтобы внешние веб-приложения могли читать его данные.
+
+> 🎓 CORS расшифровывается как "Cross-Origin Resource Sharing" (совместное использование ресурсов между источниками) и обычно должен быть явно настроен в Azure по соображениям безопасности. Это предотвращает доступ к вашим данным с сайтов, которые вы не ожидаете.
+
+1. Выполните следующую команду, чтобы включить CORS:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    Замените `<storage_name>` на имя вашего аккаунта хранилища. Замените `<key1>` на ключ аккаунта для вашего хранилища.
+
+    Эта команда позволяет любому веб-сайту (символ `*` означает любой) выполнять запросы типа *GET*, то есть получать данные из вашего аккаунта хранилища. Параметр `--services b` означает, что это настройка применяется только для блобов.
+
+### Задача - загрузка GPS-данных из хранилища
+
+1. Замените все содержимое функции `init` следующим кодом:
+
+    ```javascript
+    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
+        .then(response => response.text())
+        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
+        .then(xml => {
+            let blobList = Array.from(xml.querySelectorAll("Url"));
+                blobList.forEach(async blobUrl => {
+                    loadJSON(blobUrl.innerHTML)                
+        });
+    })
+    .then( response => {
+        map = new atlas.Map('myMap', {
+            center: [-122.26473, 47.73444],
+            zoom: 14,
+            authOptions: {
+                authType: "subscriptionKey",
+                subscriptionKey: "<subscription_key>",
+    
+            }
+        });
+        map.events.add('ready', function () {
+            var source = new atlas.source.DataSource();
+            map.sources.add(source);
+            map.layers.add(new atlas.layer.BubbleLayer(source));
+            source.add(features);
+        })
+    })
+    ```
+
+    Замените `<storage_name>` на имя вашего аккаунта хранилища. Замените `<subscription_key>` на ключ API для вашего аккаунта Azure Maps.
+
+    Здесь происходит несколько вещей. Во-первых, код извлекает ваши GPS-данные из контейнера блобов, используя URL-адрес, который формируется с использованием имени вашего аккаунта хранилища. Этот URL-адрес извлекает данные из `gps-data`, указывая, что тип ресурса - контейнер (`restype=container`), и возвращает информацию обо всех блобах. Этот список не возвращает сами блобы, но предоставляет URL-адрес для каждого блоба, который можно использовать для загрузки данных блоба.
+
+    > 💁 Вы можете вставить этот URL-адрес в ваш браузер, чтобы увидеть детали всех блобов в вашем контейнере. У каждого элемента будет свойство `Url`, которое вы также можете открыть в браузере, чтобы увидеть содержимое блоба.
+
+    Затем этот код загружает каждый блоб, вызывая функцию `loadJSON`, которую мы создадим далее. После этого создается элемент управления картой и добавляется код для события `ready`. Это событие вызывается, когда карта отображается на веб-странице.
+
+    Событие `ready` создает источник данных Azure Maps - контейнер, содержащий данные GeoJSON, которые будут заполнены позже. Этот источник данных затем используется для создания слоя пузырьков - набора кругов на карте, центрированных над каждой точкой в GeoJSON.
+
+1. Добавьте функцию `loadJSON` в ваш блок скрипта ниже функции `init`:
+
+    ```javascript
+    var map, features;
+
+    function loadJSON(file) {
+        var xhr = new XMLHttpRequest();
+        features = [];
+        xhr.onreadystatechange = function () {
+            if (xhr.readyState === XMLHttpRequest.DONE) {
+                if (xhr.status === 200) {
+                    gps = JSON.parse(xhr.responseText)
+                    features.push(
+                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
+                    )
+                }
+            }
+        };
+        xhr.open("GET", file, true);
+        xhr.send();
+    }    
+    ```
+
+    Эта функция вызывается процедурой извлечения данных для обработки JSON и преобразования его в формат, который можно считать координатами долготы и широты в формате GeoJSON. После обработки данные устанавливаются как часть объекта GeoJSON `Feature`. Карта будет инициализирована, и маленькие круги появятся вдоль пути, который отображают ваши данные:
+
+1. Загрузите HTML-страницу в вашем браузере. Она загрузит карту, затем загрузит все GPS-данные из хранилища и отобразит их на карте.
+
+    ![Карта парка Saint Edward State Park рядом с Сиэтлом, с кругами, показывающими путь вдоль края парка](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code](../../../../../3-transport/lessons/3-visualize-location-data/code).
+
+---
+
+## 🚀 Задание
+
+Отображать статические данные на карте в виде маркеров - это здорово. Сможете ли вы улучшить это веб-приложение, добавив анимацию, чтобы показать путь маркеров с течением времени, используя файлы JSON с временными метками? Вот [несколько примеров](https://azuremapscodesamples.azurewebsites.net/) использования анимации на картах.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## Обзор и самостоятельное изучение
+
+Azure Maps особенно полезен для работы с IoT-устройствами.
+
+* Изучите некоторые варианты использования в [документации Azure Maps на сайте Microsoft](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn).
+* Углубите свои знания о создании карт и путевых точек с помощью [самостоятельного учебного модуля "Создайте свое первое приложение для поиска маршрутов с Azure Maps" на Microsoft Learn](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn).
+
+## Задание
+
+[Разверните ваше приложение](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/ru/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..23b580b6
--- /dev/null
+++ b/translations/ru/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-27T00:56:28+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Разверните ваше приложение
+
+## Инструкции
+
+Существует несколько способов развернуть ваше приложение, чтобы поделиться им с миром, включая использование GitHub Pages или одного из множества сервисных провайдеров. Отличным способом сделать это является использование Azure Static Web Apps. В этом задании создайте ваше веб-приложение и разверните его в облаке, следуя [этим инструкциям](https://github.com/Azure/static-web-apps-cli) или посмотрев [эти видео](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3).  
+Одним из преимуществ использования Azure Static Web Apps является возможность скрыть любые API-ключи в портале, поэтому воспользуйтесь этой возможностью, чтобы преобразовать ваш subscriptionKey в переменную и сохранить его в облаке.
+
+## Критерии оценки
+
+| Критерий | Превосходно                                                                                                                             | Удовлетворительно                                                                                                  | Требует улучшений                                  |
+| -------- | ---------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------- |
+|          | Рабочее веб-приложение представлено в документированном репозитории GitHub, где subscriptionKey хранится в облаке и вызывается через переменную | Рабочее веб-приложение представлено в документированном репозитории GitHub, но subscriptionKey не хранится в облаке | Веб-приложение содержит ошибки или работает некорректно |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/4-geofences/README.md b/translations/ru/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..6ab32142
--- /dev/null
+++ b/translations/ru/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-27T00:35:09+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "ru"
+}
+-->
+# Геозоны
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор геозон и их использования в Azure Maps, темы, которые будут рассмотрены в этом уроке:
+
+[![Геозоны с Azure Maps из шоу Microsoft Developer IoT](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## Введение
+
+В последних трех уроках вы использовали IoT для отслеживания грузовиков, перевозящих вашу продукцию с фермы на перерабатывающий центр. Вы собирали данные GPS, отправляли их в облако для хранения и визуализировали их на карте. Следующий шаг в повышении эффективности вашей цепочки поставок — это получение уведомления, когда грузовик приближается к перерабатывающему центру, чтобы команда, необходимая для разгрузки, могла быть готова с погрузчиками и другим оборудованием сразу по прибытии транспортного средства. Это позволит быстро разгрузить грузовик, и вы не будете платить за простой грузовика и водителя.
+
+В этом уроке вы узнаете о геозонах — определенных геопространственных областях, таких как зона в радиусе 2 км от перерабатывающего центра, и о том, как проверять, находятся ли GPS-координаты внутри или вне геозоны, чтобы определить, прибыл ли ваш GPS-датчик в зону или покинул ее.
+
+В этом уроке мы рассмотрим:
+
+* [Что такое геозоны](../../../../../3-transport/lessons/4-geofences)
+* [Определение геозоны](../../../../../3-transport/lessons/4-geofences)
+* [Проверка точек относительно геозоны](../../../../../3-transport/lessons/4-geofences)
+* [Использование геозон в серверлес-коде](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 Это последний урок в этом проекте, поэтому после завершения урока и задания не забудьте очистить свои облачные сервисы. Вам понадобятся эти сервисы для выполнения задания, поэтому сначала убедитесь, что вы его завершили.
+>
+> При необходимости обратитесь к [руководству по очистке проекта](../../../clean-up.md) для получения инструкций.
+
+## Что такое геозоны
+
+Геозона — это виртуальный периметр для реальной географической области. Геозоны могут быть кругами, определяемыми точкой и радиусом (например, круг радиусом 100 м вокруг здания), или многоугольниками, охватывающими такие области, как школьные зоны, границы города или кампусы университетов или офисов.
+
+![Примеры геозон: круговая геозона вокруг магазина Microsoft и многоугольная геозона вокруг западного кампуса Microsoft](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ru.png)
+
+> 💁 Возможно, вы уже использовали геозоны, даже не зная об этом. Если вы устанавливали напоминание в приложении iOS Reminders или Google Keep на основе местоположения, вы использовали геозону. Эти приложения создают геозону на основе указанного местоположения и уведомляют вас, когда ваш телефон входит в эту зону.
+
+Есть множество причин, по которым важно знать, находится ли транспортное средство внутри или вне геозоны:
+
+* Подготовка к разгрузке — уведомление о прибытии транспортного средства на объект позволяет команде подготовиться к разгрузке, сокращая время ожидания. Это может позволить водителю выполнять больше доставок за день с меньшим временем простоя.
+* Налоговое соответствие — в некоторых странах, таких как Новая Зеландия, дорожные налоги для дизельных транспортных средств рассчитываются на основе веса транспортного средства при движении только по общественным дорогам. Использование геозон позволяет отслеживать пробег на общественных дорогах в отличие от частных дорог, например, на фермах или в лесозаготовительных районах.
+* Мониторинг краж — если транспортное средство должно оставаться в определенной зоне, например, на ферме, и покидает геозону, это может означать, что его украли.
+* Соблюдение правил местоположения — некоторые части рабочего объекта, фермы или завода могут быть недоступны для определенных транспортных средств, например, для тех, которые перевозят искусственные удобрения и пестициды, чтобы избежать их попадания на поля с органической продукцией. Если транспортное средство входит в такую геозону, это нарушение, и водителя можно уведомить.
+
+✅ Можете ли вы придумать другие способы использования геозон?
+
+Azure Maps, сервис, который вы использовали в прошлом уроке для визуализации GPS-данных, позволяет определять геозоны и проверять, находится ли точка внутри или вне геозоны.
+
+## Определение геозоны
+
+Геозоны определяются с использованием GeoJSON, так же как и точки, добавленные на карту в предыдущем уроке. В данном случае вместо `FeatureCollection` с `Point` значениями используется `FeatureCollection`, содержащий `Polygon`.
+
+```json
+{
+   "type": "FeatureCollection",
+   "features": [
+     {
+       "type": "Feature",
+       "geometry": {
+         "type": "Polygon",
+         "coordinates": [
+           [
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ],
+             [
+               -122.13389128446579,
+               47.63782047131512
+             ],
+             [
+               -122.13240802288054,
+               47.63783312249837
+             ],
+             [
+               -122.13238388299942,
+               47.63829037035086
+             ],
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ]
+           ]
+         ]
+       },
+       "properties": {
+         "geometryId": "1"
+       }
+     }
+   ]
+}
+```
+
+Каждая точка многоугольника определяется как пара долгота, широта в массиве, и эти точки находятся в массиве, который задается как `coordinates`. В `Point` из прошлого урока `coordinates` был массивом из двух значений: широты и долготы. Для `Polygon` это массив массивов, содержащих два значения: долгота, широта.
+
+> 💁 Помните, GeoJSON использует `долгота, широта` для точек, а не `широта, долгота`.
+
+Массив координат многоугольника всегда имеет на одну запись больше, чем количество точек многоугольника, так как последняя запись совпадает с первой, замыкая многоугольник. Например, для прямоугольника будет 5 точек.
+
+![Прямоугольник с координатами](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ru.png)
+
+На изображении выше показан прямоугольник. Координаты многоугольника начинаются в верхнем левом углу на 47,-122, затем перемещаются вправо к 47,-121, затем вниз к 46,-121, затем влево к 46,-122, а затем возвращаются к начальной точке на 47,-122. Это дает многоугольнику 5 точек: верхний левый угол, верхний правый угол, нижний правый угол, нижний левый угол и снова верхний левый угол для замыкания.
+
+✅ Попробуйте создать GeoJSON многоугольник вокруг вашего дома или школы. Используйте инструмент, например, [GeoJSON.io](https://geojson.io/).
+
+### Задание — определение геозоны
+
+Чтобы использовать геозону в Azure Maps, сначала ее нужно загрузить в ваш аккаунт Azure Maps. После загрузки вы получите уникальный идентификатор, который можно использовать для проверки точки относительно геозоны. Для загрузки геозон в Azure Maps необходимо использовать веб-API карт. Вы можете вызывать веб-API Azure Maps с помощью инструмента [curl](https://curl.se).
+
+> 🎓 Curl — это инструмент командной строки для выполнения запросов к веб-эндпоинтам.
+
+1. Если вы используете Linux, macOS или последнюю версию Windows 10, curl, скорее всего, уже установлен. Выполните следующую команду в терминале или командной строке, чтобы проверить:
+
+    ```sh
+    curl --version
+    ```
+
+    Если вы не видите информацию о версии curl, вам нужно установить его с [страницы загрузки curl](https://curl.se/download.html).
+
+    > 💁 Если вы опытный пользователь Postman, вы можете использовать его вместо curl, если предпочитаете.
+
+1. Создайте GeoJSON файл, содержащий многоугольник. Вы будете тестировать его с помощью вашего GPS-датчика, поэтому создайте многоугольник вокруг вашего текущего местоположения. Вы можете создать его вручную, отредактировав приведенный выше пример GeoJSON, или использовать инструмент, например, [GeoJSON.io](https://geojson.io/).
+
+    GeoJSON должен содержать `FeatureCollection`, включающий `Feature` с `geometry` типа `Polygon`.
+
+    Вы **ОБЯЗАНЫ** также добавить элемент `properties` на том же уровне, что и элемент `geometry`, и он должен содержать `geometryId`:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    Если вы используете [GeoJSON.io](https://geojson.io/), вам нужно будет вручную добавить этот элемент в пустой `properties`, либо после загрузки JSON-файла, либо в редакторе JSON в приложении.
+
+    Этот `geometryId` должен быть уникальным в этом файле. Вы можете загружать несколько геозон как несколько `Features` в `FeatureCollection` в одном GeoJSON-файле, если у каждой из них разный `geometryId`. Многоугольники могут иметь одинаковый `geometryId`, если они загружаются из разных файлов в разное время.
+
+1. Сохраните этот файл как `geofence.json` и перейдите в папку, где он сохранен, в вашем терминале или консоли.
+
+1. Выполните следующую команду curl, чтобы создать геозону:
+
+    ```sh
+    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data @geofence.json
+    ```
+
+    Замените `<subscription_key>` в URL на API-ключ вашего аккаунта Azure Maps.
+
+    URL используется для загрузки данных карты через API `https://atlas.microsoft.com/mapData/upload`. Вызов включает параметр `api-version`, чтобы указать, какую версию API Azure Maps использовать. Это позволяет API изменяться со временем, сохраняя обратную совместимость. Формат загружаемых данных установлен как `geojson`.
+
+    Эта команда выполнит POST-запрос к API загрузки и вернет список заголовков ответа, включая заголовок `location`.
+
+    ```output
+    content-type: application/json
+    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
+    x-ms-azuremaps-region: West US 2
+    x-content-type-options: nosniff
+    strict-transport-security: max-age=31536000; includeSubDomains
+    x-cache: CONFIG_NOCACHE
+    date: Sat, 22 May 2021 21:34:57 GMT
+    content-length: 0
+    ```
+
+    > 🎓 При вызове веб-эндпоинта вы можете передавать параметры вызова, добавляя `?`, за которым следуют пары ключ-значение в формате `key=value`, разделенные символом `&`.
+
+1. Azure Maps не обрабатывает запрос мгновенно, поэтому вам нужно будет проверить, завершился ли процесс загрузки, используя URL, указанный в заголовке `location`. Выполните GET-запрос к этому URL, чтобы узнать статус. Вам нужно будет добавить ваш ключ подписки в конец URL `location`, добавив `&subscription-key=<subscription_key>`, заменив `<subscription_key>` на API-ключ вашего аккаунта Azure Maps. Выполните следующую команду:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    Замените `<location>` на значение заголовка `location`, а `<subscription_key>` на API-ключ вашего аккаунта Azure Maps.
+
+1. Проверьте значение `status` в ответе. Если оно не `Succeeded`, подождите минуту и попробуйте снова.
+
+1. Как только статус станет `Succeeded`, посмотрите на `resourceLocation` в ответе. Этот параметр содержит детали уникального идентификатора (UDID) для объекта GeoJSON. UDID — это значение после `metadata/`, не включая `api-version`. Например, если `resourceLocation` был:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    Тогда UDID будет `7c3776eb-da87-4c52-ae83-caadf980323a`.
+
+    Сохраните этот UDID, так как он понадобится вам для проверки геозоны.
+
+## Проверка точек относительно геозоны
+
+После загрузки многоугольника в Azure Maps вы можете проверить, находится ли точка внутри или вне геозоны. Для этого выполните запрос к веб-API, передав UDID геозоны, а также широту и долготу проверяемой точки.
+
+При выполнении этого запроса вы также можете передать значение, называемое `searchBuffer`. Оно указывает API карт, насколько точно возвращать результаты. Это важно, так как GPS не является абсолютно точным, и иногда местоположение может быть смещено на несколько метров или больше. По умолчанию `searchBuffer` равен 50 м, но вы можете установить значения от 0 м до 500 м.
+
+Когда результаты возвращаются из API, одна из частей результата — это `distance`, измеряемое до ближайшей точки на краю геозоны. Значение будет положительным, если точка находится вне геозоны, и отрицательным, если она внутри. Если это расстояние меньше `searchBuffer`, возвращается фактическое расстояние в метрах, иначе значение будет 999 или -999. 999 означает, что точка находится вне геозоны на расстоянии, превышающем `searchBuffer`, -999 означает, что точка находится внутри геозоны на расстоянии, превышающем `searchBuffer`.
+
+![Геозона с буфером поиска 50 м вокруг нее](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ru.png)
+
+На изображении выше геозона имеет буфер поиска 50 м.
+
+* Точка в центре геозоны, далеко внутри буфера поиска, имеет расстояние **-999**.
+* Точка далеко за пределами буфера поиска имеет расстояние **999**.
+* Точка внутри геозоны и внутри буфера поиска, на расстоянии 6 м от геозоны, имеет расстояние **6 м**.
+* Точка вне геозоны и внутри буфера поиска, на расстоянии 39 м от геозоны, имеет расстояние **39 м**.
+
+Важно знать расстояние до края геозоны и комбинировать эту информацию с другими данными, такими как другие GPS-замеры, скорость и данные о дорогах, при принятии решений на основе местоположения транспортного средства.
+
+Например, представьте, что GPS-замеры показывают, что транспортное средство движется по дороге, которая проходит рядом с геозоной. Если одно значение GPS окажется неточным и покажет, что транспортное средство находится внутри геозоны, хотя доступ для транспортных средств отсутствует, это значение можно проигнорировать.
+
+![Траектория GPS, показывающая, что транспортное средство проезжает мимо кампуса Microsoft по трассе 520, с GPS-замерами вдоль дороги, за исключением одного внутри геозоны на кампусе](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ru.png)
+На изображении показана геозона, охватывающая часть кампуса Microsoft. Красная линия обозначает движение грузовика по трассе 520, а круги показывают GPS-замеры. Большинство из них точны и находятся вдоль трассы 520, но один из замеров оказался внутри геозоны. Этот замер не может быть правильным — на территории кампуса нет дорог, по которым грузовик мог бы внезапно свернуть с трассы 520, а затем вернуться обратно. Код, проверяющий эту геозону, должен учитывать предыдущие замеры перед тем, как действовать на основе результатов теста геозоны.
+
+✅ Какие дополнительные данные вам понадобятся, чтобы проверить, можно ли считать GPS-замер корректным?
+
+### Задача — тестирование точек относительно геозоны
+
+1. Начните с создания URL для запроса к веб-API. Формат:
+
+    ```output
+    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
+    ```
+
+    Замените `<subscription_key>` на ключ API для вашей учетной записи Azure Maps.
+
+    Замените `<UDID>` на UDID геозоны из предыдущего задания.
+
+    Замените `<lat>` и `<lon>` на широту и долготу, которые вы хотите протестировать.
+
+    Этот URL использует API `https://atlas.microsoft.com/spatial/geofence/json` для запроса геозоны, определенной с помощью GeoJSON. Он нацелен на версию API `1.0`. Параметр `deviceId` обязателен и должен быть именем устройства, от которого поступают широта и долгота.
+
+    По умолчанию радиус поиска составляет 50 м, и вы можете изменить его, добавив дополнительный параметр `searchBuffer=<distance>`, где `<distance>` — радиус поиска в метрах, от 0 до 500.
+
+1. Используйте curl для выполнения GET-запроса к этому URL:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 Если вы получите код ответа `BadRequest` с ошибкой:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > это означает, что в вашем GeoJSON отсутствует раздел `properties` с `geometryId`. Вам нужно исправить GeoJSON, затем повторить шаги выше, чтобы повторно загрузить файл и получить новый UDID.
+
+1. Ответ будет содержать список `geometries`, по одному для каждого полигона, определенного в GeoJSON, использованном для создания геозоны. Каждый полигон имеет 3 интересующих поля: `distance`, `nearestLat` и `nearestLon`.
+
+    ```output
+    {
+        "geometries": [
+            {
+                "deviceId": "gps-sensor",
+                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
+                "geometryId": "1",
+                "distance": 999.0,
+                "nearestLat": 47.645875,
+                "nearestLon": -122.142713
+            }
+        ],
+        "expiredGeofenceGeometryId": [],
+        "invalidPeriodGeofenceGeometryId": []
+    }
+    ```
+
+    * `nearestLat` и `nearestLon` — это широта и долгота точки на границе геозоны, ближайшей к тестируемому местоположению.
+
+    * `distance` — расстояние от тестируемого местоположения до ближайшей точки на границе геозоны. Отрицательные числа означают, что точка находится внутри геозоны, положительные — снаружи. Это значение будет меньше 50 (по умолчанию радиус поиска) или равно 999.
+
+1. Повторите это несколько раз с местоположениями внутри и вне геозоны.
+
+## Использование геозон в серверless-коде
+
+Теперь вы можете добавить новый триггер в ваше приложение Functions для проверки данных GPS событий IoT Hub относительно геозоны.
+
+### Группы потребителей
+
+Как вы помните из предыдущих уроков, IoT Hub позволяет воспроизводить события, которые были получены хабом, но не обработаны. Но что произойдет, если подключится несколько триггеров? Как хаб узнает, какой из них обработал какие события?
+
+Ответ: никак! Вместо этого вы можете определить несколько отдельных подключений для чтения событий, и каждое из них может управлять воспроизведением непрочитанных сообщений. Эти подключения называются *группами потребителей*. При подключении к конечной точке вы можете указать, к какой группе потребителей вы хотите подключиться. Каждый компонент вашего приложения будет подключаться к отдельной группе потребителей.
+
+![Один IoT Hub с 3 группами потребителей, распределяющими одни и те же сообщения между 3 различными приложениями Functions](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ru.png)
+
+Теоретически до 5 приложений могут подключаться к каждой группе потребителей, и все они будут получать сообщения по мере их поступления. Наилучшей практикой является подключение только одного приложения к каждой группе потребителей, чтобы избежать дублирования обработки сообщений и обеспечить правильную обработку всех очередных сообщений при перезапуске. Например, если вы запустите ваше приложение Functions локально, а также в облаке, оба будут обрабатывать сообщения, что приведет к дублированию blob-объектов, сохраненных в учетной записи хранилища.
+
+Если вы откроете файл `function.json` для триггера IoT Hub, созданного в предыдущем уроке, вы увидите группу потребителей в разделе привязки триггера Event Hub:
+
+```json
+"consumerGroup": "$Default"
+```
+
+При создании IoT Hub по умолчанию создается группа потребителей `$Default`. Если вы хотите добавить дополнительный триггер, вы можете сделать это, используя новую группу потребителей.
+
+> 💁 В этом уроке вы будете использовать другую функцию для проверки геозоны, отличную от той, которая используется для хранения данных GPS. Это сделано для демонстрации использования групп потребителей и разделения кода, чтобы сделать его более читаемым и понятным. В производственном приложении существует множество способов архитектурного решения — объединение обеих функций в одну, использование триггера на учетной записи хранилища для запуска функции проверки геозоны или использование нескольких функций. Нет "правильного" способа, все зависит от остальной части вашего приложения и ваших потребностей.
+
+### Задача — создание новой группы потребителей
+
+1. Выполните следующую команду для создания новой группы потребителей с именем `geofence` для вашего IoT Hub:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub.
+
+1. Если вы хотите увидеть все группы потребителей для IoT Hub, выполните следующую команду:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя, которое вы использовали для вашего IoT Hub. Это отобразит список всех групп потребителей.
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 Когда вы запускали монитор событий IoT Hub в предыдущем уроке, он подключался к группе потребителей `$Default`. Именно поэтому вы не можете одновременно запускать монитор событий и триггер событий. Если вы хотите запустить оба, вы можете использовать другие группы потребителей для всех ваших приложений Functions, а `$Default` оставить для монитора событий.
+
+### Задача — создание нового триггера IoT Hub
+
+1. Добавьте новый триггер событий IoT Hub в ваше приложение `gps-trigger`, созданное в предыдущем уроке. Назовите эту функцию `geofence-trigger`.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию триггера событий IoT Hub из проекта 2, урока 5, если это необходимо](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger).
+
+1. Настройте строку подключения IoT Hub в файле `function.json`. Файл `local.settings.json` используется всеми триггерами в приложении Functions.
+
+1. Обновите значение `consumerGroup` в файле `function.json`, чтобы оно ссылалось на новую группу потребителей `geofence`:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. Вам понадобится ключ подписки для вашей учетной записи Azure Maps в этом триггере, поэтому добавьте новую запись в файл `local.settings.json` с именем `MAPS_KEY`.
+
+1. Запустите приложение Functions, чтобы убедиться, что оно подключается и обрабатывает сообщения. Триггер `iot-hub-trigger` из предыдущего урока также будет работать и загружать blob-объекты в хранилище.
+
+    > Чтобы избежать дублирования GPS-замеров в blob-хранилище, вы можете остановить приложение Functions, которое у вас работает в облаке. Для этого используйте следующую команду:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Замените `<functions_app_name>` на имя, которое вы использовали для вашего приложения Functions.
+    >
+    > Вы можете перезапустить его позже с помощью следующей команды:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > Замените `<functions_app_name>` на имя, которое вы использовали для вашего приложения Functions.
+
+### Задача — тестирование геозоны из триггера
+
+Ранее в этом уроке вы использовали curl для запроса геозоны, чтобы определить, находится ли точка внутри или снаружи. Вы можете выполнить аналогичный веб-запрос из вашего триггера.
+
+1. Чтобы запросить геозону, вам нужен ее UDID. Добавьте новую запись в файл `local.settings.json` с именем `GEOFENCE_UDID` и этим значением.
+
+1. Откройте файл `__init__.py` из нового триггера `geofence-trigger`.
+
+1. Добавьте следующий импорт в начало файла:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    Пакет `requests` позволяет выполнять вызовы веб-API. У Azure Maps нет Python SDK, поэтому для использования его из Python-кода необходимо выполнять вызовы веб-API.
+
+1. Добавьте следующие 2 строки в начало метода `main`, чтобы получить ключ подписки Maps:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. Внутри цикла `for event in events` добавьте следующий код для получения широты и долготы из каждого события:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    Этот код преобразует JSON из тела события в словарь, затем извлекает `lat` и `lon` из поля `gps`.
+
+1. При использовании `requests`, вместо создания длинного URL, как вы делали с curl, вы можете использовать только часть URL и передать параметры в виде словаря. Добавьте следующий код для определения URL и настройки параметров:
+
+    ```python
+    url = 'https://atlas.microsoft.com/spatial/geofence/json'
+
+    params = {
+        'api-version': 1.0,
+        'deviceId': 'gps-sensor',
+        'subscription-key': maps_key,
+        'udid' : geofence_udid,
+        'lat' : lat,
+        'lon' : lon
+    }
+    ```
+
+    Элементы в словаре `params` будут соответствовать ключевым значениям, которые вы использовали при вызове веб-API через curl.
+
+1. Добавьте следующие строки кода для вызова веб-API:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    Это вызывает URL с параметрами и возвращает объект ответа.
+
+1. Добавьте следующий код ниже этого:
+
+    ```python
+    distance = response_body['geometries'][0]['distance']
+
+    if distance == 999:
+        logging.info('Point is outside geofence')
+    elif distance > 0:
+        logging.info(f'Point is just outside geofence by a distance of {distance}m')
+    elif distance == -999:
+        logging.info(f'Point is inside geofence')
+    else:
+        logging.info(f'Point is just inside geofence by a distance of {distance}m')
+    ```
+
+    Этот код предполагает наличие одного полигона и извлекает расстояние от этого единственного полигона. Затем он записывает разные сообщения в журнал в зависимости от расстояния.
+
+1. Запустите этот код. Вы увидите в выводе журнала, находятся ли GPS-координаты внутри или вне геозоны, с указанием расстояния, если точка находится в пределах 50 м. Попробуйте этот код с различными геозонами, основываясь на местоположении вашего GPS-датчика, попробуйте переместить датчик (например, подключив его к Wi-Fi через мобильный телефон или с другими координатами на виртуальном IoT-устройстве), чтобы увидеть изменения.
+
+1. Когда будете готовы, разверните этот код в вашем приложении Functions в облаке. Не забудьте развернуть новые настройки приложения.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по загрузке настроек приложения из проекта 2, урока 5, если это необходимо](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings).
+
+    > ⚠️ Вы можете обратиться к [инструкциям по развертыванию вашего приложения Functions из проекта 2, урока 5, если это необходимо](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud).
+
+> 💁 Вы можете найти этот код в папке [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions).
+
+---
+
+## 🚀 Челлендж
+
+В этом уроке вы добавили одну геозону, используя GeoJSON-файл с одним полигоном. Вы можете загрузить несколько полигонов одновременно, если они имеют разные значения `geometryId` в разделе `properties`.
+
+Попробуйте загрузить GeoJSON-файл с несколькими полигонами и измените ваш код, чтобы определить, к какому полигону GPS-координаты ближе или в каком они находятся.
+
+## Пост-лекционный тест
+
+[Пост-лекционный тест](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## Обзор и самостоятельное изучение
+
+* Прочитайте больше о геозонах и их применении на [странице о геозонах в Википедии](https://en.wikipedia.org/wiki/Geo-fence).
+* Прочитайте больше о API геозон Azure Maps в [документации Microsoft Azure Maps Spatial - Get Geofence](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn).
+* Прочитайте больше о группах потребителей в [документации Microsoft о функциях и терминологии Azure Event Hubs - Event consumers](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers).
+
+## Задание
+
+[Отправка уведомлений с помощью Twilio](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/3-transport/lessons/4-geofences/assignment.md b/translations/ru/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..a9fcff96
--- /dev/null
+++ b/translations/ru/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-27T00:41:19+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Отправка уведомлений с помощью Twilio
+
+## Инструкции
+
+В вашем коде до сих пор вы только фиксировали расстояние до геозоны. В этом задании вам нужно добавить уведомление — либо текстовое сообщение, либо электронное письмо — когда GPS-координаты находятся внутри геозоны.
+
+Azure Functions предоставляет множество вариантов привязок, включая интеграцию с внешними сервисами, такими как Twilio, платформа для коммуникаций.
+
+* Зарегистрируйтесь для получения бесплатного аккаунта на [Twilio.com](https://www.twilio.com)
+* Ознакомьтесь с документацией по привязке Azure Functions к Twilio SMS на [странице Microsoft docs о привязке Twilio для Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Ознакомьтесь с документацией по привязке Azure Functions к Twilio SendGrid для отправки электронных писем на [странице Microsoft docs о привязке SendGrid для Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python).
+* Добавьте привязку к вашему приложению Functions, чтобы получать уведомления о GPS-координатах, находящихся либо внутри, либо вне геозоны — но не в обоих случаях.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшений |
+| -------- | ----------- | ----------------- | ----------------- |
+| Настройка привязок функций и получение email или SMS | Удалось настроить привязки функций и получить email или SMS, когда координаты находятся внутри или вне геозоны, но не в обоих случаях | Удалось настроить привязки, но не удалось отправить email или SMS, либо уведомления отправлялись как внутри, так и вне геозоны | Не удалось настроить привязки и отправить email или SMS |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/README.md b/translations/ru/4-manufacturing/README.md
new file mode 100644
index 00000000..cc7c47fc
--- /dev/null
+++ b/translations/ru/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T21:39:55+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "ru"
+}
+-->
+# Производство и переработка - использование IoT для улучшения обработки продуктов питания
+
+Когда продукты поступают на центральный склад или перерабатывающий завод, они не всегда сразу отправляются в супермаркеты. Часто продукты проходят несколько этапов обработки, таких как сортировка по качеству. Раньше этот процесс был ручным: он начинался в поле, где сборщики выбирали только спелые фрукты, а затем на заводе фрукты перемещались по конвейерной ленте, и сотрудники вручную удаляли поврежденные или испорченные плоды. Лично занимаясь сбором и сортировкой клубники в качестве летней работы во время учебы, могу подтвердить, что это не самое приятное занятие.
+
+Современные системы все чаще используют IoT для сортировки. Одними из первых устройств были сортировщики от [Weco](https://wecotek.com), которые используют оптические сенсоры для определения качества продукции, например, отбраковывая зеленые помидоры. Эти устройства могут быть установлены как на уборочных машинах прямо на ферме, так и на перерабатывающих заводах.
+
+С развитием Искусственного Интеллекта (AI) и Машинного Обучения (ML) такие машины становятся более совершенными, используя ML-модели, обученные различать фрукты и посторонние объекты, такие как камни, грязь или насекомые. Эти модели также могут быть обучены определять качество фруктов, включая не только поврежденные плоды, но и ранние признаки заболеваний или других проблем с урожаем.
+
+> 🎓 Термин *ML-модель* относится к результату обучения программного обеспечения машинного обучения на наборе данных. Например, можно обучить ML-модель различать спелые и неспелые помидоры, а затем использовать эту модель для анализа новых изображений, чтобы определить, спелые ли помидоры.
+
+В этих 4 уроках вы узнаете, как обучать модели AI на основе изображений для определения качества фруктов, как использовать их на IoT-устройствах и как запускать их на периферии - то есть непосредственно на IoT-устройстве, а не в облаке.
+
+> 💁 В этих уроках будут использоваться некоторые облачные ресурсы. Если вы не завершите все уроки в этом проекте, убедитесь, что вы [очистили свой проект](../clean-up.md).
+
+## Темы
+
+1. [Обучение детектора качества фруктов](./lessons/1-train-fruit-detector/README.md)  
+1. [Проверка качества фруктов с IoT-устройства](./lessons/2-check-fruit-from-device/README.md)  
+1. [Запуск детектора фруктов на периферии](./lessons/3-run-fruit-detector-edge/README.md)  
+1. [Запуск проверки качества фруктов с датчика](./lessons/4-trigger-fruit-detector/README.md)  
+
+## Авторы
+
+Все уроки были написаны с ♥️ [Джен Фокс](https://github.com/jenfoxbot) и [Джимом Беннеттом](https://GitHub.com/JimBobBennett).
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..be3b3c23
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T21:40:41+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "ru"
+}
+-->
+# Обучение детектора качества фруктов
+
+![Обзор урока в виде скетчноута](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор сервиса Azure Custom Vision, который будет рассмотрен в этом уроке.
+
+[![Custom Vision – Машинное обучение стало проще | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Вопросы перед лекцией
+
+[Вопросы перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## Введение
+
+Недавний рост популярности Искусственного Интеллекта (ИИ) и Машинного Обучения (МО) предоставляет разработчикам множество новых возможностей. Модели МО можно обучить распознавать различные объекты на изображениях, включая незрелые фрукты. Это может быть использовано в устройствах Интернета вещей (IoT) для сортировки продукции как во время сбора урожая, так и на этапах обработки на фабриках или складах.
+
+В этом уроке вы узнаете о классификации изображений — использовании моделей МО для различения изображений различных объектов. Вы научитесь обучать классификатор изображений для определения, какие фрукты хорошего качества, а какие — плохого (незрелые, перезрелые, поврежденные или гнилые).
+
+В этом уроке мы рассмотрим:
+
+* [Использование ИИ и МО для сортировки продуктов](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Классификация изображений с помощью машинного обучения](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Обучение классификатора изображений](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Тестирование вашего классификатора изображений](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [Переобучение вашего классификатора изображений](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## Использование ИИ и МО для сортировки продуктов
+
+Обеспечение продовольствием мирового населения — сложная задача, особенно если учитывать необходимость делать еду доступной по цене для всех. Одной из самых больших затрат является труд, поэтому фермеры все чаще обращаются к автоматизации и инструментам, таким как IoT, чтобы снизить затраты на рабочую силу. Ручной сбор урожая трудоемок (и часто изнурителен), поэтому его заменяют машины, особенно в более богатых странах. Однако, несмотря на снижение затрат на сбор урожая с помощью машин, есть и недостаток — невозможность сортировать продукты во время сбора.
+
+Не все культуры созревают равномерно. Например, на томатной лозе могут оставаться зеленые плоды, когда большинство уже готовы к сбору. Хотя сбор таких плодов раньше времени является расточительным, для фермера дешевле и проще собрать все сразу с помощью машин, а затем избавиться от незрелых плодов.
+
+✅ Посмотрите на различные фрукты или овощи, растущие рядом с вами на фермах, в вашем саду или в магазинах. Все ли они одинаковой степени зрелости, или вы видите различия?
+
+С появлением автоматизированного сбора урожая сортировка продукции переместилась с полей на фабрики. Продукты перемещались по длинным конвейерным лентам, где команды людей отбирали продукцию, удаляя все, что не соответствовало стандартам качества. Сбор урожая стал дешевле благодаря машинам, но затраты на ручную сортировку все еще оставались.
+
+![Если обнаруживается красный томат, он продолжает движение. Если обнаруживается зеленый томат, рычаг выбрасывает его в корзину для отходов](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ru.png)
+
+Следующим этапом эволюции стало использование машин для сортировки, встроенных либо в комбайны, либо в перерабатывающие заводы. Первое поколение таких машин использовало оптические сенсоры для определения цвета, управляя механизмами, которые выбрасывали зеленые томаты в корзину для отходов, оставляя красные томаты на конвейере.
+
+В этом видео, когда томаты падают с одного конвейера на другой, зеленые томаты обнаруживаются и выбрасываются в корзину с помощью рычагов.
+
+✅ Какие условия необходимы на фабрике или в поле, чтобы эти оптические сенсоры работали корректно?
+
+Последние поколения таких сортировочных машин используют ИИ и МО, применяя модели, обученные различать качественную продукцию от некачественной не только по очевидным признакам, таким как цвет (зеленые томаты против красных), но и по более тонким признакам, указывающим на болезни или повреждения.
+
+## Классификация изображений с помощью машинного обучения
+
+Традиционное программирование предполагает, что вы берете данные, применяете к ним алгоритм и получаете результат. Например, в предыдущем проекте вы использовали GPS-координаты и геозону, применяли алгоритм, предоставленный Azure Maps, и получали результат — находится ли точка внутри или вне геозоны. Вы вводите больше данных — получаете больше результатов.
+
+![Традиционная разработка использует входные данные и алгоритм для получения результата. Машинное обучение использует входные данные и результаты для обучения модели, которая затем может принимать новые данные и выдавать новые результаты](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ru.png)
+
+Машинное обучение переворачивает этот процесс — вы начинаете с данных и известных результатов, а алгоритм машинного обучения учится на этих данных. Затем вы можете использовать обученный алгоритм, называемый *моделью машинного обучения* или просто *моделью*, чтобы вводить новые данные и получать новые результаты.
+
+> 🎓 Процесс обучения алгоритма машинного обучения на данных называется *обучением*. Входные данные и известные результаты называются *обучающими данными*.
+
+Например, вы можете предоставить модели миллионы изображений незрелых бананов в качестве обучающих данных с результатом `незрелый`, и миллионы изображений зрелых бананов с результатом `зрелый`. Алгоритм МО создаст модель на основе этих данных. Затем вы предоставляете этой модели новое изображение банана, и она предсказывает, зрелый это банан или незрелый.
+
+> 🎓 Результаты моделей МО называются *предсказаниями*.
+
+![2 банана: зрелый с предсказанием 99.7% зрелый, 0.3% незрелый, и незрелый с предсказанием 1.4% зрелый, 98.6% незрелый](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ru.png)
+
+Модели МО не дают бинарного ответа, вместо этого они выдают вероятности. Например, модель может получить изображение банана и предсказать `зрелый` с вероятностью 99.7% и `незрелый` с вероятностью 0.3%. Ваш код затем выберет наиболее вероятный результат и решит, что банан зрелый.
+
+Модель МО, используемая для распознавания изображений, называется *классификатором изображений* — она получает изображения с метками и классифицирует новые изображения на основе этих меток.
+
+> 💁 Это упрощенное объяснение, и существуют другие способы обучения моделей, которые не всегда требуют меток, например, обучение без учителя. Если вы хотите узнать больше о МО, ознакомьтесь с [курсами "Машинное обучение для начинающих" — 24 урока о машинном обучении](https://aka.ms/ML-beginners).
+
+## Обучение классификатора изображений
+
+Для успешного обучения классификатора изображений вам потребуется множество изображений. Однако, как оказалось, если у вас уже есть классификатор изображений, обученный на миллионах или миллиардах различных изображений, вы можете повторно использовать его и дообучить на небольшом наборе изображений, получив отличные результаты. Этот процесс называется *трансферное обучение*.
+
+> 🎓 Трансферное обучение — это процесс переноса знаний из существующей модели МО в новую модель на основе новых данных.
+
+Когда классификатор изображений обучен на большом количестве изображений, его внутренние механизмы хорошо распознают формы, цвета и узоры. Трансферное обучение позволяет модели использовать уже полученные знания для распознавания новых изображений.
+
+![Когда вы можете распознавать формы, их можно комбинировать в разные конфигурации, чтобы получить лодку или кошку](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ru.png)
+
+Это можно сравнить с детскими книгами о формах: как только вы научились распознавать полукруг, прямоугольник и треугольник, вы можете распознать парусник или кошку в зависимости от конфигурации этих форм. Классификатор изображений распознает формы, а трансферное обучение учит его, какая комбинация форм соответствует лодке, кошке или зрелому банану.
+
+Существует множество инструментов, которые могут помочь вам в этом, включая облачные сервисы, которые позволяют обучать модель и использовать ее через веб-API.
+
+> 💁 Обучение таких моделей требует значительных вычислительных ресурсов, обычно с использованием графических процессоров (GPU). Та же специализированная техника, которая делает игры на вашем Xbox такими впечатляющими, может быть использована для обучения моделей машинного обучения. Используя облако, вы можете арендовать мощные компьютеры с GPU на время, необходимое для обучения моделей.
+
+## Custom Vision
+
+Custom Vision — это облачный инструмент для обучения классификаторов изображений. Он позволяет обучить классификатор, используя всего небольшое количество изображений. Вы можете загружать изображения через веб-портал, веб-API или SDK, добавляя к каждому изображению *тег*, который указывает на его классификацию. Затем вы обучаете модель и тестируете ее, чтобы оценить производительность. Когда вы будете довольны моделью, вы можете опубликовать ее версии, доступные через веб-API или SDK.
+
+![Логотип Azure Custom Vision](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ru.png)
+
+> 💁 Вы можете обучить модель Custom Vision, используя всего 5 изображений на каждую классификацию, но большее количество изображений даст лучшие результаты. Рекомендуется использовать как минимум 30 изображений.
+
+Custom Vision является частью набора инструментов ИИ от Microsoft под названием Cognitive Services. Эти инструменты ИИ могут использоваться либо без обучения, либо с минимальным обучением. Они включают распознавание и перевод речи, понимание языка и анализ изображений. Эти сервисы доступны в бесплатном тарифе в Azure.
+
+> 💁 Бесплатный тариф более чем достаточен для создания модели, ее обучения и использования в разработке. Вы можете ознакомиться с ограничениями бесплатного тарифа на [странице "Ограничения и квоты Custom Vision" в документации Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn).
+
+### Задача — создать ресурс Cognitive Services
+
+Чтобы использовать Custom Vision, сначала необходимо создать два ресурса Cognitive Services в Azure с помощью Azure CLI: один для обучения Custom Vision, другой для предсказаний Custom Vision.
+
+1. Создайте группу ресурсов для этого проекта с названием `fruit-quality-detector`.
+
+1. Используйте следующую команду для создания бесплатного ресурса Custom Vision для обучения:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов.
+
+    Эта команда создаст ресурс Custom Vision для обучения в вашей группе ресурсов. Он будет называться `fruit-quality-detector-training` и использовать тариф `F0`, который является бесплатным. Опция `--yes` означает, что вы соглашаетесь с условиями использования Cognitive Services.
+
+> 💁 Используйте тариф `S0`, если у вас уже есть бесплатный аккаунт, использующий любой из Cognitive Services.
+
+1. Используйте следующую команду для создания бесплатного ресурса Custom Vision для предсказаний:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов.
+
+    Эта команда создаст ресурс Custom Vision для предсказаний в вашей группе ресурсов. Он будет называться `fruit-quality-detector-prediction` и использовать тариф `F0`, который является бесплатным. Опция `--yes` означает, что вы соглашаетесь с условиями использования Cognitive Services.
+
+### Задача — создать проект классификатора изображений
+
+1. Откройте портал Custom Vision на [CustomVision.ai](https://customvision.ai) и войдите в систему, используя учетную запись Microsoft, связанную с вашим аккаунтом Azure.
+
+1. Следуйте [разделу "Создание нового проекта" в руководстве по быстрому старту Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project), чтобы создать новый проект Custom Vision. Интерфейс может изменяться, поэтому документация всегда является наиболее актуальным источником информации.
+
+    Назовите ваш проект `fruit-quality-detector`.
+
+    При создании проекта убедитесь, что вы используете ресурс `fruit-quality-detector-training`, созданный ранее. Выберите тип проекта *Classification*, тип классификации *Multiclass* и домен *Food*.
+
+    ![Настройки проекта Custom Vision с названием fruit-quality-detector, без описания, ресурсом fruit-quality-detector-training, типом проекта classification, типом классификации multi class и доменом food](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ru.png)
+
+✅ Потратьте время на изучение интерфейса Custom Vision для вашего классификатора изображений.
+
+### Задача — обучить ваш проект классификатора изображений
+
+Для обучения классификатора изображений вам потребуется множество фотографий фруктов как хорошего, так и плохого качества, чтобы пометить их как хорошие и плохие, например, зрелые и перезрелые бананы.
+💁 Эти классификаторы могут классифицировать изображения чего угодно, поэтому, если у вас нет фруктов разного качества, вы можете использовать два разных вида фруктов или кошек и собак!
+Идеально, если на каждой фотографии будет только фрукт, с либо одинаковым фоном, либо с разнообразными фонами. Убедитесь, что на фоне нет ничего, что указывало бы на спелость или незрелость фрукта.
+
+> 💁 Важно, чтобы на фоне не было специфических элементов или предметов, не связанных с классифицируемым объектом, иначе классификатор может начать определять объект по фону. Например, был классификатор для рака кожи, который обучался на изображениях родинок — как нормальных, так и злокачественных. На всех изображениях злокачественных родинок были линейки для измерения их размера. В итоге классификатор оказался почти на 100% точным в определении линеек на фотографиях, а не злокачественных родинок.
+
+Классификаторы изображений работают с очень низким разрешением. Например, Custom Vision может принимать изображения для обучения и предсказания размером до 10240x10240, но обучает и запускает модель на изображениях размером 227x227. Большие изображения уменьшаются до этого размера, поэтому убедитесь, что объект, который вы классифицируете, занимает значительную часть изображения, иначе он может оказаться слишком маленьким на уменьшенном изображении, используемом классификатором.
+
+1. Соберите фотографии для вашего классификатора. Вам понадобится как минимум 5 изображений для каждой метки, чтобы обучить классификатор, но чем больше, тем лучше. Вам также понадобятся несколько дополнительных изображений для тестирования классификатора. Эти изображения должны быть разными изображениями одного и того же объекта. Например:
+
+    * Используя 2 спелых банана, сделайте несколько фотографий каждого из них с разных ракурсов, сделав как минимум 7 фотографий (5 для обучения, 2 для тестирования), но лучше больше.
+
+        ![Фотографии 2 разных бананов](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ru.png)
+
+    * Повторите тот же процесс с 2 незрелыми бананами.
+
+    У вас должно быть как минимум 10 обучающих изображений: минимум 5 спелых и 5 незрелых, а также 4 тестовых изображения: 2 спелых и 2 незрелых. Ваши изображения должны быть в формате png или jpeg, размером менее 6 МБ. Если вы создаете их, например, с помощью iPhone, они могут быть в высоком разрешении в формате HEIC, поэтому их нужно будет конвертировать и, возможно, уменьшить. Чем больше изображений, тем лучше, и их количество должно быть примерно одинаковым для спелых и незрелых фруктов.
+
+    Если у вас нет как спелых, так и незрелых фруктов, вы можете использовать разные фрукты или любые два доступных вам объекта. Вы также можете найти примеры изображений в папке [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) со спелыми и незрелыми бананами, которые можно использовать.
+
+1. Следуйте [разделу загрузки и маркировки изображений в руководстве по созданию классификатора на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), чтобы загрузить ваши обучающие изображения. Отметьте спелые фрукты как `ripe`, а незрелые как `unripe`.
+
+    ![Диалоги загрузки, показывающие загрузку изображений спелых и незрелых бананов](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ru.png)
+
+1. Следуйте [разделу обучения классификатора в руководстве по созданию классификатора на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier), чтобы обучить классификатор изображений на загруженных вами изображениях.
+
+    Вам будет предложено выбрать тип обучения. Выберите **Быстрое обучение**.
+
+Классификатор начнет обучение. Это займет несколько минут.
+
+> 🍌 Если вы решите съесть ваш фрукт, пока классификатор обучается, убедитесь, что у вас достаточно изображений для тестирования!
+
+## Тестирование вашего классификатора изображений
+
+После того как ваш классификатор обучен, вы можете протестировать его, предоставив новое изображение для классификации.
+
+### Задание — протестируйте ваш классификатор изображений
+
+1. Следуйте [документации по тестированию модели на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), чтобы протестировать ваш классификатор изображений. Используйте тестовые изображения, которые вы создали ранее, а не те, которые использовались для обучения.
+
+    ![Незрелый банан, предсказанный как незрелый с вероятностью 98.9%, спелый с вероятностью 1.1%](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ru.png)
+
+1. Попробуйте все тестовые изображения, которые у вас есть, и обратите внимание на вероятности.
+
+## Повторное обучение вашего классификатора изображений
+
+Когда вы тестируете ваш классификатор, он может не давать ожидаемых результатов. Классификаторы изображений используют машинное обучение для предсказания того, что находится на изображении, основываясь на вероятностях того, что определенные особенности изображения соответствуют определенной метке. Он не понимает, что изображено на картинке — он не знает, что такое банан, и не понимает, что делает банан бананом, а не лодкой. Вы можете улучшить ваш классификатор, повторно обучив его на изображениях, в которых он ошибается.
+
+Каждый раз, когда вы делаете предсказание с помощью опции быстрого тестирования, изображение и результаты сохраняются. Вы можете использовать эти изображения для повторного обучения вашей модели.
+
+### Задание — повторно обучите ваш классификатор изображений
+
+1. Следуйте [документации по использованию предсказанных изображений для обучения на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training), чтобы повторно обучить вашу модель, используя правильную метку для каждого изображения.
+
+1. После того как ваша модель будет повторно обучена, протестируйте её на новых изображениях.
+
+---
+
+## 🚀 Челлендж
+
+Как вы думаете, что произойдет, если вы используете изображение клубники с моделью, обученной на бананах, или изображение надувного банана, или человека в костюме банана, или даже желтого мультяшного персонажа, например, кого-то из Симпсонов?
+
+Попробуйте и посмотрите, какие будут предсказания. Вы можете найти изображения для экспериментов, используя [поиск изображений Bing](https://www.bing.com/images/trending).
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## Обзор и самостоятельное изучение
+
+* Когда вы обучали ваш классификатор, вы видели значения *Precision*, *Recall* и *AP*, которые оценивают созданную модель. Изучите, что означают эти значения, используя [раздел оценки классификатора в руководстве по созданию классификатора на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier).
+* Изучите, как улучшить ваш классификатор, используя [руководство по улучшению модели Custom Vision на Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn).
+
+## Задание
+
+[Обучите ваш классификатор для нескольких фруктов и овощей](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..528cbb49
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T21:45:10+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Обучите ваш классификатор для нескольких фруктов и овощей
+
+## Инструкции
+
+В этом уроке вы обучили классификатор изображений, чтобы он мог различать спелые и неспелые фрукты, но только для одного типа фруктов. Классификатор можно обучить распознавать несколько видов фруктов, с различной степенью успеха, в зависимости от типа фруктов и различий между спелыми и неспелыми.
+
+Например, для фруктов, которые меняют цвет при созревании, классификаторы изображений могут быть менее эффективны, чем датчики цвета, так как они обычно работают с изображениями в градациях серого, а не с полноцветными.
+
+Обучите ваш классификатор с другими фруктами, чтобы увидеть, насколько хорошо он работает, особенно если фрукты выглядят похоже. Например, яблоки и помидоры.
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | ----------------- | ----------------- |
+| Обучение классификатора для нескольких фруктов | Удалось обучить классификатор для нескольких фруктов | Удалось обучить классификатор для одного дополнительного фрукта | Не удалось обучить классификатор для большего количества фруктов |
+| Оценка работы классификатора | Удалось правильно прокомментировать, как классификатор работает с разными фруктами | Удалось наблюдать и предложить рекомендации по его работе | Не удалось прокомментировать, как классификатор работает |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..7e777d81
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T21:45:38+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "ru"
+}
+-->
+# Проверка качества фруктов с помощью IoT-устройства
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## Введение
+
+В прошлом уроке вы узнали о классификаторах изображений и о том, как обучить их для определения хороших и плохих фруктов. Чтобы использовать этот классификатор изображений в IoT-приложении, необходимо уметь захватывать изображение с помощью камеры и отправлять его в облако для классификации.
+
+В этом уроке вы узнаете о сенсорах камер и о том, как использовать их с IoT-устройством для захвата изображения. Вы также научитесь вызывать классификатор изображений с вашего IoT-устройства.
+
+В этом уроке мы рассмотрим:
+
+* [Сенсоры камер](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Захват изображения с помощью IoT-устройства](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Публикация вашего классификатора изображений](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Классификация изображений с вашего IoT-устройства](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [Улучшение модели](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## Сенсоры камер
+
+Сенсоры камер, как следует из названия, — это камеры, которые можно подключить к вашему IoT-устройству. Они могут делать статические снимки или записывать потоковое видео. Некоторые из них возвращают необработанные данные изображения, другие сжимают данные в файлы изображений, такие как JPEG или PNG. Обычно камеры, работающие с IoT-устройствами, намного меньше и имеют более низкое разрешение, чем те, к которым вы привыкли, но существуют камеры высокого разрешения, которые могут соперничать с топовыми смартфонами. Вы можете найти сменные объективы, многокамерные установки, инфракрасные тепловизоры или ультрафиолетовые камеры.
+
+![Свет от сцены проходит через объектив и фокусируется на CMOS-сенсоре](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ru.png)
+
+Большинство сенсоров камер используют сенсоры изображения, где каждый пиксель представляет собой фотодиод. Объектив фокусирует изображение на сенсоре, и тысячи или миллионы фотодиодов фиксируют свет, падающий на каждый из них, записывая это как данные пикселей.
+
+> 💁 Объективы переворачивают изображение, а сенсор камеры затем возвращает его в правильное положение. То же самое происходит и с вашими глазами — то, что вы видите, фиксируется перевернутым на задней части глаза, а ваш мозг исправляет это.
+
+> 🎓 Сенсор изображения известен как сенсор с активными пикселями (APS), и наиболее популярный тип APS — это сенсор на основе комплементарного металлооксидного полупроводника, или CMOS. Вы могли слышать термин CMOS-сенсор, используемый для сенсоров камер.
+
+Сенсоры камер являются цифровыми сенсорами, передающими данные изображения в цифровом формате, обычно с помощью библиотеки, обеспечивающей связь. Камеры подключаются с использованием таких протоколов, как SPI, чтобы передавать большие объемы данных — изображения значительно больше, чем одиночные числа от сенсора, такого как сенсор температуры.
+
+✅ Какие ограничения существуют по размеру изображения для IoT-устройств? Подумайте о возможностях, особенно на аппаратном обеспечении микроконтроллеров.
+
+## Захват изображения с помощью IoT-устройства
+
+Вы можете использовать свое IoT-устройство для захвата изображения, которое будет классифицировано.
+
+### Задание — захват изображения с помощью IoT-устройства
+
+Выполните соответствующее руководство для захвата изображения с вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-camera.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-camera.md)
+
+## Публикация вашего классификатора изображений
+
+Вы обучили свой классификатор изображений на прошлом уроке. Прежде чем использовать его с IoT-устройства, необходимо опубликовать модель.
+
+### Итерации модели
+
+Когда ваша модель обучалась на прошлом уроке, вы могли заметить, что на вкладке **Performance** отображаются итерации. Когда вы впервые обучали модель, вы видели *Iteration 1* в процессе обучения. Когда вы улучшали модель, используя изображения для предсказаний, вы видели *Iteration 2*.
+
+Каждый раз, когда вы обучаете модель, создается новая итерация. Это позволяет отслеживать разные версии вашей модели, обученные на разных наборах данных. Когда вы выполняете **Quick Test**, вы можете выбрать итерацию из выпадающего списка, чтобы сравнить результаты между несколькими итерациями.
+
+Когда вы довольны итерацией, вы можете опубликовать ее, чтобы сделать доступной для использования внешними приложениями. Таким образом, вы можете иметь опубликованную версию, используемую вашими устройствами, а затем работать над новой версией через несколько итераций, публикуя ее, когда будете довольны результатом.
+
+### Задание — публикация итерации
+
+Итерации публикуются через портал Custom Vision.
+
+1. Откройте портал Custom Vision на [CustomVision.ai](https://customvision.ai) и войдите в систему, если он еще не открыт. Затем откройте ваш проект `fruit-quality-detector`.
+
+1. Выберите вкладку **Performance** в верхнем меню.
+
+1. Выберите последнюю итерацию из списка *Iterations* сбоку.
+
+1. Нажмите кнопку **Publish** для выбранной итерации.
+
+    ![Кнопка публикации](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ru.png)
+
+1. В диалоговом окне *Publish Model* выберите ресурс *Prediction resource*, созданный на прошлом уроке, например, `fruit-quality-detector-prediction`. Оставьте имя как `Iteration2` и нажмите кнопку **Publish**.
+
+1. После публикации нажмите кнопку **Prediction URL**. Здесь будут показаны детали API для предсказаний, которые вам понадобятся для вызова модели с вашего IoT-устройства. В нижней части окна, помеченной *If you have an image file*, находятся нужные вам данные. Скопируйте URL, который будет выглядеть примерно так:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    Где `<location>` — это местоположение, которое вы указали при создании ресурса Custom Vision, а `<id>` — это длинный идентификатор, состоящий из букв и цифр.
+
+    Также скопируйте значение *Prediction-Key*. Это защищенный ключ, который необходимо передать при вызове модели. Только приложения, передающие этот ключ, могут использовать модель, все остальные будут отклонены.
+
+    ![Диалог API предсказаний с URL и ключом](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ru.png)
+
+✅ Когда публикуется новая итерация, у нее будет другое имя. Как вы думаете, как можно изменить итерацию, используемую IoT-устройством?
+
+## Классификация изображений с вашего IoT-устройства
+
+Теперь вы можете использовать эти данные подключения для вызова классификатора изображений с вашего IoT-устройства.
+
+### Задание — классификация изображений с вашего IoT-устройства
+
+Выполните соответствующее руководство для классификации изображений с вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-classify-image.md)
+
+## Улучшение модели
+
+Вы можете заметить, что результаты, полученные при использовании камеры, подключенной к вашему IoT-устройству, не соответствуют вашим ожиданиям. Предсказания могут быть менее точными, чем при использовании изображений, загруженных с компьютера. Это связано с тем, что модель была обучена на данных, отличающихся от тех, которые используются для предсказаний.
+
+Чтобы получить лучшие результаты от классификатора изображений, необходимо обучить модель на данных, максимально похожих на те, которые используются для предсказаний. Например, если вы использовали камеру телефона для захвата изображений для обучения, качество, резкость и цвет изображения будут отличаться от камеры, подключенной к IoT-устройству.
+
+![2 изображения банана: низкое разрешение с плохим освещением от IoT-устройства и высокое разрешение с хорошим освещением от телефона](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ru.png)
+
+На изображении выше банан слева был снят с помощью камеры Raspberry Pi, а справа — с помощью iPhone в том же месте. Разница в качестве заметна: изображение с iPhone более четкое, с яркими цветами и лучшим контрастом.
+
+✅ Что еще может привести к некорректным предсказаниям изображений, захваченных вашим IoT-устройством? Подумайте об условиях, в которых может использоваться IoT-устройство, и о факторах, влияющих на качество изображения.
+
+Чтобы улучшить модель, вы можете переобучить ее, используя изображения, захваченные с IoT-устройства.
+
+### Задание — улучшение модели
+
+1. Классифицируйте несколько изображений как спелых, так и неспелых фруктов с помощью вашего IoT-устройства.
+
+1. В портале Custom Vision переобучите модель, используя изображения на вкладке *Predictions*.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по переобучению классификатора в уроке 1, если это необходимо](../1-train-fruit-detector/README.md#retrain-your-image-classifier).
+
+1. Если ваши изображения сильно отличаются от оригинальных, использованных для обучения, вы можете удалить все оригинальные изображения, выбрав их на вкладке *Training Images* и нажав кнопку **Delete**. Чтобы выбрать изображение, наведите на него курсор, и появится галочка. Нажмите на галочку, чтобы выбрать или снять выбор.
+
+1. Обучите новую итерацию модели и опубликуйте ее, следуя описанным выше шагам.
+
+1. Обновите URL конечной точки в вашем коде и перезапустите приложение.
+
+1. Повторяйте эти шаги, пока не будете довольны результатами предсказаний.
+
+---
+
+## 🚀 Задание
+
+Насколько разрешение изображения или освещение влияет на предсказания?
+
+Попробуйте изменить разрешение изображений в коде вашего устройства и посмотрите, влияет ли это на качество изображений. Также попробуйте изменить освещение.
+
+Если бы вы создавали устройство для продажи на фермах или фабриках, как бы вы обеспечили его стабильные результаты?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## Обзор и самостоятельное изучение
+
+Вы обучили свою модель Custom Vision с помощью портала. Это требует наличия доступных изображений, но в реальном мире вы можете не иметь данных для обучения, соответствующих изображениям, которые захватывает камера вашего устройства. Вы можете обойти это, обучая модель напрямую с устройства, используя API для обучения, чтобы обучить модель на изображениях, захваченных с вашего IoT-устройства.
+
+* Ознакомьтесь с API для обучения в [руководстве по быстрому старту с использованием Custom Vision SDK](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python)
+
+## Задание
+
+[Реагирование на результаты классификации](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..22dcb9b3
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T21:47:57+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Реакция на результаты классификации
+
+## Инструкции
+
+Ваше устройство классифицировало изображения и получило значения предсказаний. Устройство может использовать эту информацию для выполнения определенных действий — например, отправить данные в IoT Hub для обработки другими системами или управлять исполнительным устройством, таким как светодиод, который загорается, если фрукт незрелый.
+
+Добавьте код на ваше устройство, чтобы оно реагировало выбранным вами образом — отправляло данные в IoT Hub, управляло исполнительным устройством или комбинировало оба подхода, отправляя данные в IoT Hub с использованием безсерверного кода, который определяет, созрел фрукт или нет, и отправляет обратно команду для управления исполнительным устройством.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Реакция на предсказания | Устройство успешно реагирует на предсказания, обеспечивая стабильную работу с одинаковыми значениями предсказаний. | Устройство реагирует, но реакция не зависит от предсказаний, например, просто отправляет необработанные данные в IoT Hub. | Устройство не было запрограммировано для реакции на предсказания. |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, следует учитывать, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке должен рассматриваться как авторитетный источник. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..8c3cce1d
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T21:48:26+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "ru"
+}
+-->
+# Захват изображения - Raspberry Pi
+
+В этой части урока вы добавите сенсор камеры к вашему Raspberry Pi и будете считывать изображения с него.
+
+## Оборудование
+
+Для Raspberry Pi требуется камера.
+
+Камера, которую вы будете использовать, — это [модуль камеры Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/). Эта камера разработана для работы с Raspberry Pi и подключается через специальный разъем на плате.
+
+> 💁 Эта камера использует [Camera Serial Interface, протокол от Mobile Industry Processor Interface Alliance](https://wikipedia.org/wiki/Camera_Serial_Interface), известный как MIPI-CSI. Это специализированный протокол для передачи изображений.
+
+## Подключение камеры
+
+Камера подключается к Raspberry Pi с помощью ленточного кабеля.
+
+### Задание - подключить камеру
+
+![Камера Raspberry Pi](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ru.png)
+
+1. Выключите Raspberry Pi.
+
+1. Подключите ленточный кабель, который идет в комплекте с камерой, к самой камере. Для этого аккуратно потяните черный пластиковый зажим в держателе, чтобы он немного вышел, затем вставьте кабель в разъем так, чтобы синяя сторона была направлена от объектива, а металлические контакты — к объективу. После того как кабель будет полностью вставлен, зафиксируйте его, вернув черный зажим на место.
+
+    Анимацию, показывающую, как открыть зажим и вставить кабель, можно найти в [документации Raspberry Pi по началу работы с модулем камеры](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2).
+
+    ![Ленточный кабель вставлен в модуль камеры](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ru.png)
+
+1. Снимите Grove Base Hat с Raspberry Pi.
+
+1. Пропустите ленточный кабель через слот для камеры в Grove Base Hat. Убедитесь, что синяя сторона кабеля направлена к аналоговым портам, обозначенным **A0**, **A1** и т.д.
+
+    ![Ленточный кабель проходит через Grove Base Hat](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ru.png)
+
+1. Вставьте ленточный кабель в порт камеры на Raspberry Pi. Снова потяните черный пластиковый зажим вверх, вставьте кабель, затем зафиксируйте его, вернув зажим на место. Синяя сторона кабеля должна быть направлена к USB и Ethernet портам.
+
+    ![Ленточный кабель подключен к разъему камеры на Raspberry Pi](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ru.png)
+
+1. Установите Grove Base Hat обратно.
+
+## Программирование камеры
+
+Теперь Raspberry Pi можно запрограммировать для работы с камерой, используя библиотеку Python [PiCamera](https://pypi.org/project/picamera/).
+
+### Задание - включить режим устаревшей камеры
+
+К сожалению, с выпуском Raspberry Pi OS Bullseye программное обеспечение для камеры, поставляемое с ОС, изменилось, и теперь PiCamera по умолчанию не работает. Ведется разработка замены под названием PiCamera2, но она пока не готова к использованию.
+
+На данный момент вы можете включить режим устаревшей камеры, чтобы PiCamera заработала. Разъем камеры также отключен по умолчанию, но включение устаревшего программного обеспечения автоматически активирует разъем.
+
+1. Включите Raspberry Pi и дождитесь его загрузки.
+
+1. Запустите VS Code, либо непосредственно на Raspberry Pi, либо подключившись через расширение Remote SSH.
+
+1. Выполните следующие команды в терминале:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    Эти команды включат настройку для активации устаревшего программного обеспечения камеры, а затем перезагрузят Raspberry Pi, чтобы изменения вступили в силу.
+
+1. Дождитесь перезагрузки Raspberry Pi, затем снова запустите VS Code.
+
+### Задание - программирование камеры
+
+Программируйте устройство.
+
+1. В терминале создайте новую папку в домашнем каталоге пользователя `pi` с именем `fruit-quality-detector`. В этой папке создайте файл с именем `app.py`.
+
+1. Откройте эту папку в VS Code.
+
+1. Для взаимодействия с камерой можно использовать библиотеку Python PiCamera. Установите пакет Pip для этой библиотеки с помощью следующей команды:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. Добавьте следующий код в файл `app.py`:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    Этот код импортирует необходимые библиотеки, включая библиотеку `PiCamera`.
+
+1. Добавьте следующий код ниже, чтобы инициализировать камеру:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    Этот код создает объект PiCamera и устанавливает разрешение 640x480. Хотя поддерживаются более высокие разрешения (до 3280x2464), классификатор изображений работает с гораздо меньшими изображениями (227x227), поэтому нет необходимости захватывать и отправлять изображения большего размера.
+
+    Строка `camera.rotation = 0` задает ориентацию изображения. Ленточный кабель подключается к нижней части камеры, но если ваша камера была повернута для удобства съемки объекта, который вы хотите классифицировать, то вы можете изменить эту строку на количество градусов поворота.
+
+    ![Камера, свисающая над банкой напитка](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ru.png)
+
+    Например, если вы подвесите ленточный кабель над чем-то так, чтобы он находился сверху камеры, установите поворот на 180 градусов:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    Камере требуется несколько секунд для запуска, поэтому используется строка `time.sleep(2)`.
+
+1. Добавьте следующий код ниже, чтобы захватить изображение в виде бинарных данных:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Этот код создает объект `BytesIO` для хранения бинарных данных. Изображение считывается с камеры в формате JPEG и сохраняется в этом объекте. У объекта есть индикатор позиции, который показывает, где он находится в данных, чтобы можно было записывать дополнительные данные в конец, если это необходимо. Строка `image.seek(0)` перемещает этот индикатор обратно в начало, чтобы позже можно было считать все данные.
+
+1. Ниже добавьте следующий код для сохранения изображения в файл:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Этот код открывает файл с именем `image.jpg` для записи, затем считывает все данные из объекта `BytesIO` и записывает их в файл.
+
+    > 💁 Вы можете захватить изображение непосредственно в файл, вместо объекта `BytesIO`, передав имя файла в вызов `camera.capture`. Причина использования объекта `BytesIO` заключается в том, что позже в этом уроке вы сможете отправить изображение в классификатор изображений.
+
+1. Направьте камеру на что-нибудь и выполните этот код.
+
+1. Изображение будет захвачено и сохранено как `image.jpg` в текущей папке. Вы увидите этот файл в проводнике VS Code. Выберите файл, чтобы просмотреть изображение. Если оно нуждается в повороте, обновите строку `camera.rotation = 0` и сделайте новый снимок.
+
+> 💁 Вы можете найти этот код в папке [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi).
+
+😀 Программа для камеры успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..0cc2885a
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T21:49:58+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "ru"
+}
+-->
+# Классификация изображения - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы отправите изображение, снятое камерой, в службу Custom Vision для его классификации.
+
+## Отправка изображений в Custom Vision
+
+Служба Custom Vision имеет Python SDK, который можно использовать для классификации изображений.
+
+### Задание - отправка изображений в Custom Vision
+
+1. Откройте папку `fruit-quality-detector` в VS Code. Если вы используете виртуальное IoT-устройство, убедитесь, что виртуальная среда запущена в терминале.
+
+1. Python SDK для отправки изображений в Custom Vision доступен как пакет Pip. Установите его с помощью следующей команды:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. Добавьте следующие инструкции импорта в начало файла `app.py`:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    Это подключает некоторые модули из библиотек Custom Vision: один для аутентификации с использованием ключа предсказания, а другой для предоставления класса клиента предсказаний, который может вызывать Custom Vision.
+
+1. Добавьте следующий код в конец файла:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    Замените `<prediction_url>` на URL, который вы скопировали из диалогового окна *Prediction URL* ранее в этом уроке. Замените `<prediction key>` на ключ предсказания, который вы скопировали из того же диалогового окна.
+
+1. URL предсказания, предоставленный в диалоговом окне *Prediction URL*, предназначен для использования при прямом вызове REST-эндпоинта. Python SDK использует части этого URL в разных местах. Добавьте следующий код, чтобы разделить этот URL на необходимые части:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    Это разделяет URL, извлекая конечную точку `https://<location>.api.cognitive.microsoft.com`, идентификатор проекта и имя опубликованной итерации.
+
+1. Создайте объект предсказателя для выполнения предсказания с помощью следующего кода:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials` оборачивает ключ предсказания. Эти данные затем используются для создания объекта клиента предсказаний, указывающего на конечную точку.
+
+1. Отправьте изображение в Custom Vision с помощью следующего кода:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    Этот код перематывает изображение обратно к началу, а затем отправляет его клиенту предсказаний.
+
+1. Наконец, отобразите результаты с помощью следующего кода:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Этот код перебирает все возвращенные предсказания и отображает их в терминале. Вероятности возвращаются в виде чисел с плавающей точкой от 0 до 1, где 0 означает 0% вероятность соответствия тегу, а 1 — 100% вероятность.
+
+    > 💁 Классификаторы изображений возвращают проценты для всех использованных тегов. Каждый тег будет иметь вероятность того, что изображение соответствует этому тегу.
+
+1. Запустите ваш код, направив камеру на какой-либо фрукт, подходящий набор изображений или фрукт, видимый на вашей веб-камере, если вы используете виртуальное IoT-устройство. Вы увидите вывод в консоли:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Вы сможете увидеть сделанное изображение, а также эти значения на вкладке **Predictions** в Custom Vision.
+
+    ![Банан в Custom Vision, предсказано: спелый - 56.8%, неспелый - 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ru.png)
+
+> 💁 Этот код можно найти в папке [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) или [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device).
+
+😀 Ваше приложение для классификации качества фруктов успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..2e8ed912
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T21:52:20+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "ru"
+}
+-->
+# Захват изображения - Виртуальное IoT-устройство
+
+В этой части урока вы добавите датчик камеры к вашему виртуальному IoT-устройству и научитесь считывать изображения с него.
+
+## Оборудование
+
+Виртуальное IoT-устройство будет использовать симулированную камеру, которая отправляет изображения либо из файлов, либо с вашей веб-камеры.
+
+### Добавление камеры в CounterFit
+
+Чтобы использовать виртуальную камеру, необходимо добавить её в приложение CounterFit.
+
+#### Задание - добавьте камеру в CounterFit
+
+Добавьте камеру в приложение CounterFit.
+
+1. Создайте новое Python-приложение на вашем компьютере в папке `fruit-quality-detector` с единственным файлом `app.py` и виртуальной средой Python. Установите pip-пакеты для CounterFit.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию и настройке Python-проекта для CounterFit в уроке 1, если это необходимо](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md).
+
+1. Установите дополнительный pip-пакет для установки CounterFit shim, который может взаимодействовать с датчиками камеры, симулируя некоторые функции [пакета Picamera](https://pypi.org/project/picamera/). Убедитесь, что установка выполняется из терминала с активированной виртуальной средой.
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте камеру:
+
+    1. В поле *Create sensor* на панели *Sensors* выберите тип датчика *Camera* из выпадающего списка.
+
+    1. Установите *Name* как `Picamera`.
+
+    1. Нажмите кнопку **Add**, чтобы создать камеру.
+
+    ![Настройки камеры](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ru.png)
+
+    Камера будет создана и появится в списке датчиков.
+
+    ![Созданная камера](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ru.png)
+
+## Программирование камеры
+
+Теперь виртуальное IoT-устройство можно запрограммировать для использования виртуальной камеры.
+
+### Задание - программирование камеры
+
+Программируйте устройство.
+
+1. Убедитесь, что приложение `fruit-quality-detector` открыто в VS Code.
+
+1. Откройте файл `app.py`.
+
+1. Добавьте следующий код в начало файла `app.py`, чтобы подключить приложение к CounterFit:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Добавьте следующий код в файл `app.py`:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    Этот код импортирует необходимые библиотеки, включая класс `PiCamera` из библиотеки counterfit_shims_picamera.
+
+1. Добавьте следующий код ниже, чтобы инициализировать камеру:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    Этот код создаёт объект PiCamera и устанавливает разрешение 640x480. Хотя поддерживаются более высокие разрешения, классификатор изображений работает с гораздо меньшими изображениями (227x227), поэтому нет необходимости захватывать и отправлять изображения большего размера.
+
+    Строка `camera.rotation = 0` задаёт угол поворота изображения в градусах. Если вам нужно повернуть изображение с веб-камеры или файла, настройте это значение. Например, чтобы изменить изображение банана с веб-камеры в альбомной ориентации на портретную, установите `camera.rotation = 90`.
+
+1. Добавьте следующий код ниже, чтобы захватить изображение в виде бинарных данных:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    Этот код создаёт объект `BytesIO` для хранения бинарных данных. Изображение считывается с камеры в формате JPEG и сохраняется в этом объекте. У объекта есть индикатор позиции, который показывает, где он находится в данных, чтобы можно было записывать дополнительные данные в конец. Строка `image.seek(0)` перемещает этот индикатор обратно в начало, чтобы позже можно было считать все данные.
+
+1. Добавьте следующий код ниже, чтобы сохранить изображение в файл:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    Этот код открывает файл с именем `image.jpg` для записи, затем считывает все данные из объекта `BytesIO` и записывает их в файл.
+
+    > 💁 Вы можете захватывать изображение напрямую в файл, передав имя файла в вызов `camera.capture`. Использование объекта `BytesIO` позволяет позже в этом уроке отправить изображение в классификатор изображений.
+
+1. Настройте изображение, которое камера в CounterFit будет захватывать. Вы можете установить *Source* как *File* и загрузить файл изображения, либо установить *Source* как *WebCam*, чтобы изображения захватывались с вашей веб-камеры. Убедитесь, что вы нажали кнопку **Set** после выбора изображения или веб-камеры.
+
+    ![CounterFit с файлом в качестве источника изображения и веб-камерой, показывающей человека с бананом в предварительном просмотре](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ru.png)
+
+1. Изображение будет захвачено и сохранено как `image.jpg` в текущей папке. Вы увидите этот файл в обозревателе VS Code. Выберите файл, чтобы просмотреть изображение. Если требуется поворот, обновите строку `camera.rotation = 0` и сделайте ещё один снимок.
+
+> 💁 Вы можете найти этот код в папке [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device).
+
+😀 Программа для камеры успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..f5f8f11f
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,475 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T21:53:38+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "ru"
+}
+-->
+# Захват изображения - Wio Terminal
+
+В этой части урока вы добавите камеру к вашему Wio Terminal и будете захватывать изображения с её помощью.
+
+## Аппаратное обеспечение
+
+Для Wio Terminal требуется камера.
+
+Камера, которую вы будете использовать, — это [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/). Это 2-мегапиксельная камера на основе сенсора OV2640. Она передает изображения через интерфейс SPI и использует I2C для настройки сенсора.
+
+## Подключение камеры
+
+ArduCam не имеет разъема Grove, вместо этого она подключается к шинам SPI и I2C через GPIO-пины на Wio Terminal.
+
+### Задание - подключите камеру
+
+Подключите камеру.
+
+![Сенсор ArduCam](../../../../../translated_images/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.ru.png)
+
+1. Пины на основании ArduCam нужно подключить к GPIO-пинам на Wio Terminal. Чтобы было проще найти нужные пины, прикрепите наклейку с обозначением GPIO-пинов, которая идет в комплекте с Wio Terminal:
+
+    ![Wio Terminal с наклейкой GPIO-пинов](../../../../../translated_images/wio-terminal-pin-sticker.b90b1535937b84bd00d853f0004aea74fac2aec04b43f14b887796b2633f855e.ru.png)
+
+1. Используя соединительные провода, выполните следующие подключения:
+
+    | Пин ArduCAM | Пин Wio Terminal | Описание                                 |
+    | ----------- | ---------------- | --------------------------------------- |
+    | CS          | 24 (SPI_CS)      | Выбор чипа SPI                          |
+    | MOSI        | 19 (SPI_MOSI)    | Выход SPI-контроллера, вход периферии   |
+    | MISO        | 21 (SPI_MISO)    | Вход SPI-контроллера, выход периферии   |
+    | SCK         | 23 (SPI_SCLK)    | Последовательный тактовый сигнал SPI    |
+    | GND         | 6 (GND)          | Земля - 0 В                             |
+    | VCC         | 4 (5V)           | Питание 5 В                             |
+    | SDA         | 3 (I2C1_SDA)     | Последовательные данные I2C             |
+    | SCL         | 5 (I2C1_SCL)     | Последовательный тактовый сигнал I2C    |
+
+    ![Wio Terminal, подключенный к ArduCam с помощью соединительных проводов](../../../../../translated_images/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.ru.png)
+
+    Соединения GND и VCC обеспечивают питание 5 В для ArduCam. Камера работает на 5 В, в отличие от датчиков Grove, которые работают на 3 В. Это питание поступает напрямую от USB-C подключения, которое питает устройство.
+
+    > 💁 Для подключения SPI обозначения пинов на ArduCam и названия пинов Wio Terminal, используемые в коде, все еще используют старую нотацию. В этом уроке будет использоваться новая нотация, за исключением случаев, когда названия пинов используются в коде.
+
+1. Теперь вы можете подключить Wio Terminal к вашему компьютеру.
+
+## Программирование устройства для подключения к камере
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенной камерой ArduCAM.
+
+### Задание - запрограммируйте устройство для подключения к камере
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите проект `fruit-quality-detector`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+1. Добавьте код для подключения к Wi-Fi, указав ваши учетные данные Wi-Fi в файле `config.h`. Не забудьте добавить необходимые библиотеки в файл `platformio.ini`.
+
+1. Библиотека ArduCam недоступна как библиотека Arduino, которую можно установить через файл `platformio.ini`. Вместо этого её нужно установить из исходного кода с их страницы на GitHub. Вы можете сделать это, либо:
+
+    * Клонировав репозиторий с [https://github.com/ArduCAM/Arduino.git](https://github.com/ArduCAM/Arduino.git)
+    * Перейдя на репозиторий на GitHub по адресу [github.com/ArduCAM/Arduino](https://github.com/ArduCAM/Arduino) и скачав код в виде zip-архива через кнопку **Code**
+
+1. Вам нужна только папка `ArduCAM` из этого кода. Скопируйте всю папку в папку `lib` вашего проекта.
+
+    > ⚠️ Важно скопировать всю папку, чтобы код находился в `lib/ArduCam`. Не копируйте только содержимое папки `ArduCam` в папку `lib`, скопируйте всю папку целиком.
+
+1. Код библиотеки ArduCam работает с несколькими типами камер. Тип камеры, который вы хотите использовать, настраивается с помощью флагов компилятора — это позволяет уменьшить размер библиотеки, исключив код для камер, которые вы не используете. Чтобы настроить библиотеку для камеры OV2640, добавьте следующее в конец файла `platformio.ini`:
+
+    ```ini
+    build_flags =
+        -DARDUCAM_SHIELD_V2
+        -DOV2640_CAM
+    ```
+
+    Это задает два флага компилятора:
+
+      * `ARDUCAM_SHIELD_V2` — указывает библиотеке, что камера подключена к плате Arduino, известной как shield.
+      * `OV2640_CAM` — указывает библиотеке включить только код для камеры OV2640.
+
+1. Добавьте заголовочный файл в папку `src` с именем `camera.h`. Этот файл будет содержать код для взаимодействия с камерой. Добавьте в этот файл следующий код:
+
+    ```cpp
+    #pragma once
+    
+    #include <ArduCAM.h>
+    #include <Wire.h>
+    
+    class Camera
+    {
+    public:
+        Camera(int format, int image_size) : _arducam(OV2640, PIN_SPI_SS)
+        {
+            _format = format;
+            _image_size = image_size;
+        }
+    
+        bool init()
+        {
+            // Reset the CPLD
+            _arducam.write_reg(0x07, 0x80);
+            delay(100);
+    
+            _arducam.write_reg(0x07, 0x00);
+            delay(100);
+    
+            // Check if the ArduCAM SPI bus is OK
+            _arducam.write_reg(ARDUCHIP_TEST1, 0x55);
+            if (_arducam.read_reg(ARDUCHIP_TEST1) != 0x55)
+            {
+                return false;
+            }
+                
+            // Change MCU mode
+            _arducam.set_mode(MCU2LCD_MODE);
+    
+            uint8_t vid, pid;
+    
+            // Check if the camera module type is OV2640
+            _arducam.wrSensorReg8_8(0xff, 0x01);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_HIGH, &vid);
+            _arducam.rdSensorReg8_8(OV2640_CHIPID_LOW, &pid);
+            if ((vid != 0x26) && ((pid != 0x41) || (pid != 0x42)))
+            {
+                return false;
+            }
+            
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+            _arducam.OV2640_set_Light_Mode(Auto);
+            _arducam.OV2640_set_Special_effects(Normal);
+            delay(1000);
+    
+            return true;
+        }
+    
+        void startCapture()
+        {
+            _arducam.flush_fifo();
+            _arducam.clear_fifo_flag();
+            _arducam.start_capture();
+        }
+    
+        bool captureReady()
+        {
+            return _arducam.get_bit(ARDUCHIP_TRIG, CAP_DONE_MASK);
+        }
+    
+        bool readImageToBuffer(byte **buffer, uint32_t &buffer_length)
+        {
+            if (!captureReady()) return false;
+    
+            // Get the image file length
+            uint32_t length = _arducam.read_fifo_length();
+            buffer_length = length;
+    
+            if (length >= MAX_FIFO_SIZE)
+            {
+                return false;
+            }
+            if (length == 0)
+            {
+                return false;
+            }
+    
+            // create the buffer
+            byte *buf = new byte[length];
+    
+            uint8_t temp = 0, temp_last = 0;
+            int i = 0;
+            uint32_t buffer_pos = 0;
+            bool is_header = false;
+    
+            _arducam.CS_LOW();
+            _arducam.set_fifo_burst();
+            
+            while (length--)
+            {
+                temp_last = temp;
+                temp = SPI.transfer(0x00);
+                //Read JPEG data from FIFO
+                if ((temp == 0xD9) && (temp_last == 0xFF)) //If find the end ,break while,
+                {
+                    buf[buffer_pos] = temp;
+    
+                    buffer_pos++;
+                    i++;
+                    
+                    _arducam.CS_HIGH();
+                }
+                if (is_header == true)
+                {
+                    //Write image data to buffer if not full
+                    if (i < 256)
+                    {
+                        buf[buffer_pos] = temp;
+                        buffer_pos++;
+                        i++;
+                    }
+                    else
+                    {
+                        _arducam.CS_HIGH();
+    
+                        i = 0;
+                        buf[buffer_pos] = temp;
+    
+                        buffer_pos++;
+                        i++;
+    
+                        _arducam.CS_LOW();
+                        _arducam.set_fifo_burst();
+                    }
+                }
+                else if ((temp == 0xD8) & (temp_last == 0xFF))
+                {
+                    is_header = true;
+    
+                    buf[buffer_pos] = temp_last;
+                    buffer_pos++;
+                    i++;
+    
+                    buf[buffer_pos] = temp;
+                    buffer_pos++;
+                    i++;
+                }
+            }
+            
+            _arducam.clear_fifo_flag();
+    
+            _arducam.set_format(_format);
+            _arducam.InitCAM();
+            _arducam.OV2640_set_JPEG_size(_image_size);
+    
+            // return the buffer
+            *buffer = buf;
+        }
+    
+    private:
+        ArduCAM _arducam;
+        int _format;
+        int _image_size;
+    };
+    ```
+
+    Это низкоуровневый код, который настраивает камеру с использованием библиотек ArduCam и извлекает изображения по мере необходимости через шину SPI. Этот код специфичен для ArduCam, поэтому вам не нужно беспокоиться о том, как он работает на данном этапе.
+
+1. В `main.cpp` добавьте следующий код под другими инструкциями `include`, чтобы включить этот новый файл и создать экземпляр класса камеры:
+
+    ```cpp
+    #include "camera.h"
+
+    Camera camera = Camera(JPEG, OV2640_640x480);
+    ```
+
+    Это создает объект `Camera`, который сохраняет изображения в формате JPEG с разрешением 640x480. Хотя поддерживаются более высокие разрешения (до 3280x2464), классификатор изображений работает с гораздо меньшими изображениями (227x227), поэтому нет необходимости захватывать и отправлять изображения большего размера.
+
+1. Добавьте следующий код ниже, чтобы определить функцию настройки камеры:
+
+    ```cpp
+    void setupCamera()
+    {
+        pinMode(PIN_SPI_SS, OUTPUT);
+        digitalWrite(PIN_SPI_SS, HIGH);
+    
+        Wire.begin();
+        SPI.begin();
+    
+        if (!camera.init())
+        {
+            Serial.println("Error setting up the camera!");
+        }
+    }
+    ```
+
+    Функция `setupCamera` начинает с настройки пина выбора чипа SPI (`PIN_SPI_SS`) как высокого, делая Wio Terminal контроллером SPI. Затем она запускает шины I2C и SPI. Наконец, она инициализирует класс камеры, который настраивает параметры сенсора камеры и проверяет правильность подключения.
+
+1. Вызовите эту функцию в конце функции `setup`:
+
+    ```cpp
+    setupCamera();
+    ```
+
+1. Соберите и загрузите этот код, а затем проверьте вывод в последовательном мониторе. Если вы видите сообщение `Error setting up the camera!`, проверьте проводку, чтобы убедиться, что все кабели подключены к правильным пинам на ArduCam и GPIO-пинам на Wio Terminal, а также что все соединительные провода надежно закреплены.
+
+## Захват изображения
+
+Теперь Wio Terminal можно запрограммировать для захвата изображения при нажатии кнопки.
+
+### Задание - захватите изображение
+
+1. Микроконтроллеры выполняют ваш код непрерывно, поэтому сложно инициировать такие действия, как съемка фото, без реакции на датчик. У Wio Terminal есть кнопки, поэтому камеру можно настроить на срабатывание при нажатии одной из кнопок. Добавьте следующий код в конец функции `setup`, чтобы настроить кнопку C (одну из трех кнопок сверху, ближайшую к выключателю питания).
+
+    ![Кнопка C сверху, ближайшая к выключателю питания](../../../../../translated_images/wio-terminal-c-button.73df3cb1c1445ea07ee98316af0e7925fcb43135df0abed58d3d4822b2589c3b.ru.png)
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+    Режим `INPUT_PULLUP` по сути инвертирует вход. Например, обычно кнопка отправляет низкий сигнал, когда не нажата, и высокий сигнал, когда нажата. При установке в режим `INPUT_PULLUP` она отправляет высокий сигнал, когда не нажата, и низкий сигнал, когда нажата.
+
+1. Добавьте пустую функцию для реакции на нажатие кнопки перед функцией `loop`:
+
+    ```cpp
+    void buttonPressed()
+    {
+        
+    }
+    ```
+
+1. Вызовите эту функцию в методе `loop`, когда кнопка нажата:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW)
+        {
+            buttonPressed();
+            delay(2000);
+        }
+    
+        delay(200);
+    }
+    ```
+
+    Этот код проверяет, нажата ли кнопка. Если она нажата, вызывается функция `buttonPressed`, и цикл задерживается на 2 секунды. Это позволяет кнопке быть отпущенной, чтобы длительное нажатие не регистрировалось дважды.
+
+    > 💁 Кнопка на Wio Terminal настроена как `INPUT_PULLUP`, поэтому она отправляет высокий сигнал, когда не нажата, и низкий сигнал, когда нажата.
+
+1. Добавьте следующий код в функцию `buttonPressed`:
+
+    ```cpp
+    camera.startCapture();
+ 
+    while (!camera.captureReady())
+        delay(100);
+
+    Serial.println("Image captured");
+
+    byte *buffer;
+    uint32_t length;
+
+    if (camera.readImageToBuffer(&buffer, length))
+    {
+        Serial.print("Image read to buffer with length ");
+        Serial.println(length);
+
+        delete(buffer);
+    }
+    ```
+
+    Этот код начинает захват изображения, вызывая `startCapture`. Аппаратное обеспечение камеры не возвращает данные сразу, когда вы их запрашиваете. Вместо этого вы отправляете команду на начало захвата, и камера работает в фоновом режиме, чтобы захватить изображение, преобразовать его в JPEG и сохранить в локальном буфере на самой камере. Вызов `captureReady` затем проверяет, завершен ли захват изображения.
+
+    После завершения захвата данные изображения копируются из буфера камеры в локальный буфер (массив байтов) с помощью вызова `readImageToBuffer`. Длина буфера затем отправляется в последовательный монитор.
+
+1. Соберите и загрузите этот код, а затем проверьте вывод в последовательном мониторе. Каждый раз, когда вы нажимаете кнопку C, изображение будет захвачено, и вы увидите размер изображения, отправленный в последовательный монитор.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 9224
+    Image captured
+    Image read to buffer with length 11272
+    ```
+
+    Размеры разных изображений будут различаться. Они сжаты в формате JPEG, и размер файла JPEG для заданного разрешения зависит от содержимого изображения.
+
+> 💁 Вы можете найти этот код в папке [code-camera/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/wio-terminal).
+
+😀 Вы успешно захватили изображения с помощью вашего Wio Terminal.
+
+## Дополнительно - проверьте изображения камеры с помощью SD-карты
+
+Самый простой способ увидеть изображения, захваченные камерой, — записать их на SD-карту в Wio Terminal, а затем просмотреть их на вашем компьютере. Выполните этот шаг, если у вас есть свободная microSD-карта и разъем для microSD-карт на вашем компьютере или адаптер.
+
+Wio Terminal поддерживает только microSD-карты объемом до 16 ГБ. Если у вас карта большего объема, она не будет работать.
+
+### Задание - проверьте изображения камеры с помощью SD-карты
+
+1. Отформатируйте microSD-карту в формате FAT32 или exFAT, используя соответствующие приложения на вашем компьютере (Disk Utility на macOS, Проводник на Windows или командные инструменты в Linux).
+
+1. Вставьте microSD-карту в разъем чуть ниже выключателя питания. Убедитесь, что она вставлена до конца, пока не щелкнет и не останется на месте. Возможно, вам потребуется надавить на неё ногтем или тонким инструментом.
+
+1. Добавьте следующие инструкции `include` в начало файла `main.cpp`:
+
+    ```cpp
+    #include "SD/Seeed_SD.h"
+    #include <Seeed_FS.h>
+    ```
+
+1. Добавьте следующую функцию перед функцией `setup`:
+
+    ```cpp
+    void setupSDCard()
+    {
+        while (!SD.begin(SDCARD_SS_PIN, SDCARD_SPI))
+        {
+            Serial.println("SD Card Error");
+        }
+    }
+    ```
+
+    Эта функция настраивает SD-карту с использованием шины SPI.
+
+1. Вызовите её из функции `setup`:
+
+    ```cpp
+    setupSDCard();
+    ```
+
+1. Добавьте следующий код выше функции `buttonPressed`:
+
+    ```cpp
+    int fileNum = 1;
+
+    void saveToSDCard(byte *buffer, uint32_t length)
+    {
+        char buff[16];
+        sprintf(buff, "%d.jpg", fileNum);
+        fileNum++;
+    
+        File outFile = SD.open(buff, FILE_WRITE );
+        outFile.write(buffer, length);
+        outFile.close();
+
+        Serial.print("Image written to file ");
+        Serial.println(buff);
+    }
+    ```
+
+    Это определяет глобальную переменную для подсчета файлов. Она используется для имен файлов изображений, чтобы можно было захватывать несколько изображений с увеличивающимися именами файлов — `1.jpg`, `2.jpg` и так далее.
+
+    Затем определяется функция `saveToSDCard`, которая принимает буфер данных в байтах и длину буфера. Создается имя файла с использованием счетчика файлов, и счетчик увеличивается для следующего файла. Двоичные данные из буфера затем записываются в файл.
+
+1. Вызовите функцию `saveToSDCard` из функции `buttonPressed`. Вызов должен быть **до** удаления буфера:
+
+    ```cpp
+    Serial.print("Image read to buffer with length ");
+    Serial.println(length);
+
+    saveToSDCard(buffer, length);
+    
+    delete(buffer);
+    ```
+
+1. Соберите и загрузите этот код, а затем проверьте вывод в последовательном мониторе. Каждый раз, когда вы нажимаете кнопку C, изображение будет захвачено и сохранено на SD-карту.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 16392
+    Image written to file 1.jpg
+    Image captured
+    Image read to buffer with length 14344
+    Image written to file 2.jpg
+    ```
+
+1. Выключите питание, а затем извлеките microSD-карту, слегка нажав на неё и отпустив, чтобы она выскочила. Возможно, вам потребуется использовать тонкий инструмент для этого. Подключите microSD-карту к вашему компьютеру, чтобы просмотреть изображения.
+
+    ![Фотография банана, сделанная с помощью ArduCam](../../../../../translated_images/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.ru.jpg)
+💁 Может потребоваться несколько изображений, чтобы баланс белого камеры настроился. Вы заметите это по цвету захваченных изображений, первые несколько могут выглядеть с искажением цвета. Вы всегда можете обойти это, изменив код для захвата нескольких изображений, которые игнорируются в функции `setup`.
+
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..74a39f46
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T21:50:48+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "ru"
+}
+-->
+# Классификация изображения - Wio Terminal
+
+В этой части урока вы отправите изображение, снятое камерой, в сервис Custom Vision для его классификации.
+
+## Классификация изображения
+
+Сервис Custom Vision предоставляет REST API, который можно вызвать с Wio Terminal для классификации изображений. Этот REST API доступен через HTTPS-соединение — защищенное HTTP-соединение.
+
+При взаимодействии с HTTPS-эндпоинтами клиентский код должен запросить сертификат открытого ключа у сервера, к которому осуществляется доступ, и использовать его для шифрования передаваемого трафика. Ваш веб-браузер делает это автоматически, но микроконтроллеры — нет. Вам нужно будет запросить этот сертификат вручную и использовать его для создания защищенного соединения с REST API. Эти сертификаты не меняются, поэтому, получив сертификат, его можно жестко закодировать в вашем приложении.
+
+Эти сертификаты содержат открытые ключи и не требуют защиты. Вы можете использовать их в исходном коде и публиковать в открытом доступе, например, на GitHub.
+
+### Задача - настройка SSL-клиента
+
+1. Откройте проект приложения `fruit-quality-detector`, если он еще не открыт.
+
+1. Откройте заголовочный файл `config.h` и добавьте следующее:
+
+    ```cpp
+    const char *CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    Это *Microsoft Azure DigiCert Global Root G2 certificate* — один из сертификатов, используемых многими сервисами Azure по всему миру.
+
+    > 💁 Чтобы убедиться, что это нужный сертификат, выполните следующую команду на macOS или Linux. Если вы используете Windows, вы можете выполнить эту команду через [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn):
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > Вывод покажет сертификат DigiCert Global Root G2.
+
+1. Откройте `main.cpp` и добавьте следующий директиву include:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. Под директивами include объявите экземпляр `WifiClientSecure`:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    Этот класс содержит код для взаимодействия с веб-эндпоинтами через HTTPS.
+
+1. В методе `connectWiFi` настройте `WifiClientSecure` для использования сертификата DigiCert Global Root G2:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### Задача - классификация изображения
+
+1. Добавьте следующую строку в список `lib_deps` в файле `platformio.ini`:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    Это импортирует [ArduinoJson](https://arduinojson.org), библиотеку JSON для Arduino, которая будет использоваться для декодирования JSON-ответа от REST API.
+
+1. В `config.h` добавьте константы для URL предсказания и ключа из сервиса Custom Vision:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    Замените `<PREDICTION_URL>` на URL предсказания из Custom Vision. Замените `<PREDICTION_KEY>` на ключ предсказания.
+
+1. В `main.cpp` добавьте директиву include для библиотеки ArduinoJson:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. Добавьте следующую функцию в `main.cpp` выше функции `buttonPressed`:
+
+    ```cpp
+    void classifyImage(byte *buffer, uint32_t length)
+    {
+        HTTPClient httpClient;
+        httpClient.begin(client, PREDICTION_URL);
+        httpClient.addHeader("Content-Type", "application/octet-stream");
+        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
+    
+        int httpResponseCode = httpClient.POST(buffer, length);
+    
+        if (httpResponseCode == 200)
+        {
+            String result = httpClient.getString();
+    
+            DynamicJsonDocument doc(1024);
+            deserializeJson(doc, result.c_str());
+    
+            JsonObject obj = doc.as<JsonObject>();
+            JsonArray predictions = obj["predictions"].as<JsonArray>();
+    
+            for(JsonVariant prediction : predictions) 
+            {
+                String tag = prediction["tagName"].as<String>();
+                float probability = prediction["probability"].as<float>();
+    
+                char buff[32];
+                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+                Serial.println(buff);
+            }
+        }
+    
+        httpClient.end();
+    }
+    ```
+
+    Этот код начинает с объявления `HTTPClient` — класса, содержащего методы для взаимодействия с REST API. Затем он подключает клиент к URL предсказания, используя экземпляр `WiFiClientSecure`, настроенный с публичным ключом Azure.
+
+    После подключения отправляются заголовки — информация о предстоящем запросе к REST API. Заголовок `Content-Type` указывает, что API вызов отправит необработанные бинарные данные, а заголовок `Prediction-Key` передает ключ предсказания Custom Vision.
+
+    Затем выполняется POST-запрос к HTTP-клиенту, загружая массив байтов. Этот массив будет содержать изображение в формате JPEG, снятое камерой при вызове этой функции.
+
+    > 💁 POST-запросы предназначены для отправки данных и получения ответа. Существуют другие типы запросов, такие как GET-запросы, которые извлекают данные. GET-запросы используются вашим веб-браузером для загрузки веб-страниц.
+
+    POST-запрос возвращает код статуса ответа. Это хорошо определенные значения, где 200 означает **OK** — POST-запрос был успешным.
+
+    > 💁 Вы можете увидеть все коды статуса ответа на [странице списка HTTP-кодов статуса в Википедии](https://wikipedia.org/wiki/List_of_HTTP_status_codes)
+
+    Если возвращается 200, результат считывается из HTTP-клиента. Это текстовый ответ от REST API с результатами предсказания в формате JSON. JSON имеет следующий формат:
+
+    ```jSON
+    {
+        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
+        "project":"135607e5-efac-4855-8afb-c93af3380531",
+        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
+        "created":"2021-06-10T17:58:58.959Z",
+        "predictions":[
+            {
+                "probability":0.5582016,
+                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
+                "tagName":"ripe"
+            },
+            {
+                "probability":0.44179836,
+                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
+                "tagName":"unripe"
+            }
+        ]
+    }
+    ```
+
+    Важная часть здесь — массив `predictions`. Он содержит предсказания, с одной записью для каждого тега, включающей имя тега и вероятность. Вероятности возвращаются в виде чисел с плавающей точкой от 0 до 1, где 0 означает 0% вероятность совпадения с тегом, а 1 — 100%.
+
+    > 💁 Классификаторы изображений возвращают проценты для всех использованных тегов. Каждый тег будет иметь вероятность того, что изображение соответствует этому тегу.
+
+    Этот JSON декодируется, и вероятности для каждого тега отправляются в монитор последовательного порта.
+
+1. В функции `buttonPressed` замените код, который сохраняет изображение на SD-карту, вызовом `classifyImage`, или добавьте его после записи изображения, но **до** удаления буфера:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 Если вы замените код, который сохраняет изображение на SD-карту, вы можете очистить ваш код, удалив функции `setupSDCard` и `saveToSDCard`.
+
+1. Загрузите и выполните ваш код. Направьте камеру на фрукт и нажмите кнопку C. Вы увидите вывод в мониторе последовательного порта:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    Вы сможете увидеть изображение, которое было снято, и эти значения на вкладке **Predictions** в Custom Vision.
+
+    ![Банан в Custom Vision, предсказанный как спелый на 56.8% и неспелый на 43.1%](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal).
+
+😀 Ваше приложение для классификации качества фруктов успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..9a0b6ae9
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,627 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T21:56:02+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "ru"
+}
+-->
+# Запустите детектор фруктов на периферийных устройствах
+
+![Обзор урока в виде скетчноута](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор работы классификаторов изображений на устройствах Интернета вещей (IoT), тема, которая рассматривается в этом уроке.
+
+[![Custom Vision AI на Azure IoT Edge](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## Введение
+
+В прошлом уроке вы использовали свой классификатор изображений для определения спелости фруктов, отправляя изображение, сделанное камерой вашего IoT-устройства, через интернет в облачный сервис. Такие запросы занимают время, стоят денег, а в зависимости от типа данных изображения могут иметь последствия для конфиденциальности.
+
+В этом уроке вы узнаете, как запускать модели машинного обучения (ML) на периферийных устройствах — на IoT-устройствах, работающих в вашей собственной сети, а не в облаке. Вы узнаете о преимуществах и недостатках периферийных вычислений по сравнению с облачными вычислениями, как развернуть вашу AI-модель на периферии и как получить к ней доступ с вашего IoT-устройства.
+
+В этом уроке мы рассмотрим:
+
+* [Периферийные вычисления](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Регистрация периферийного устройства IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Настройка периферийного устройства IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Экспорт вашей модели](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Подготовка контейнера для развертывания](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Развертывание контейнера](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Использование вашего устройства IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## Периферийные вычисления
+
+Периферийные вычисления предполагают наличие компьютеров, которые обрабатывают данные IoT как можно ближе к месту их генерации. Вместо обработки данных в облаке она переносится на периферию облака — вашу внутреннюю сеть.
+
+![Диаграмма архитектуры, показывающая интернет-сервисы в облаке и IoT-устройства в локальной сети](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ru.png)
+
+В предыдущих уроках вы использовали устройства для сбора данных и отправки их в облако для анализа, где выполнялись серверные функции или AI-модели.
+
+![Диаграмма архитектуры, показывающая IoT-устройства в локальной сети, подключенные к периферийным устройствам, которые затем подключаются к облаку](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ru.png)
+
+Периферийные вычисления предполагают перенос некоторых облачных сервисов из облака на компьютеры, работающие в той же сети, что и IoT-устройства, с обращением к облаку только при необходимости. Например, вы можете запускать AI-модели на периферийных устройствах для анализа спелости фруктов и отправлять в облако только аналитические данные, такие как количество спелых и неспелых фруктов.
+
+✅ Подумайте о приложениях IoT, которые вы уже создали. Какие их части можно перенести на периферию?
+
+### Преимущества
+
+Преимущества периферийных вычислений:
+
+1. **Скорость** — периферийные вычисления идеально подходят для обработки данных, чувствительных ко времени, так как действия выполняются в той же сети, что и устройство, вместо вызовов через интернет. Это обеспечивает более высокую скорость, так как внутренние сети могут работать значительно быстрее, чем интернет-соединения, а данные проходят гораздо меньшие расстояния.
+
+    > 💁 Несмотря на использование оптических кабелей для интернет-соединений, позволяющих данным перемещаться со скоростью света, передача данных по всему миру к облачным провайдерам может занимать время. Например, если вы отправляете данные из Европы в облачные сервисы в США, это занимает минимум 28 мс для пересечения Атлантики через оптический кабель, не учитывая время на доставку данных к кабелю, преобразование электрических сигналов в световые и обратно, а также передачу данных от кабеля к облачному провайдеру.
+
+    Периферийные вычисления также требуют меньшего объема сетевого трафика, снижая риск замедления передачи данных из-за перегрузки ограниченной пропускной способности интернет-соединения.
+
+1. **Удаленная доступность** — периферийные вычисления работают при ограниченном или отсутствии подключения, либо если подключение слишком дорого для постоянного использования. Например, в гуманитарных зонах бедствий, где инфраструктура ограничена, или в развивающихся странах.
+
+1. **Снижение затрат** — сбор, хранение, анализ данных и выполнение действий на периферийных устройствах снижает использование облачных сервисов, что может уменьшить общую стоимость вашего IoT-приложения. В последнее время наблюдается рост устройств, предназначенных для периферийных вычислений, таких как платы ускорения AI, например [Jetson Nano от NVIDIA](https://developer.nvidia.com/embedded/jetson-nano-developer-kit), которые могут выполнять AI-задачи с использованием аппаратного обеспечения на базе GPU на устройствах стоимостью менее 100 долларов США.
+
+1. **Конфиденциальность и безопасность** — при использовании периферийных вычислений данные остаются в вашей сети и не загружаются в облако. Это часто предпочтительно для чувствительной и персонально идентифицируемой информации, особенно потому, что данные не нужно хранить после анализа, что значительно снижает риск утечек данных. Примеры включают медицинские данные и записи с камер видеонаблюдения.
+
+1. **Работа с небезопасными устройствами** — если у вас есть устройства с известными уязвимостями, которые вы не хотите подключать напрямую к вашей сети или интернету, вы можете подключить их к отдельной сети через шлюзовое периферийное устройство IoT Edge. Это периферийное устройство может также иметь подключение к вашей основной сети или интернету и управлять потоками данных туда и обратно.
+
+1. **Поддержка несовместимых устройств** — если у вас есть устройства, которые не могут подключаться к IoT Hub, например устройства, которые могут подключаться только через HTTP или имеют только Bluetooth, вы можете использовать периферийное устройство IoT Edge в качестве шлюза, пересылающего сообщения в IoT Hub.
+
+✅ Проведите исследование: Какие еще преимущества могут быть у периферийных вычислений?
+
+### Недостатки
+
+Недостатки периферийных вычислений, где облако может быть предпочтительным вариантом:
+
+1. **Масштабируемость и гибкость** — облачные вычисления могут адаптироваться к сетевым и данным потребностям в реальном времени, добавляя или уменьшая серверы и другие ресурсы. Для добавления периферийных компьютеров требуется ручное добавление новых устройств.
+
+1. **Надежность и устойчивость** — облачные вычисления предоставляют множество серверов, часто в разных местах, для резервирования и восстановления после сбоев. Для обеспечения такого же уровня резервирования на периферии требуются большие инвестиции и значительные усилия по настройке.
+
+1. **Обслуживание** — облачные провайдеры предоставляют системное обслуживание и обновления.
+
+✅ Проведите исследование: Какие еще недостатки могут быть у периферийных вычислений?
+
+Недостатки в основном противоположны преимуществам использования облака — вам нужно самостоятельно создавать и управлять этими устройствами, вместо того чтобы полагаться на экспертизу и масштаб облачных провайдеров.
+
+Некоторые риски смягчаются самой природой периферийных вычислений. Например, если у вас есть периферийное устройство, работающее на фабрике, собирающее данные с оборудования, вам не нужно думать о некоторых сценариях восстановления после сбоев. Если на фабрике отключится электричество, вам не нужен резервный периферийный компьютер, так как машины, генерирующие данные, которые обрабатывает периферийное устройство, также останутся без питания.
+
+Для систем IoT часто требуется сочетание облачных и периферийных вычислений, использование каждого сервиса в зависимости от потребностей системы, ее клиентов и обслуживающего персонала.
+
+## Azure IoT Edge
+
+![Логотип Azure IoT Edge](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ru.png)
+
+Azure IoT Edge — это сервис, который помогает перенести рабочие нагрузки из облака на периферию. Вы настраиваете устройство как периферийное, и из облака можете развернуть код на этом устройстве. Это позволяет сочетать возможности облака и периферии.
+
+> 🎓 *Рабочие нагрузки* — это термин, обозначающий любой сервис, выполняющий какую-либо работу, например AI-модели, приложения или серверные функции.
+
+Например, вы можете обучить классификатор изображений в облаке, а затем развернуть его на периферийном устройстве из облака. Ваше IoT-устройство затем отправляет изображения на периферийное устройство для классификации, вместо того чтобы отправлять их через интернет. Если вам нужно развернуть новую версию модели, вы можете обучить ее в облаке и использовать IoT Edge для обновления модели на периферийном устройстве.
+
+> 🎓 Программное обеспечение, развернутое на IoT Edge, называется *модулями*. По умолчанию IoT Edge запускает модули, которые взаимодействуют с IoT Hub, такие как модули `edgeAgent` и `edgeHub`. Когда вы развертываете классификатор изображений, он развертывается как дополнительный модуль.
+
+IoT Edge встроен в IoT Hub, поэтому вы можете управлять периферийными устройствами с помощью того же сервиса, который используется для управления IoT-устройствами, с тем же уровнем безопасности.
+
+IoT Edge запускает код из *контейнеров* — автономных приложений, которые работают изолированно от остальных приложений на вашем компьютере. Когда вы запускаете контейнер, он действует как отдельный компьютер внутри вашего компьютера, со своим собственным программным обеспечением, сервисами и приложениями. Обычно контейнеры не имеют доступа к вашему компьютеру, если вы специально не предоставите доступ, например к папке. Контейнер затем предоставляет сервисы через открытый порт, к которому можно подключиться или сделать доступным для вашей сети.
+
+![Веб-запрос, перенаправленный в контейнер](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ru.png)
+
+Например, вы можете иметь контейнер с веб-сайтом, работающим на порту 80, стандартном порту HTTP, и затем сделать его доступным на вашем компьютере также на порту 80.
+
+✅ Проведите исследование: Ознакомьтесь с контейнерами и сервисами, такими как Docker или Moby.
+
+Вы можете использовать Custom Vision для загрузки классификаторов изображений и их развертывания в виде контейнеров, либо напрямую на устройство, либо через IoT Edge. После запуска в контейнере они могут быть доступны через тот же REST API, что и облачная версия, но с конечной точкой, указывающей на периферийное устройство, на котором работает контейнер.
+
+## Регистрация периферийного устройства IoT Edge
+
+Чтобы использовать периферийное устройство IoT Edge, его нужно зарегистрировать в IoT Hub.
+
+### Задача — регистрация периферийного устройства IoT Edge
+
+1. Создайте IoT Hub в группе ресурсов `fruit-quality-detector`. Дайте ему уникальное имя, основанное на `fruit-quality-detector`.
+
+1. Зарегистрируйте периферийное устройство IoT Edge с именем `fruit-quality-detector-edge` в вашем IoT Hub. Команда для этого похожа на команду регистрации обычного устройства, но с использованием флага `--edge-enabled`.
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя вашего IoT Hub.
+
+1. Получите строку подключения для вашего устройства, используя следующую команду:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` на имя вашего IoT Hub.
+
+    Скопируйте строку подключения, которая будет показана в выводе.
+
+## Настройка периферийного устройства IoT Edge
+
+После создания регистрации периферийного устройства в вашем IoT Hub вы можете настроить периферийное устройство.
+
+### Задача — Установка и запуск IoT Edge Runtime
+
+**IoT Edge Runtime поддерживает только контейнеры Linux.** Он может быть запущен на Linux или на Windows с использованием виртуальных машин Linux.
+
+* Если вы используете Raspberry Pi в качестве вашего IoT-устройства, то оно работает на поддерживаемой версии Linux и может размещать IoT Edge Runtime. Следуйте [руководству по установке Azure IoT Edge для Linux на Microsoft Docs](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn), чтобы установить IoT Edge и настроить строку подключения.
+
+    > 💁 Помните, Raspberry Pi OS — это вариант Debian Linux.
+
+* Если вы не используете Raspberry Pi, но у вас есть компьютер с Linux, вы можете запустить IoT Edge Runtime. Следуйте [руководству по установке Azure IoT Edge для Linux на Microsoft Docs](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn), чтобы установить IoT Edge и настроить строку подключения.
+
+* Если вы используете Windows, вы можете установить IoT Edge Runtime в виртуальной машине Linux, следуя [разделу установки и запуска IoT Edge Runtime в быстром старте по развертыванию первого модуля IoT Edge на устройстве Windows на Microsoft Docs](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime). Вы можете остановиться, когда дойдете до раздела *Развертывание модуля*.
+
+* Если вы используете macOS, вы можете создать виртуальную машину (VM) в облаке для использования в качестве вашего периферийного устройства IoT Edge. Это компьютеры, которые вы можете создать в облаке и получить к ним доступ через интернет. Вы можете создать Linux VM с установленным IoT Edge. Следуйте [руководству по созданию виртуальной машины с IoT Edge](vm-iotedge.md) для получения инструкций.
+
+## Экспорт вашей модели
+
+Чтобы запустить классификатор на периферии, его нужно экспортировать из Custom Vision. Custom Vision может генерировать два типа моделей — стандартные модели и компактные модели. Компактные модели используют различные техники для уменьшения размера модели, делая ее достаточно маленькой для загрузки и развертывания на IoT-устройствах.
+
+Когда вы создавали классификатор изображений, вы использовали домен *Food*, версию модели, оптимизированную для обучения на изображениях еды. В Custom Vision вы можете изменить домен вашего проекта, используя ваши данные для обучения новой модели с новым доменом. Все домены, поддерживаемые Custom Vision, доступны как в стандартной, так и в компактной версии.
+
+### Задача — обучение вашей модели с использованием домена Food (compact)
+1. Откройте портал Custom Vision на [CustomVision.ai](https://customvision.ai) и войдите в систему, если он еще не открыт. Затем откройте ваш проект `fruit-quality-detector`.
+
+1. Нажмите кнопку **Settings** (значок ⚙).
+
+1. В списке *Domains* выберите *Food (compact)*.
+
+1. В разделе *Export Capabilities* убедитесь, что выбрано *Basic platforms (Tensorflow, CoreML, ONNX, ...)*.
+
+1. Внизу страницы настроек нажмите **Save Changes**.
+
+1. Перетренируйте модель, нажав кнопку **Train** и выбрав *Quick training*.
+
+### Задача - экспорт модели
+
+После тренировки модель необходимо экспортировать как контейнер.
+
+1. Перейдите на вкладку **Performance** и найдите последнюю итерацию, обученную с использованием компактного домена.
+
+1. Нажмите кнопку **Export** в верхней части страницы.
+
+1. Выберите **DockerFile**, затем выберите версию, соответствующую вашему устройству edge:
+
+    * Если вы используете IoT Edge на компьютере с Linux, Windows или виртуальной машине, выберите версию *Linux*.
+    * Если вы используете IoT Edge на Raspberry Pi, выберите версию *ARM (Raspberry Pi 3)*.
+
+    
+> 🎓 Docker — один из самых популярных инструментов для управления контейнерами, а DockerFile — это набор инструкций по настройке контейнера.
+
+1. Нажмите **Export**, чтобы Custom Vision создал соответствующие файлы, затем **Download**, чтобы скачать их в виде zip-архива.
+
+1. Сохраните файлы на своем компьютере и распакуйте папку.
+
+## Подготовка контейнера к развертыванию
+
+![Контейнеры создаются, затем отправляются в реестр контейнеров, а затем развертываются на edge-устройстве с помощью IoT Edge](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ru.png)
+
+После загрузки модели ее необходимо собрать в контейнер, а затем отправить в реестр контейнеров — онлайн-хранилище для контейнеров. IoT Edge затем может загрузить контейнер из реестра и отправить его на ваше устройство.
+
+![Логотип Azure Container Registry](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ru.png)
+
+Реестр контейнеров, который вы будете использовать в этом уроке, — это Azure Container Registry. Это платная услуга, поэтому, чтобы сэкономить деньги, убедитесь, что вы [очистили проект](../../../clean-up.md) после завершения работы.
+
+> 💁 Вы можете ознакомиться с ценами на использование Azure Container Registry на [странице цен Azure Container Registry](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn).
+
+### Задача - установка Docker
+
+Чтобы собрать и развернуть классификатор, возможно, потребуется установить [Docker](https://www.docker.com/).
+
+Это нужно сделать только в том случае, если вы планируете собирать контейнер на устройстве, отличном от того, на котором установлен IoT Edge — при установке IoT Edge Docker устанавливается автоматически.
+
+1. Если вы собираете контейнер Docker на устройстве, отличном от вашего устройства IoT Edge, следуйте инструкциям по установке Docker на [странице установки Docker](https://www.docker.com/products/docker-desktop), чтобы установить Docker Desktop или Docker engine. Убедитесь, что он работает после установки.
+
+### Задача - создание ресурса реестра контейнеров
+
+1. Выполните следующую команду в терминале или командной строке, чтобы создать ресурс Azure Container Registry:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    Замените `<Container registry name>` уникальным именем для вашего реестра контейнеров, используя только буквы и цифры. Основывайте имя на `fruitqualitydetector`. Это имя станет частью URL-адреса для доступа к реестру контейнеров, поэтому оно должно быть уникальным глобально.
+
+1. Войдите в Azure Container Registry с помощью следующей команды:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+1. Включите режим администратора для реестра контейнеров, чтобы можно было сгенерировать пароль, используя следующую команду:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+1. Сгенерируйте пароли для вашего реестра контейнеров с помощью следующей команды:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+    Скопируйте значение `PASSWORD`, так как оно понадобится вам позже.
+
+### Задача - сборка контейнера
+
+То, что вы загрузили из Custom Vision, — это DockerFile, содержащий инструкции по сборке контейнера, а также код приложения, который будет выполняться внутри контейнера для размещения вашей модели Custom Vision и REST API для вызова этой модели. Вы можете использовать Docker для сборки контейнера с тегом из DockerFile, а затем отправить его в реестр контейнеров.
+
+> 🎓 Контейнеры получают тег, который определяет их имя и версию. Когда вам нужно обновить контейнер, вы можете собрать его с тем же тегом, но с новой версией.
+
+1. Откройте терминал или командную строку и перейдите в распакованную папку с моделью, которую вы загрузили из Custom Vision.
+
+1. Выполните следующую команду для сборки и добавления тега к изображению:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    Замените `<platform>` платформой, на которой будет работать этот контейнер. Если вы используете IoT Edge на Raspberry Pi, установите значение `linux/armhf`, в противном случае установите значение `linux/amd64`.
+
+    > 💁 Если вы выполняете эту команду на устройстве, на котором работает IoT Edge, например, на Raspberry Pi, вы можете опустить часть `--platform <platform>`, так как она по умолчанию соответствует текущей платформе.
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+    > 💁 Если вы используете Linux или Raspberry Pi OS, возможно, вам потребуется использовать `sudo` для выполнения этой команды.
+
+    Docker соберет изображение, настроив все необходимое программное обеспечение. Затем изображение будет помечено как `classifier:v1`.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
+    [+] Building 102.4s (11/11) FINISHED
+     => [internal] load build definition from Dockerfile
+     => => transferring dockerfile: 131B
+     => [internal] load .dockerignore
+     => => transferring context: 2B
+     => [internal] load metadata for docker.io/library/python:3.7-slim
+     => [internal] load build context
+     => => transferring context: 905B
+     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
+     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
+     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
+     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
+     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
+     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
+     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
+     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
+     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
+     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
+     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
+     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
+     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
+     => [2/6] RUN pip install -U pip
+     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
+     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
+     => [5/6] COPY app /app
+     => [6/6] WORKDIR /app
+     => exporting to image
+     => => exporting layers
+     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
+     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    ```
+
+### Задача - отправка контейнера в реестр контейнеров
+
+1. Используйте следующую команду, чтобы отправить контейнер в реестр контейнеров:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+    > 💁 Если вы используете Linux, возможно, вам потребуется использовать `sudo` для выполнения этой команды.
+
+    Контейнер будет отправлен в реестр контейнеров.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
+    5f70bf18a086: Pushed 
+    8a1ba9294a22: Pushed 
+    56cf27184a76: Pushed 
+    b32154f3f5dd: Pushed 
+    36103e9a3104: Pushed 
+    e2abb3cacca0: Pushed 
+    4213fd357bbe: Pushed 
+    7ea163ba4dce: Pushed 
+    537313a13d90: Pushed 
+    764055ebc9a7: Pushed 
+    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
+    ```
+
+1. Чтобы проверить отправку, вы можете перечислить контейнеры в вашем реестре с помощью следующей команды:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    Замените `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров.
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    Вы увидите ваш классификатор в списке.
+
+## Развертывание контейнера
+
+Теперь ваш контейнер можно развернуть на устройстве IoT Edge. Для развертывания необходимо определить манифест развертывания — JSON-документ, который перечисляет модули, которые будут развернуты на edge-устройстве.
+
+### Задача - создание манифеста развертывания
+
+1. Создайте новый файл с именем `deployment.json` где-нибудь на вашем компьютере.
+
+1. Добавьте в этот файл следующее:
+
+    ```json
+    {
+        "content": {
+            "modulesContent": {
+                "$edgeAgent": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "runtime": {
+                            "type": "docker",
+                            "settings": {
+                                "minDockerVersion": "v1.25",
+                                "loggingOptions": "",
+                                "registryCredentials": {
+                                    "ClassifierRegistry": {
+                                        "username": "<Container registry name>",
+                                        "password": "<Container registry password>",
+                                        "address": "<Container registry name>.azurecr.io"
+                                      }
+                                }
+                            }
+                        },
+                        "systemModules": {
+                            "edgeAgent": {
+                                "type": "docker",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
+                                    "createOptions": "{}"
+                                }
+                            },
+                            "edgeHub": {
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
+                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
+                                }
+                            }
+                        },
+                        "modules": {
+                            "ImageClassifier": {
+                                "version": "1.0",
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
+                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
+                                }
+                            }
+                        }
+                    }
+                },
+                "$edgeHub": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "routes": {
+                            "upstream": "FROM /messages/* INTO $upstream"
+                        },
+                        "storeAndForwardConfiguration": {
+                            "timeToLiveSecs": 7200
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 Вы можете найти этот файл в папке [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment).
+
+    Замените три экземпляра `<Container registry name>` именем, которое вы использовали для вашего реестра контейнеров. Один находится в разделе модуля `ImageClassifier`, два других — в разделе `registryCredentials`.
+
+    Замените `<Container registry password>` в разделе `registryCredentials` паролем вашего реестра контейнеров.
+
+1. Из папки, содержащей ваш манифест развертывания, выполните следующую команду:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    Замените `<hub_name>` именем вашего IoT Hub.
+
+    Модуль классификатора изображений будет развернут на вашем edge-устройстве.
+
+### Задача - проверка работы классификатора
+
+1. Подключитесь к устройству IoT Edge:
+
+    * Если вы используете Raspberry Pi для работы IoT Edge, подключитесь через ssh либо из вашего терминала, либо через удаленную сессию SSH в VS Code.
+    * Если вы используете IoT Edge в контейнере Linux на Windows, следуйте шагам в [руководстве по проверке успешной конфигурации](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration), чтобы подключиться к устройству IoT Edge.
+    * Если вы используете IoT Edge на виртуальной машине, вы можете подключиться к машине через SSH, используя `adminUsername` и `password`, которые вы установили при создании виртуальной машины, а также IP-адрес или DNS-имя:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        Или:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        Введите ваш пароль, когда будет предложено.
+
+1. После подключения выполните следующую команду, чтобы получить список модулей IoT Edge:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 Возможно, вам потребуется выполнить эту команду с `sudo`.
+
+    Вы увидите работающие модули:
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge list
+    NAME             STATUS           DESCRIPTION      CONFIG
+    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
+    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
+    ```
+
+1. Проверьте журналы модуля классификатора изображений с помощью следующей команды:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 Возможно, вам потребуется выполнить эту команду с `sudo`.
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
+    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
+    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
+    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
+    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
+    Loading model...Success!
+    Loading labels...2 found. Success!
+     * Serving Flask app "app" (lazy loading)
+     * Environment: production
+       WARNING: This is a development server. Do not use it in a production deployment.
+       Use a production WSGI server instead.
+     * Debug mode: off
+     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
+    ```
+
+### Задача - тестирование классификатора изображений
+
+1. Вы можете использовать CURL для тестирования классификатора изображений, используя IP-адрес или имя хоста компьютера, на котором работает агент IoT Edge. Найдите IP-адрес:
+
+    * Если вы находитесь на том же устройстве, где работает IoT Edge, вы можете использовать `localhost` в качестве имени хоста.
+    * Если вы используете виртуальную машину, вы можете использовать либо IP-адрес, либо DNS-имя виртуальной машины.
+    * В противном случае вы можете получить IP-адрес устройства, на котором работает IoT Edge:
+      * На Windows 10 следуйте [руководству по поиску IP-адреса](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * На macOS следуйте [руководству по поиску IP-адреса на Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * На Linux следуйте разделу о поиске частного IP-адреса в [руководстве по поиску IP-адреса в Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+1. Вы можете протестировать контейнер с локальным файлом, выполнив следующую команду curl:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    Замените `<IP address or name>` IP-адресом или именем хоста компьютера, на котором работает IoT Edge. Замените `<file_Name>` именем файла для тестирования.
+
+    Вы увидите результаты предсказания в выводе:
+
+    ```output
+    {
+        "created": "2021-07-05T21:44:39.573181",
+        "id": "",
+        "iteration": "",
+        "predictions": [
+            {
+                "boundingBox": null,
+                "probability": 0.9995615482330322,
+                "tagId": "",
+                "tagName": "ripe"
+            },
+            {
+                "boundingBox": null,
+                "probability": 0.0004384400090202689,
+                "tagId": "",
+                "tagName": "unripe"
+            }
+        ],
+        "project": ""
+    }
+    ```
+
+    > 💁 Здесь нет необходимости предоставлять ключ предсказания, так как это не использует ресурс Azure. Вместо этого безопасность будет настроена на внутренней сети в зависимости от внутренних потребностей, а не полагаться на публичную конечную точку и API-ключ.
+
+## Использование устройства IoT Edge
+
+Теперь, когда ваш классификатор изображений развернут на устройстве IoT Edge, вы можете использовать его с вашего IoT-устройства.
+
+### Задача - использование устройства IoT Edge
+
+Пройдите соответствующее руководство, чтобы классифицировать изображения с помощью классификатора IoT Edge:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Одноплатный компьютер - Raspberry Pi/виртуальное IoT-устройство](single-board-computer.md)
+
+### Повторное обучение модели
+
+Одним из недостатков использования классификаторов изображений на IoT Edge является то, что они не подключены к вашему проекту Custom Vision. Если вы посмотрите на вкладку **Predictions** в Custom Vision, вы не увидите изображения, классифицированные с помощью классификатора на Edge.
+
+Это ожидаемое поведение — изображения не отправляются в облако для классификации, поэтому они не будут доступны в облаке. Одним из преимуществ использования IoT Edge является конфиденциальность, обеспечивающая, что изображения не покидают вашу сеть, другое — возможность работать офлайн, без необходимости загружать изображения при отсутствии интернет-соединения. Недостатком является улучшение вашей модели — вам нужно будет реализовать другой способ хранения изображений, которые можно вручную переклассифицировать для улучшения и повторного обучения классификатора изображений.
+
+✅ Подумайте о способах загрузки изображений для повторного обучения классификатора.
+
+---
+
+## 🚀 Задание
+
+Запуск моделей ИИ на edge-устройствах может быть быстрее, чем в облаке — сетевой переход короче. Однако они могут быть медленнее, так как оборудование, на котором работает модель, может быть менее мощным, чем облако.
+
+Проведите измерения времени и сравните, является ли вызов вашего edge-устройства быстрее или медленнее, чем вызов облака? Подумайте о причинах, объясняющих разницу или ее отсутствие. Исследуйте способы ускорения работы моделей ИИ на edge-устройствах с использованием специализированного оборудования.
+
+## Тест после лекции
+
+[Тест после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о контейнерах на [странице виртуализации уровня ОС в Википедии](https://wikipedia.org/wiki/OS-level_virtualization).
+* Узнайте больше о периферийных вычислениях, с акцентом на то, как 5G может помочь расширить их возможности, в статье [что такое периферийные вычисления и почему это важно? на сайте NetworkWorld](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html)
+* Узнайте больше о запуске AI-сервисов на IoT Edge, посмотрев эпизод [узнайте, как использовать Azure IoT Edge на готовом AI-сервисе на Edge для определения языка в программе Learn Live на Microsoft Channel9](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn)
+
+## Задание
+
+[Запустите другие сервисы на периферии](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..11bfcb32
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T22:01:24+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Запуск других сервисов на периферии
+
+## Инструкции
+
+На периферии можно запускать не только классификаторы изображений — всё, что можно упаковать в контейнер, может быть развернуто на устройстве IoT Edge. Безсерверный код, работающий как Azure Functions, например, триггеры, которые вы создавали в предыдущих уроках, также можно запускать в контейнерах, а значит, и на IoT Edge.
+
+Выберите один из предыдущих уроков и попробуйте запустить приложение Azure Functions в контейнере IoT Edge. Руководство, показывающее, как это сделать с использованием другого проекта приложения Functions, можно найти в [Учебнике: Развертывание Azure Functions в виде модулей IoT Edge на Microsoft docs](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11).
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Развертывание приложения Azure Functions на IoT Edge | Удалось развернуть приложение Azure Functions на IoT Edge и использовать его с устройством IoT для запуска триггера на основе данных IoT | Удалось развернуть приложение Functions на IoT Edge, но не удалось запустить триггер | Не удалось развернуть приложение Functions на IoT Edge |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..4efbf341
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T22:03:52+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "ru"
+}
+-->
+# Классификация изображения с использованием классификатора изображений на базе IoT Edge - Виртуальное IoT оборудование и Raspberry Pi
+
+В этой части урока вы будете использовать классификатор изображений, работающий на устройстве IoT Edge.
+
+## Использование классификатора IoT Edge
+
+Устройство IoT можно перенаправить на использование классификатора изображений IoT Edge. URL для классификатора изображений: `http://<IP address or name>/image`, заменив `<IP address or name>` на IP-адрес или имя хоста компьютера, на котором работает IoT Edge.
+
+Библиотека Python для Custom Vision работает только с моделями, размещенными в облаке, а не с моделями, размещенными на IoT Edge. Это означает, что вам нужно будет использовать REST API для вызова классификатора.
+
+### Задача - использование классификатора IoT Edge
+
+1. Откройте проект `fruit-quality-detector` в VS Code, если он еще не открыт. Если вы используете виртуальное устройство IoT, убедитесь, что виртуальная среда активирована.
+
+1. Откройте файл `app.py` и удалите инструкции импорта из `azure.cognitiveservices.vision.customvision.prediction` и `msrest.authentication`.
+
+1. Добавьте следующий импорт в начало файла:
+
+    ```python
+    import requests
+    ```
+
+1. Удалите весь код после сохранения изображения в файл, начиная с `image_file.write(image.read())` и до конца файла.
+
+1. Добавьте следующий код в конец файла:
+
+    ```python
+    prediction_url = '<URL>'
+    headers = {
+        'Content-Type' : 'application/octet-stream'
+    }
+    image.seek(0)
+    response = requests.post(prediction_url, headers=headers, data=image)
+    results = response.json()
+    
+    for prediction in results['predictions']:
+        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
+    ```
+
+    Замените `<URL>` на URL вашего классификатора.
+
+    Этот код выполняет REST POST запрос к классификатору, отправляя изображение в теле запроса. Результаты возвращаются в формате JSON, который декодируется для вывода вероятностей.
+
+1. Запустите ваш код, направив камеру на какой-либо фрукт, подходящий набор изображений или фрукт, видимый на вашей веб-камере, если вы используете виртуальное IoT оборудование. Вы увидите вывод в консоли:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Этот код можно найти в папке [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) или [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device).
+
+😀 Программа классификатора качества фруктов успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..443ae286
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T22:01:57+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "ru"
+}
+-->
+# Создание виртуальной машины с IoT Edge
+
+В Azure вы можете создать виртуальную машину — компьютер в облаке, который можно настроить по своему усмотрению и запускать на нем собственное программное обеспечение.
+
+> 💁 Подробнее о виртуальных машинах можно прочитать на [странице Википедии о виртуальных машинах](https://wikipedia.org/wiki/Virtual_machine).
+
+## Задача — Настроить виртуальную машину с IoT Edge
+
+1. Выполните следующую команду, чтобы создать виртуальную машину с уже предустановленным Azure IoT Edge:
+
+    ```sh
+    az deployment group create \
+                --resource-group fruit-quality-detector \
+                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
+                --parameters dnsLabelPrefix=<vm_name> \
+                --parameters adminUsername=<username> \
+                --parameters deviceConnectionString="<connection_string>" \
+                --parameters authenticationType=password \
+                --parameters adminPasswordOrKey="<password>"
+    ```
+
+    Замените `<vm_name>` на имя для этой виртуальной машины. Оно должно быть уникальным в глобальном масштабе, поэтому используйте что-то вроде `fruit-quality-detector-vm-` с вашим именем или другим значением в конце.
+
+    Замените `<username>` и `<password>` на имя пользователя и пароль для входа в виртуальную машину. Они должны быть достаточно надежными, поэтому нельзя использовать admin/password.
+
+    Замените `<connection_string>` на строку подключения вашего устройства IoT Edge `fruit-quality-detector-edge`.
+
+    Эта команда создаст виртуальную машину, настроенную как `DS1 v2`. Эти категории указывают на мощность машины, а значит, и на ее стоимость. У этой виртуальной машины 1 процессор и 3.5 ГБ оперативной памяти.
+
+    > 💰 Актуальные цены на такие виртуальные машины можно посмотреть в [руководстве по ценам на виртуальные машины Azure](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn)
+
+    После создания виртуальной машины IoT Edge runtime будет установлен автоматически и настроен для подключения к вашему IoT Hub как устройство `fruit-quality-detector-edge`.
+
+1. Вам понадобится либо IP-адрес, либо DNS-имя виртуальной машины, чтобы вызывать классификатор изображений с нее. Выполните следующую команду, чтобы получить эту информацию:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    Скопируйте значение из поля `PublicIps` или `Fqdns`.
+
+1. Виртуальные машины стоят денег. На момент написания, виртуальная машина DS1 стоит около $0.06 в час. Чтобы снизить расходы, рекомендуется выключать виртуальную машину, когда вы ее не используете, и удалять ее после завершения проекта.
+
+    Вы можете настроить автоматическое выключение виртуальной машины в определенное время каждый день. Это позволит избежать начисления платы за время, превышающее момент автоматического выключения, если вы забудете выключить машину. Используйте следующую команду для настройки:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    Замените `<vm_name>` на имя вашей виртуальной машины.
+
+    Замените `<shutdown_time_utc>` на время в формате UTC, когда вы хотите, чтобы виртуальная машина выключалась, используя 4 цифры в формате HHMM. Например, если вы хотите выключить машину в полночь по UTC, установите значение `0000`. Для 19:30 по западному побережью США используйте `0230` (19:30 по западному побережью США соответствует 2:30 по UTC).
+
+1. Ваш классификатор изображений будет работать на этом устройстве Edge, слушая порт 80 (стандартный HTTP-порт). По умолчанию входящие порты на виртуальных машинах заблокированы, поэтому вам нужно будет открыть порт 80. Порты открываются через группы безопасности сети, поэтому сначала нужно узнать имя группы безопасности сети для вашей виртуальной машины, которое можно найти с помощью следующей команды:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    Скопируйте значение из поля `Name`.
+
+1. Выполните следующую команду, чтобы добавить правило для открытия порта 80 в группе безопасности сети:
+
+    ```sh
+    az network nsg rule create \
+                        --resource-group fruit-quality-detector \
+                        --name Port_80 \
+                        --protocol tcp \
+                        --priority 1010 \
+                        --destination-port-range 80 \
+                        --nsg-name <nsg name>
+    ```
+
+    Замените `<nsg name>` на имя группы безопасности сети из предыдущего шага.
+
+### Задача — управление виртуальной машиной для снижения расходов
+
+1. Когда вы не используете виртуальную машину, рекомендуется ее выключить. Для выключения виртуальной машины используйте следующую команду:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    Замените `<vm_name>` на имя вашей виртуальной машины.
+
+    > 💁 Существует команда `az vm stop`, которая останавливает виртуальную машину, но при этом компьютер остается закрепленным за вами, и вы продолжаете платить, как будто он все еще работает.
+
+1. Чтобы перезапустить виртуальную машину, используйте следующую команду:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    Замените `<vm_name>` на имя вашей виртуальной машины.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..01dcf78e
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T22:03:11+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "ru"
+}
+-->
+# Классификация изображения с использованием классификатора изображений на базе IoT Edge - Wio Terminal
+
+В этой части урока вы будете использовать классификатор изображений, работающий на устройстве IoT Edge.
+
+## Использование классификатора IoT Edge
+
+Устройство IoT можно перенаправить для использования классификатора изображений IoT Edge. URL для классификатора изображений: `http://<IP address or name>/image`, где `<IP address or name>` заменяется на IP-адрес или имя хоста компьютера, на котором работает IoT Edge.
+
+### Задание - использование классификатора IoT Edge
+
+1. Откройте проект приложения `fruit-quality-detector`, если он еще не открыт.
+
+1. Классификатор изображений работает как REST API через HTTP, а не HTTPS, поэтому вызов должен использовать WiFi-клиент, который поддерживает только HTTP. Это означает, что сертификат не требуется. Удалите `CERTIFICATE` из файла `config.h`.
+
+1. URL для предсказаний в файле `config.h` необходимо обновить на новый URL. Вы также можете удалить `PREDICTION_KEY`, так как он не нужен.
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    Замените `<URL>` на URL вашего классификатора.
+
+1. В файле `main.cpp` измените директиву include для WiFi Client Secure, чтобы импортировать стандартную версию HTTP:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. Измените объявление `WiFiClient`, чтобы использовать версию HTTP:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. Найдите строку, которая устанавливает сертификат для WiFi-клиента. Удалите строку `client.setCACert(CERTIFICATE);` из функции `connectWiFi`.
+
+1. В функции `classifyImage` удалите строку `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);`, которая добавляет ключ предсказания в заголовок.
+
+1. Загрузите и запустите ваш код. Направьте камеру на фрукт и нажмите кнопку C. Вы увидите результат в серийном мониторе:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 Этот код можно найти в папке [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal).
+
+😀 Ваше приложение для классификации качества фруктов успешно заработало!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..bfffca3b
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,233 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T22:04:30+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "ru"
+}
+-->
+# Запуск проверки качества фруктов с помощью датчика
+
+![Скетчноут с обзором урока](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## Введение
+
+Приложение Интернета вещей (IoT) — это не просто одно устройство, которое собирает данные и отправляет их в облако. Чаще всего это множество устройств, которые работают вместе, чтобы собирать данные из физического мира с помощью датчиков, принимать решения на основе этих данных и взаимодействовать с физическим миром через актуаторы или визуализации.
+
+В этом уроке вы узнаете больше о проектировании сложных IoT-приложений, включающих несколько датчиков, облачные сервисы для анализа и хранения данных, а также отображение реакции через актуатор. Вы научитесь проектировать прототип системы контроля качества фруктов, включая использование датчиков приближения для запуска IoT-приложения, и узнаете, как будет выглядеть архитектура этого прототипа.
+
+В этом уроке мы рассмотрим:
+
+* [Проектирование сложных IoT-приложений](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Разработка системы контроля качества фруктов](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Запуск проверки качества фруктов с помощью датчика](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Данные, используемые для детектора качества фруктов](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Использование устройств разработчика для симуляции нескольких IoT-устройств](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [Переход к производству](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 Это последний урок в этом проекте, поэтому после завершения урока и выполнения задания не забудьте очистить облачные сервисы. Вам понадобятся эти сервисы для выполнения задания, поэтому сначала убедитесь, что вы его завершили.
+>
+> Если необходимо, обратитесь к [руководству по очистке проекта](../../../clean-up.md) для получения инструкций.
+
+## Проектирование сложных IoT-приложений
+
+IoT-приложения состоят из множества компонентов, включая различные устройства и интернет-сервисы.
+
+IoT-приложения можно описать как *устройства* (вещи), которые отправляют данные, генерирующие *инсайты*. Эти *инсайты* приводят к *действиям*, которые улучшают бизнес или процесс. Например, двигатель (вещь) отправляет данные о температуре. Эти данные используются для оценки того, работает ли двигатель как ожидается (инсайт). На основе инсайта приоритетно составляется график технического обслуживания двигателя (действие).
+
+* Разные устройства собирают разные данные.
+* IoT-сервисы предоставляют инсайты на основе этих данных, иногда дополняя их данными из дополнительных источников.
+* Эти инсайты приводят к действиям, включая управление актуаторами в устройствах или визуализацию данных.
+
+### Справочная архитектура IoT
+
+![Справочная архитектура IoT](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ru.png)
+
+На диаграмме выше показана справочная архитектура IoT.
+
+> 🎓 *Справочная архитектура* — это пример архитектуры, которую можно использовать в качестве ориентира при проектировании новых систем. В данном случае, если вы создаете новую IoT-систему, вы можете следовать справочной архитектуре, заменяя устройства и сервисы на свои собственные.
+
+* **Устройства** собирают данные с датчиков, возможно, взаимодействуя с периферийными сервисами для интерпретации этих данных, например, с классификаторами изображений для интерпретации данных изображений. Данные с устройств отправляются в IoT-сервис.
+* **Инсайты** получаются из серверлесс-приложений или аналитики, проводимой на сохраненных данных.
+* **Действия** могут быть командами, отправляемыми устройствам, или визуализацией данных, позволяющей людям принимать решения.
+
+![Справочная архитектура IoT](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ru.png)
+
+На диаграмме выше показаны некоторые компоненты и сервисы, рассмотренные в этих уроках, и их связь в справочной архитектуре IoT.
+
+* **Устройства** — вы написали код для устройств, чтобы собирать данные с датчиков и анализировать изображения с помощью Custom Vision, работающего как в облаке, так и на периферийном устройстве. Эти данные отправлялись в IoT Hub.
+* **Инсайты** — вы использовали Azure Functions для обработки сообщений, отправленных в IoT Hub, и сохраняли данные для последующего анализа в Azure Storage.
+* **Действия** — вы управляли актуаторами на основе решений, принятых в облаке, и команд, отправленных устройствам, а также визуализировали данные с помощью Azure Maps.
+
+✅ Подумайте о других IoT-устройствах, которые вы использовали, например, о бытовой технике с функцией умного дома. Какие устройства, инсайты и действия связаны с этим устройством и его программным обеспечением?
+
+Эта модель может быть масштабирована как в большую, так и в меньшую сторону, добавляя больше устройств и сервисов.
+
+### Данные и безопасность
+
+При определении архитектуры вашей системы необходимо постоянно учитывать данные и безопасность.
+
+* Какие данные ваше устройство отправляет и получает?
+* Как эти данные должны быть защищены?
+* Как должен быть организован доступ к устройству и облачному сервису?
+
+✅ Подумайте о безопасности данных любых IoT-устройств, которыми вы владеете. Какие из этих данных являются личными и должны оставаться конфиденциальными как при передаче, так и при хранении? Какие данные не должны храниться?
+
+## Разработка системы контроля качества фруктов
+
+Теперь давайте применим идею устройств, инсайтов и действий к нашему детектору качества фруктов, чтобы разработать более крупное приложение от начала до конца.
+
+Представьте, что вам поручили создать детектор качества фруктов для использования на перерабатывающем заводе. Фрукты перемещаются по конвейерной системе, где сотрудники вручную проверяют их и удаляют незрелые плоды. Чтобы сократить расходы, владелец завода хочет автоматизировать этот процесс.
+
+✅ Один из трендов с ростом IoT (и технологий в целом) заключается в том, что ручной труд заменяется машинами. Проведите исследование: сколько рабочих мест, по оценкам, будет потеряно из-за IoT? Сколько новых рабочих мест будет создано для разработки IoT-устройств?
+
+Вам нужно создать систему, где фрукты обнаруживаются при их поступлении на конвейер, затем фотографируются и проверяются с помощью AI-модели, работающей на периферии. Результаты отправляются в облако для хранения, и если фрукт незрелый, отправляется уведомление, чтобы его удалили.
+
+|   |   |
+| - | - |
+| **Устройства** | Датчик для обнаружения фруктов на конвейере<br>Камера для фотографирования и классификации фруктов<br>Периферийное устройство, выполняющее классификацию<br>Устройство для уведомления о незрелых фруктах |
+| **Инсайты** | Решение о проверке зрелости фруктов<br>Сохранение результатов классификации зрелости<br>Определение необходимости уведомления о незрелых фруктах |
+| **Действия** | Отправка команды устройству для фотографирования фруктов и проверки их с помощью классификатора изображений<br>Отправка команды устройству для уведомления о незрелых фруктах |
+
+### Прототипирование вашего приложения
+
+![Справочная архитектура IoT для проверки качества фруктов](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ru.png)
+
+На диаграмме выше показана справочная архитектура для этого прототипа приложения.
+
+* IoT-устройство с датчиком приближения обнаруживает поступление фруктов. Оно отправляет сообщение в облако о том, что фрукт был обнаружен.
+* Серверлесс-приложение в облаке отправляет команду другому устройству для фотографирования и классификации изображения.
+* IoT-устройство с камерой делает снимок и отправляет его в классификатор изображений, работающий на периферии. Результаты затем отправляются в облако.
+* Серверлесс-приложение в облаке сохраняет эту информацию для последующего анализа, чтобы определить процент незрелых фруктов. Если фрукт незрелый, оно отправляет команду другому IoT-устройству для уведомления работников завода через светодиод.
+
+> 💁 Вся эта IoT-система могла бы быть реализована как одно устройство, с встроенной логикой для запуска классификации изображений и управления светодиодом. Оно могло бы использовать IoT Hub только для отслеживания количества обнаруженных незрелых фруктов и настройки устройства. В этом уроке система расширена, чтобы продемонстрировать концепции для крупномасштабных IoT-приложений.
+
+Для прототипа вы реализуете все это на одном устройстве. Если вы используете микроконтроллер, то для запуска классификатора изображений вам потребуется отдельное периферийное устройство. Вы уже изучили большинство вещей, которые вам понадобятся для создания этого.
+
+## Запуск проверки качества фруктов с помощью датчика
+
+IoT-устройству нужен какой-то триггер, чтобы указать, когда фрукт готов к классификации. Одним из таких триггеров может быть измерение расстояния до датчика, чтобы определить, что фрукт находится в нужном месте на конвейере.
+
+![Датчики приближения отправляют лазерные лучи к объектам, таким как бананы, и измеряют время, за которое луч возвращается](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ru.png)
+
+Датчики приближения можно использовать для измерения расстояния от датчика до объекта. Обычно они излучают луч электромагнитного излучения, например лазерный луч или инфракрасный свет, а затем обнаруживают излучение, отраженное от объекта. Время между отправкой луча и возвращением сигнала можно использовать для расчета расстояния до датчика.
+
+> 💁 Вы, вероятно, использовали датчики приближения, даже не подозревая об этом. Большинство смартфонов отключают экран, когда вы подносите их к уху, чтобы случайно не завершить вызов ушной раковиной. Это работает с помощью датчика приближения, который обнаруживает объект рядом с экраном во время вызова и отключает сенсорные функции, пока телефон не окажется на определенном расстоянии.
+
+### Задача — запуск проверки качества фруктов с помощью датчика расстояния
+
+Выполните соответствующее руководство, чтобы использовать датчик приближения для обнаружения объекта с помощью вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-proximity.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-proximity.md)
+
+## Данные, используемые для детектора качества фруктов
+
+Прототип детектора фруктов включает несколько компонентов, которые взаимодействуют друг с другом.
+
+![Компоненты взаимодействуют друг с другом](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ru.png)
+
+* Датчик приближения измеряет расстояние до фрукта и отправляет данные в IoT Hub.
+* Команда для управления камерой поступает из IoT Hub на устройство с камерой.
+* Результаты классификации изображения отправляются в IoT Hub.
+* Команда для управления светодиодом, чтобы уведомить о незрелом фрукте, отправляется из IoT Hub на устройство со светодиодом.
+
+Хорошей практикой является определение структуры этих сообщений заранее, перед созданием приложения.
+
+> 💁 Практически каждый опытный разработчик хотя бы раз в своей карьере сталкивался с багами, вызванными несоответствием данных, отправляемых устройством, и ожидаемых данных.
+
+Например, если вы отправляете информацию о температуре, как бы вы определили JSON? Вы могли бы использовать поле `temperature`, или же использовать общепринятое сокращение `temp`.
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+в сравнении с:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+Также нужно учитывать единицы измерения — температура указана в °C или °F? Если вы измеряете температуру с помощью потребительского устройства, и пользователь меняет единицы отображения, вам нужно убедиться, что единицы, отправляемые в облако, остаются неизменными.
+
+✅ Проведите исследование: как проблемы с единицами измерения привели к крушению Mars Climate Orbiter стоимостью $125 миллионов?
+
+Подумайте о данных, отправляемых для детектора качества фруктов. Как бы вы определили каждое сообщение? Где бы вы анализировали данные и принимали решения о том, какие данные отправлять?
+
+Например, запуск классификации изображения с помощью датчика приближения. IoT-устройство измеряет расстояние, но где принимается решение? Устройство решает, что фрукт достаточно близко, и отправляет сообщение в IoT Hub для запуска классификации? Или оно отправляет измерения расстояния, а IoT Hub принимает решение?
+
+Ответ на такие вопросы — это зависит. Каждый случай уникален, поэтому как разработчику IoT вам нужно понимать систему, которую вы строите, как она используется и какие данные обнаруживаются.
+
+* Если решение принимается IoT Hub, вам нужно отправлять несколько измерений расстояния.
+* Если вы отправляете слишком много сообщений, это увеличивает стоимость IoT Hub и объем необходимой пропускной способности для ваших IoT-устройств (особенно на заводе с миллионами устройств). Это также может замедлить работу устройства.
+* Если решение принимается на устройстве, вам нужно предоставить способ настройки устройства для тонкой настройки машины.
+
+## Использование устройств разработчика для симуляции нескольких IoT-устройств
+
+Для создания прототипа вам понадобится ваш IoT-набор разработчика, чтобы он работал как несколько устройств, отправляющих телеметрию и реагирующих на команды.
+
+### Симуляция нескольких IoT-устройств на Raspberry Pi или виртуальном IoT-оборудовании
+
+При использовании одноплатного компьютера, такого как Raspberry Pi, вы можете запускать несколько приложений одновременно. Это позволяет симулировать несколько IoT-устройств, создавая несколько приложений, по одному на каждое 'IoT-устройство'. Например, вы можете реализовать каждое устройство как отдельный файл Python и запускать их в разных сеансах терминала.
+💁 Имейте в виду, что некоторые устройства могут не работать, если к ним одновременно обращаются несколько приложений.
+### Симуляция нескольких устройств на микроконтроллере
+
+Микроконтроллеры сложнее использовать для симуляции нескольких устройств. В отличие от одноплатных компьютеров, вы не можете запускать несколько приложений одновременно — необходимо включить всю логику для всех отдельных IoT-устройств в одно приложение.
+
+Некоторые рекомендации, которые могут облегчить этот процесс:
+
+* Создайте один или несколько классов для каждого IoT-устройства — например, классы с названиями `DistanceSensor`, `ClassifierCamera`, `LEDController`. У каждого класса могут быть свои методы `setup` и `loop`, которые вызываются основными функциями `setup` и `loop`.
+* Обрабатывайте команды в одном месте и перенаправляйте их в соответствующий класс устройства по мере необходимости.
+* В основной функции `loop` вам нужно учитывать временные интервалы для каждого устройства. Например, если у вас есть один класс устройства, который должен обрабатываться каждые 10 секунд, и другой, который должен обрабатываться каждую секунду, то в основной функции `loop` используйте задержку в 1 секунду. Каждый вызов `loop` запускает соответствующий код для устройства, которое должно обрабатываться каждую секунду, а также использует счетчик для подсчета каждого цикла, обрабатывая другое устройство, когда счетчик достигает 10 (после чего счетчик сбрасывается).
+
+## Переход к производству
+
+Прототип станет основой для финальной производственной системы. Некоторые отличия при переходе к производству:
+
+* Укрепленные компоненты — использование оборудования, разработанного для работы в условиях шума, тепла, вибрации и нагрузки на производстве.
+* Использование внутренней связи — некоторые компоненты будут общаться напрямую, избегая передачи данных через облако, отправляя данные в облако только для хранения. Как это будет реализовано, зависит от конфигурации производства: либо через прямую связь, либо через выполнение части IoT-сервиса на периферии с использованием шлюзового устройства.
+* Настраиваемые параметры — каждое производство и случай использования уникальны, поэтому оборудование должно быть настраиваемым. Например, датчик приближения может потребоваться для обнаружения различных фруктов на разных расстояниях. Вместо жесткого кодирования расстояния для запуска классификации, вы захотите сделать это настраиваемым через облако, например, используя двойник устройства.
+* Автоматическое удаление фруктов — вместо использования светодиода для оповещения о том, что фрукт незрелый, автоматизированные устройства будут удалять его.
+
+✅ Проведите исследование: Какими еще способами производственные устройства отличаются от наборов для разработчиков?
+
+---
+
+## 🚀 Задание
+
+На этом уроке вы узнали некоторые концепции, которые необходимо знать для проектирования IoT-системы. Вспомните предыдущие проекты. Как они вписываются в приведенную выше эталонную архитектуру?
+
+Выберите один из проектов, выполненных ранее, и подумайте о дизайне более сложного решения, объединяющего несколько возможностей, выходящих за рамки рассмотренных проектов. Нарисуйте архитектуру и подумайте обо всех устройствах и сервисах, которые вам понадобятся.
+
+Например, устройство отслеживания транспортных средств, которое объединяет GPS с датчиками для мониторинга таких параметров, как температура в рефрижераторе, время включения и выключения двигателя, а также идентификация водителя. Какие устройства задействованы, какие сервисы используются, какие данные передаются, и какие меры безопасности и конфиденциальности необходимо учитывать?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше об архитектуре IoT в [документации по эталонной архитектуре Azure IoT на Microsoft Docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* Узнайте больше о двойниках устройств в [документации по использованию двойников устройств в IoT Hub на Microsoft Docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* Прочитайте о OPC-UA, протоколе связи между машинами, используемом в промышленной автоматизации, на [странице OPC-UA в Википедии](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## Задание
+
+[Создайте детектор качества фруктов](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..cd636a88
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T22:07:44+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Создание детектора качества фруктов
+
+## Инструкции
+
+Создайте детектор качества фруктов!
+
+Используйте все, что вы узнали до этого момента, чтобы создать прототип детектора качества фруктов. Запустите классификацию изображений на основе близости с использованием AI-модели, работающей на периферийном устройстве, сохраните результаты классификации в хранилище и управляйте светодиодом в зависимости от степени зрелости фрукта.
+
+Вы должны быть в состоянии собрать это, используя код, который вы писали в предыдущих уроках.
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | -------- | ----------------- |
+| Настройка всех сервисов | Удалось настроить IoT Hub, приложение Azure Functions и хранилище Azure | Удалось настроить IoT Hub, но не приложение Azure Functions или хранилище Azure | Не удалось настроить ни один интернет-сервис IoT |
+| Мониторинг близости и отправка данных в IoT Hub, если объект находится ближе заданного расстояния, а также активация камеры через команду | Удалось измерить расстояние, отправить сообщение в IoT Hub, если объект достаточно близко, и отправить команду для активации камеры | Удалось измерить расстояние и отправить данные в IoT Hub, но не удалось отправить команду на камеру | Не удалось измерить расстояние, отправить сообщение в IoT Hub или активировать камеру |
+| Захват изображения, его классификация и отправка результатов в IoT Hub | Удалось захватить изображение, классифицировать его с использованием периферийного устройства и отправить результаты в IoT Hub | Удалось классифицировать изображение, но не с использованием периферийного устройства, или не удалось отправить результаты в IoT Hub | Не удалось классифицировать изображение |
+| Управление светодиодом в зависимости от результатов классификации с использованием команды, отправленной на устройство | Удалось включить светодиод через команду, если фрукт был незрелым | Удалось отправить команду на устройство, но не удалось управлять светодиодом | Не удалось отправить команду для управления светодиодом |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..9e4bafba
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T22:08:21+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "ru"
+}
+-->
+# Определение близости - Raspberry Pi
+
+В этой части урока вы добавите датчик близости к вашему Raspberry Pi и будете считывать расстояние с него.
+
+## Оборудование
+
+Для Raspberry Pi потребуется датчик близости.
+
+Датчик, который вы будете использовать, — это [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Этот датчик использует лазерный модуль для измерения расстояния. Диапазон измерений датчика составляет от 10 мм до 2000 мм (1 см - 2 м), и он довольно точно передает значения в этом диапазоне. Расстояния свыше 1000 мм отображаются как 8109 мм.
+
+Лазерный дальномер расположен на задней стороне датчика, противоположной стороне от разъема Grove.
+
+Этот датчик работает через интерфейс I²C.
+
+### Подключение датчика Time of Flight
+
+Датчик Grove Time of Flight можно подключить к Raspberry Pi.
+
+#### Задание - подключите датчик Time of Flight
+
+Подключите датчик Time of Flight.
+
+![Датчик Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на датчике Time of Flight. Кабель вставляется только одной стороной.
+
+1. С выключенным Raspberry Pi подключите другой конец кабеля Grove к одному из разъемов I²C, обозначенных как **I²C**, на Grove Base Hat, установленном на Raspberry Pi. Эти разъемы находятся в нижнем ряду, на противоположной стороне от GPIO-пинов и рядом со слотом для кабеля камеры.
+
+![Датчик Grove Time of Flight, подключенный к разъему I²C](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ru.png)
+
+## Программирование датчика Time of Flight
+
+Теперь Raspberry Pi можно запрограммировать для работы с подключенным датчиком Time of Flight.
+
+### Задание - программирование датчика Time of Flight
+
+Программируйте устройство.
+
+1. Включите Raspberry Pi и дождитесь его загрузки.
+
+1. Откройте код `fruit-quality-detector` в VS Code, либо непосредственно на Raspberry Pi, либо подключившись через расширение Remote SSH.
+
+1. Установите пакет rpi-vl53l0x через Pip. Это Python-библиотека для работы с датчиком расстояния VL53L0X. Установите его с помощью следующей команды pip:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. Создайте новый файл в этом проекте с именем `distance-sensor.py`.
+
+    > 💁 Легкий способ симулировать несколько IoT-устройств — это создать для каждого отдельный Python-файл, а затем запускать их одновременно.
+
+1. Добавьте следующий код в этот файл:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Этот код импортирует библиотеку Grove I²C bus и библиотеку для работы с основным оборудованием датчика Grove Time of Flight.
+
+1. Далее добавьте следующий код для доступа к датчику:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    Этот код объявляет датчик расстояния, используя шину Grove I²C, а затем запускает датчик.
+
+1. Наконец, добавьте бесконечный цикл для считывания расстояний:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Этот код ждет, пока значение будет готово для считывания с датчика, а затем выводит его в консоль.
+
+1. Запустите этот код.
+
+    > 💁 Не забудьте, что этот файл называется `distance-sensor.py`! Убедитесь, что вы запускаете его через Python, а не `app.py`.
+
+1. Вы увидите измерения расстояния в консоли. Размещайте объекты рядом с датчиком, и вы увидите измеренные расстояния:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Дальномер находится на задней стороне датчика, поэтому убедитесь, что вы используете правильную сторону при измерении расстояния.
+
+    ![Дальномер на задней стороне датчика Time of Flight, направленный на банан](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ru.png)
+
+> 💁 Этот код можно найти в папке [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi).
+
+😀 Ваше программирование датчика близости прошло успешно!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..52a1080a
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T22:10:30+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "ru"
+}
+-->
+# Обнаружение близости - Виртуальное IoT оборудование
+
+В этой части урока вы добавите датчик близости к вашему виртуальному IoT-устройству и будете считывать расстояние с него.
+
+## Оборудование
+
+Виртуальное IoT-устройство будет использовать симулированный датчик расстояния.
+
+В физическом IoT-устройстве вы бы использовали датчик с лазерным модулем для измерения расстояния.
+
+### Добавление датчика расстояния в CounterFit
+
+Чтобы использовать виртуальный датчик расстояния, необходимо добавить его в приложение CounterFit.
+
+#### Задача - добавление датчика расстояния в CounterFit
+
+Добавьте датчик расстояния в приложение CounterFit.
+
+1. Откройте код `fruit-quality-detector` в VS Code и убедитесь, что виртуальная среда активирована.
+
+1. Установите дополнительный пакет Pip, чтобы добавить CounterFit shim, который может взаимодействовать с датчиками расстояния, симулируя [rpi-vl53l0x Pip package](https://pypi.org/project/rpi-vl53l0x/) — Python-пакет, который работает с [датчиком расстояния VL53L0X](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/). Убедитесь, что установка выполняется из терминала с активированной виртуальной средой.
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. Убедитесь, что веб-приложение CounterFit запущено.
+
+1. Создайте датчик расстояния:
+
+    1. В поле *Create sensor* на панели *Sensors* раскройте список *Sensor type* и выберите *Distance*.
+
+    1. Оставьте *Units* как `Millimeter`.
+
+    1. Этот датчик является датчиком I²C, поэтому установите адрес `0x29`. Если бы вы использовали физический датчик VL53L0X, он был бы жестко привязан к этому адресу.
+
+    1. Нажмите кнопку **Add**, чтобы создать датчик расстояния.
+
+    ![Настройки датчика расстояния](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ru.png)
+
+    Датчик расстояния будет создан и появится в списке датчиков.
+
+    ![Созданный датчик расстояния](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ru.png)
+
+## Программирование датчика расстояния
+
+Теперь виртуальное IoT-устройство можно запрограммировать для использования симулированного датчика расстояния.
+
+### Задача - программирование датчика времени полета
+
+1. Создайте новый файл в проекте `fruit-quality-detector` с именем `distance-sensor.py`.
+
+    > 💁 Легкий способ симулировать несколько IoT-устройств — создать для каждого отдельный Python-файл, а затем запускать их одновременно.
+
+1. Начните подключение к CounterFit с помощью следующего кода:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. Добавьте следующий код ниже:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    Этот код импортирует библиотеку shim для датчика времени полета VL53L0X.
+
+1. Ниже добавьте следующий код для доступа к датчику:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    Этот код объявляет датчик расстояния, а затем запускает его.
+
+1. Наконец, добавьте бесконечный цикл для считывания расстояний:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    Этот код ожидает готовности значения для считывания с датчика, а затем выводит его в консоль.
+
+1. Запустите этот код.
+
+    > 💁 Не забудьте, что этот файл называется `distance-sensor.py`! Убедитесь, что вы запускаете его через Python, а не `app.py`.
+
+1. Вы увидите измерения расстояния в консоли. Измените значение в CounterFit, чтобы увидеть, как оно меняется, или используйте случайные значения.
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device).
+
+😀 Программа для вашего датчика близости успешно завершена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..dbed4fcf
--- /dev/null
+++ b/translations/ru/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T22:09:27+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "ru"
+}
+-->
+# Обнаружение близости - Wio Terminal
+
+В этой части урока вы добавите датчик близости к вашему Wio Terminal и будете считывать расстояние с него.
+
+## Оборудование
+
+Для Wio Terminal потребуется датчик близости.
+
+Датчик, который вы будете использовать, — это [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html). Этот датчик использует лазерный модуль для измерения расстояния. Диапазон измерений датчика составляет от 10 мм до 2000 мм (1 см - 2 м), и он довольно точно передает значения в этом диапазоне. Расстояния выше 1000 мм будут отображаться как 8109 мм.
+
+Лазерный дальномер находится на задней стороне датчика, противоположной стороне от разъема Grove.
+
+Это I²C датчик.
+
+### Подключение датчика Time of Flight
+
+Датчик Grove Time of Flight можно подключить к Wio Terminal.
+
+#### Задание - подключите датчик Time of Flight
+
+Подключите датчик Time of Flight.
+
+![Датчик Grove Time of Flight](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на датчике Time of Flight. Кабель вставляется только в одном направлении.
+
+1. С отключенным от компьютера или другого источника питания Wio Terminal подключите другой конец кабеля Grove к левому разъему Grove на Wio Terminal, если смотреть на экран. Это разъем, который находится ближе всего к кнопке питания. Этот разъем поддерживает цифровой и I²C интерфейсы.
+
+![Датчик Grove Time of Flight, подключенный к левому разъему](../../../../../translated_images/wio-time-of-flight-sensor.c4c182131d2ea73df67febd004dc0313d271013d016be9c47e7da4d77c6c20a8.ru.png)
+
+1. Теперь вы можете подключить Wio Terminal к компьютеру.
+
+## Программирование датчика Time of Flight
+
+Теперь Wio Terminal можно запрограммировать для работы с подключенным датчиком Time of Flight.
+
+### Задание - запрограммируйте датчик Time of Flight
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите проект `distance-sensor`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+1. Добавьте зависимость библиотеки для датчика расстояния Seeed Grove Time of Flight в файл `platformio.ini` проекта:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Ranging sensor - VL53L0X @ ^1.1.1
+    ```
+
+1. В `main.cpp` добавьте следующий код ниже существующих директив include, чтобы объявить экземпляр класса `Seeed_vl53l0x` для взаимодействия с датчиком Time of Flight:
+
+    ```cpp
+    #include "Seeed_vl53l0x.h"
+    
+    Seeed_vl53l0x VL53L0X;
+    ```
+
+1. Добавьте следующий код в конец функции `setup` для инициализации датчика:
+
+    ```cpp
+    VL53L0X.VL53L0X_common_init();
+    VL53L0X.VL53L0X_high_accuracy_ranging_init();
+    ```
+
+1. В функции `loop` считайте значение с датчика:
+
+    ```cpp
+    VL53L0X_RangingMeasurementData_t RangingMeasurementData;
+    memset(&RangingMeasurementData, 0, sizeof(VL53L0X_RangingMeasurementData_t));
+
+    VL53L0X.PerformSingleRangingMeasurement(&RangingMeasurementData);
+    ```
+
+    Этот код инициализирует структуру данных для считывания информации, затем передает её в метод `PerformSingleRangingMeasurement`, где она будет заполнена измерением расстояния.
+
+1. После этого выведите измерение расстояния, затем сделайте задержку на 1 секунду:
+
+    ```cpp
+    Serial.print("Distance = ");
+    Serial.print(RangingMeasurementData.RangeMilliMeter);
+    Serial.println(" mm");
+
+    delay(1000);
+    ```
+
+1. Соберите, загрузите и выполните этот код. Вы сможете увидеть измерения расстояния в последовательном мониторе. Размещайте объекты рядом с датчиком, и вы увидите измерение расстояния:
+
+    ```output
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    Дальномер находится на задней стороне датчика, поэтому убедитесь, что используете правильную сторону при измерении расстояния.
+
+    ![Дальномер на задней стороне датчика Time of Flight, направленный на банан](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code-proximity/wio-terminal](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/wio-terminal).
+
+😀 Программа для датчика близости успешно выполнена!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/README.md b/translations/ru/5-retail/README.md
new file mode 100644
index 00000000..444ec8c4
--- /dev/null
+++ b/translations/ru/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T21:28:38+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "ru"
+}
+-->
+# Розничная торговля - использование IoT для управления уровнями запасов
+
+Последний этап перед тем, как корм достигает потребителей, — это розничная торговля: рынки, овощные лавки, супермаркеты и магазины, которые продают продукцию потребителям. Эти магазины хотят быть уверены, что на полках есть продукция, которую покупатели могут увидеть и приобрести.
+
+Одна из самых трудоемких и времязатратных задач в продуктовых магазинах, особенно в крупных супермаркетах, — это обеспечение заполненности полок. Проверка каждой полки, чтобы убедиться, что все пробелы заполнены продукцией из складских помещений.
+
+IoT может помочь в этом, используя AI-модели, работающие на IoT-устройствах, для подсчета запасов. Эти модели машинного обучения не только классифицируют изображения, но и могут обнаруживать отдельные объекты и подсчитывать их.
+
+В этих двух уроках вы научитесь обучать AI-модели на основе изображений для подсчета запасов и запускать эти модели на IoT-устройствах.
+
+> 💁 В этих уроках будут использоваться облачные ресурсы. Если вы не завершите все уроки в этом проекте, убедитесь, что вы [очистили свой проект](../clean-up.md).
+
+## Темы
+
+1. [Обучение детектора запасов](./lessons/1-train-stock-detector/README.md)
+1. [Проверка запасов с IoT-устройства](./lessons/2-check-stock-device/README.md)
+
+## Благодарности
+
+Все уроки были написаны с ♥️ [Джимом Беннеттом](https://GitHub.com/JimBobBennett)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/1-train-stock-detector/README.md b/translations/ru/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..a68c8583
--- /dev/null
+++ b/translations/ru/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,206 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T21:36:39+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "ru"
+}
+-->
+# Обучение детектора товаров
+
+![Обзор урока в виде скетчнота](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ru.jpg)
+
+> Скетчнот от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор обнаружения объектов с помощью сервиса Azure Custom Vision, который будет рассмотрен в этом уроке.
+
+[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## Введение
+
+В предыдущем проекте вы использовали ИИ для обучения классификатора изображений — модели, которая может определить, содержит ли изображение что-то, например, спелый или неспелый фрукт. Другой тип модели ИИ, который можно использовать с изображениями, — это обнаружение объектов. Эти модели не классифицируют изображение по тегам, а обучаются распознавать объекты и находить их на изображениях, не только определяя, что объект присутствует, но и где он находится. Это позволяет подсчитывать объекты на изображениях.
+
+В этом уроке вы узнаете об обнаружении объектов, включая его использование в розничной торговле. Вы также научитесь обучать детектор объектов в облаке.
+
+В этом уроке мы рассмотрим:
+
+* [Обнаружение объектов](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Использование обнаружения объектов в розничной торговле](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Обучение детектора объектов](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Тестирование детектора объектов](../../../../../5-retail/lessons/1-train-stock-detector)
+* [Повторное обучение детектора объектов](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## Обнаружение объектов
+
+Обнаружение объектов включает в себя распознавание объектов на изображениях с помощью ИИ. В отличие от классификатора изображений, который вы обучали в последнем проекте, обнаружение объектов не связано с предсказанием лучшего тега для изображения в целом, а с поиском одного или нескольких объектов на изображении.
+
+### Обнаружение объектов vs классификация изображений
+
+Классификация изображений связана с классификацией изображения в целом — каковы вероятности того, что все изображение соответствует каждому тегу. Вы получаете обратно вероятности для каждого тега, использованного для обучения модели.
+
+![Классификация изображений для кешью и томатной пасты](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ru.png)
+
+В приведенном выше примере два изображения классифицируются с использованием модели, обученной классифицировать упаковки кешью или банки томатной пасты. Первое изображение — упаковка кешью, и имеет два результата от классификатора изображений:
+
+| Тег            | Вероятность |
+| -------------- | ----------: |
+| `кешью`        | 98.4%       |
+| `томатная паста` | 1.6%        |
+
+Второе изображение — банка томатной пасты, и результаты таковы:
+
+| Тег            | Вероятность |
+| -------------- | ----------: |
+| `кешью`        | 0.7%        |
+| `томатная паста` | 99.3%       |
+
+Вы могли бы использовать эти значения с пороговым процентом, чтобы предсказать, что находится на изображении. Но что, если изображение содержит несколько банок томатной пасты или и кешью, и томатную пасту? Результаты, вероятно, не дадут вам желаемого. Здесь на помощь приходит обнаружение объектов.
+
+Обнаружение объектов включает обучение модели распознавать объекты. Вместо того чтобы предоставлять ей изображения, содержащие объект, и говорить, что каждое изображение соответствует одному тегу или другому, вы выделяете часть изображения, содержащую конкретный объект, и присваиваете ей тег. Вы можете тегировать один объект на изображении или несколько. Таким образом, модель учится, как выглядит сам объект, а не только как выглядят изображения, содержащие объект.
+
+Когда вы затем используете модель для предсказания изображений, вместо списка тегов и процентов вы получаете список обнаруженных объектов с их ограничивающими рамками и вероятностью того, что объект соответствует назначенному тегу.
+
+> 🎓 *Ограничивающие рамки* — это рамки вокруг объекта.
+
+![Обнаружение объектов для кешью и томатной пасты](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ru.png)
+
+На изображении выше содержится упаковка кешью и три банки томатной пасты. Детектор объектов обнаружил кешью, вернув ограничивающую рамку, содержащую кешью, с процентной вероятностью того, что рамка содержит объект, в данном случае 97.6%. Детектор также обнаружил три банки томатной пасты и предоставил три отдельные ограничивающие рамки, одну для каждой обнаруженной банки, каждая из которых имеет процентную вероятность того, что рамка содержит банку томатной пасты.
+
+✅ Подумайте о различных сценариях, для которых вы могли бы использовать модели ИИ, основанные на изображениях. Какие из них потребуют классификации, а какие — обнаружения объектов?
+
+### Как работает обнаружение объектов
+
+Обнаружение объектов использует сложные модели машинного обучения. Эти модели работают, разделяя изображение на множество ячеек, а затем проверяют, находится ли центр ограничивающей рамки в центре изображения, которое соответствует одному из изображений, использованных для обучения модели. Вы можете представить это как своего рода запуск классификатора изображений по различным частям изображения для поиска совпадений.
+
+> 💁 Это сильное упрощение. Существует множество техник для обнаружения объектов, и вы можете узнать больше о них на [странице обнаружения объектов в Википедии](https://wikipedia.org/wiki/Object_detection).
+
+Существует ряд различных моделей, которые могут выполнять обнаружение объектов. Одна из особенно известных моделей — [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/), которая невероятно быстра и может обнаруживать 20 различных классов объектов, таких как люди, собаки, бутылки и автомобили.
+
+✅ Ознакомьтесь с моделью YOLO на [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/)
+
+Модели обнаружения объектов могут быть переобучены с использованием переноса обучения для обнаружения пользовательских объектов.
+
+## Использование обнаружения объектов в розничной торговле
+
+Обнаружение объектов имеет множество применений в розничной торговле. Некоторые из них включают:
+
+* **Проверка и подсчет запасов** — распознавание, когда запасы на полках заканчиваются. Если запасы слишком низкие, можно отправить уведомления сотрудникам или роботам для пополнения полок.
+* **Обнаружение масок** — в магазинах с политикой ношения масок во время общественных мероприятий по охране здоровья обнаружение объектов может распознавать людей с масками и без них.
+* **Автоматизированная оплата** — обнаружение товаров, взятых с полок в автоматизированных магазинах, и правильное выставление счетов клиентам.
+* **Обнаружение опасностей** — распознавание разбитых предметов на полу или разлитых жидкостей, оповещение уборочных бригад.
+
+✅ Проведите исследование: Какие еще случаи использования обнаружения объектов в розничной торговле вы можете придумать?
+
+## Обучение детектора объектов
+
+Вы можете обучить детектор объектов с помощью Custom Vision, аналогично тому, как вы обучали классификатор изображений.
+
+### Задача — создать детектор объектов
+
+1. Создайте группу ресурсов для этого проекта под названием `stock-detector`.
+
+1. Создайте бесплатный ресурс обучения Custom Vision и бесплатный ресурс предсказания Custom Vision в группе ресурсов `stock-detector`. Назовите их `stock-detector-training` и `stock-detector-prediction`.
+
+    > 💁 У вас может быть только один бесплатный ресурс обучения и предсказания, поэтому убедитесь, что вы очистили проект из предыдущих уроков.
+
+    > ⚠️ Вы можете обратиться к [инструкциям по созданию ресурсов обучения и предсказания из проекта 4, урока 1, если это необходимо](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource).
+
+1. Запустите портал Custom Vision на [CustomVision.ai](https://customvision.ai) и войдите в систему с учетной записью Microsoft, которую вы использовали для своей учетной записи Azure.
+
+1. Следуйте разделу [Создание нового проекта в быстром старте по созданию детектора объектов в документации Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project), чтобы создать новый проект Custom Vision. Интерфейс может измениться, и эта документация всегда является наиболее актуальным источником.
+
+    Назовите ваш проект `stock-detector`.
+
+    При создании проекта убедитесь, что вы используете ресурс `stock-detector-training`, который вы создали ранее. Используйте тип проекта *Обнаружение объектов* и домен *Продукты на полках*.
+
+    ![Настройки проекта Custom Vision с именем fruit-quality-detector, без описания, ресурсом fruit-quality-detector-training, типом проекта классификация, типами классификации multi class и доменом food](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ru.png)
+
+    ✅ Домен продуктов на полках специально предназначен для обнаружения запасов на полках магазинов. Узнайте больше о различных доменах в [документации по выбору домена на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)
+
+✅ Потратьте время на изучение интерфейса Custom Vision для вашего детектора объектов.
+
+### Задача — обучить ваш детектор объектов
+
+Для обучения вашей модели вам понадобится набор изображений, содержащих объекты, которые вы хотите обнаружить.
+
+1. Соберите изображения, содержащие объект для обнаружения. Вам понадобится как минимум 15 изображений, содержащих каждый объект для обнаружения, с разных углов и при разных условиях освещения, но чем больше, тем лучше. Этот детектор объектов использует домен *Продукты на полках*, поэтому постарайтесь расположить объекты так, как если бы они находились на полке магазина. Вам также понадобится несколько изображений для тестирования модели. Если вы обнаруживаете более одного объекта, вам понадобятся тестовые изображения, содержащие все объекты.
+
+    > 💁 Изображения с несколькими различными объектами учитываются в минимуме 15 изображений для всех объектов на изображении.
+
+    Ваши изображения должны быть в формате png или jpeg, размером менее 6 МБ. Если вы создаете их, например, с помощью iPhone, они могут быть высококачественными изображениями HEIC, поэтому их нужно будет преобразовать и, возможно, уменьшить. Чем больше изображений, тем лучше, и у вас должно быть примерно одинаковое количество спелых и неспелых.
+
+    Модель предназначена для продуктов на полках, поэтому постарайтесь фотографировать объекты на полках.
+
+    Вы можете найти примеры изображений, которые можно использовать, в папке [images](../../../../../5-retail/lessons/1-train-stock-detector/images) с кешью и томатной пастой.
+
+1. Следуйте разделу [Загрузка и тегирование изображений в быстром старте по созданию детектора объектов в документации Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), чтобы загрузить ваши обучающие изображения. Создайте соответствующие теги в зависимости от типов объектов, которые вы хотите обнаружить.
+
+    ![Диалоги загрузки, показывающие загрузку изображений спелых и неспелых бананов](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ru.png)
+
+    Когда вы рисуете ограничивающие рамки для объектов, держите их плотно вокруг объекта. Это может занять некоторое время, чтобы обрисовать все изображения, но инструмент обнаружит предполагаемые ограничивающие рамки, что сделает процесс быстрее.
+
+    ![Тегирование томатной пасты](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ru.png)
+
+    > 💁 Если у вас есть более 15 изображений для каждого объекта, вы можете обучить модель после 15 изображений, а затем использовать функцию **Предложенные теги**. Это позволит обученной модели обнаруживать объекты на нетегированных изображениях. Вы можете подтвердить обнаруженные объекты или отклонить и перерисовать ограничивающие рамки. Это может значительно сэкономить время.
+
+1. Следуйте разделу [Обучение детектора в быстром старте по созданию детектора объектов в документации Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector), чтобы обучить детектор объектов на ваших тегированных изображениях.
+
+    Вам будет предложен выбор типа обучения. Выберите **Быстрое обучение**.
+
+Детектор объектов начнет обучение. Это займет несколько минут.
+
+## Тестирование вашего детектора объектов
+
+После того как ваш детектор объектов обучен, вы можете протестировать его, предоставив ему новые изображения для обнаружения объектов.
+
+### Задача — протестировать ваш детектор объектов
+
+1. Используйте кнопку **Быстрое тестирование**, чтобы загрузить тестовые изображения и проверить, обнаружены ли объекты. Используйте тестовые изображения, которые вы создали ранее, а не те, которые использовались для обучения.
+
+    ![Обнаружены 3 банки томатной пасты с вероятностями 38%, 35.5% и 34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ru.png)
+
+1. Попробуйте все тестовые изображения, которые у вас есть, и наблюдайте за вероятностями.
+
+## Повторное обучение вашего детектора объектов
+
+Когда вы тестируете ваш детектор объектов, он может не дать ожидаемых результатов, как и классификаторы изображений в предыдущем проекте. Вы можете улучшить ваш детектор объектов, переобучив его на изображениях, где он ошибается.
+
+Каждый раз, когда вы делаете предсказание с помощью опции быстрого тестирования, изображение и результаты сохраняются. Вы можете использовать эти изображения для повторного обучения вашей модели.
+
+1. Используйте вкладку **Предсказания**, чтобы найти изображения, которые вы использовали для тестирования.
+
+1. Подтвердите любые точные обнаружения, удалите неверные и добавьте недостающие объекты.
+
+1. Переобучите и повторно протестируйте модель.
+
+---
+
+## 🚀 Задача
+
+Что произойдет, если вы используете детектор объектов с похожими предметами, например, банки томатной пасты и нарезанных томатов одного бренда?
+
+Если у вас есть похожие предметы, протестируйте их, добавив изображения в ваш детектор объектов.
+
+## Викторина после лекции
+[Тест после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## Обзор и самостоятельное изучение
+
+* Когда вы обучали свой детектор объектов, вы могли видеть значения *Precision* (Точность), *Recall* (Полнота) и *mAP* (Средняя точность), которые оценивают созданную модель. Ознакомьтесь с тем, что означают эти значения, используя [раздел "Оценка детектора" в быстром старте по созданию детектора объектов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector)
+* Узнайте больше о детекции объектов на [странице "Детекция объектов" в Википедии](https://wikipedia.org/wiki/Object_detection)
+
+## Задание
+
+[Сравните домены](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/ru/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..5232ad91
--- /dev/null
+++ b/translations/ru/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T21:39:27+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Сравнение доменов
+
+## Инструкции
+
+При создании вашего детектора объектов у вас был выбор из нескольких доменов. Сравните, насколько хорошо они работают для вашего детектора, и опишите, какой из них дает лучшие результаты.
+
+Чтобы изменить домен, выберите кнопку **Настройки** в верхнем меню, выберите новый домен, нажмите кнопку **Сохранить изменения**, затем повторно обучите модель. Убедитесь, что вы протестировали новую итерацию модели, обученной с использованием нового домена.
+
+## Критерии оценки
+
+| Критерий | Отлично | Удовлетворительно | Требует улучшения |
+| -------- | --------- | ----------------- | ----------------- |
+| Обучение модели с другим доменом | Удалось изменить домен и повторно обучить модель | Удалось изменить домен и повторно обучить модель | Не удалось изменить домен или повторно обучить модель |
+| Тестирование модели и сравнение результатов | Удалось протестировать модель с разными доменами, сравнить результаты и описать, какой лучше | Удалось протестировать модель с разными доменами, но не удалось сравнить результаты и описать, какой лучше | Не удалось протестировать модель с разными доменами |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/README.md b/translations/ru/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..008caf6b
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T21:30:10+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "ru"
+}
+-->
+# Проверка наличия товара с помощью IoT-устройства
+
+![Скетчноут с обзором урока](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## Введение
+
+В предыдущем уроке вы узнали о различных способах использования детекции объектов в розничной торговле. Вы также научились обучать детектор объектов для идентификации товара. В этом уроке вы узнаете, как использовать ваш детектор объектов с IoT-устройства для подсчета товара.
+
+В этом уроке мы рассмотрим:
+
+* [Подсчет товара](../../../../../5-retail/lessons/2-check-stock-device)
+* [Вызов детектора объектов с IoT-устройства](../../../../../5-retail/lessons/2-check-stock-device)
+* [Границы объектов](../../../../../5-retail/lessons/2-check-stock-device)
+* [Переобучение модели](../../../../../5-retail/lessons/2-check-stock-device)
+* [Подсчет товара](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 Это последний урок в этом проекте, поэтому после завершения урока и выполнения задания не забудьте очистить облачные сервисы. Вам понадобятся эти сервисы для выполнения задания, поэтому сначала убедитесь, что задание выполнено.
+>
+> Если необходимо, обратитесь к [руководству по очистке проекта](../../../clean-up.md) для получения инструкций.
+
+## Подсчет товара
+
+Детекторы объектов могут использоваться для проверки наличия товара, подсчета или обеспечения его правильного расположения. IoT-устройства с камерами могут быть размещены по всему магазину для мониторинга товара, начиная с ключевых зон, где важно своевременное пополнение, например, в местах, где хранятся небольшие количества товаров высокой стоимости.
+
+Например, если камера направлена на полки, которые могут вместить 8 банок томатной пасты, а детектор объектов обнаруживает только 7 банок, то одна банка отсутствует и требует пополнения.
+
+![7 банок томатной пасты на полке, 4 на верхнем ряду, 3 на нижнем](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ru.png)
+
+На изображении выше детектор объектов обнаружил 7 банок томатной пасты на полке, которая может вместить 8 банок. IoT-устройство может не только отправить уведомление о необходимости пополнения, но и указать местоположение отсутствующего товара, что особенно важно, если вы используете роботов для пополнения полок.
+
+> 💁 В зависимости от магазина и популярности товара, пополнение, вероятно, не будет происходить, если отсутствует только одна банка. Вам нужно будет разработать алгоритм, который определяет, когда необходимо пополнение, основываясь на вашем ассортименте, клиентах и других критериях.
+
+✅ В каких еще сценариях можно комбинировать детекцию объектов и роботов?
+
+Иногда на полках может оказаться неправильный товар. Это может быть результатом человеческой ошибки при пополнении или того, что покупатели передумали и положили товар в первое попавшееся место. Если это непортящийся товар, например консервированные продукты, это просто неудобство. Если это портящийся товар, например замороженные или охлажденные продукты, это может означать, что товар больше нельзя продавать, так как невозможно определить, сколько времени он находился вне морозильника.
+
+Детекция объектов может использоваться для обнаружения неожиданных товаров, снова уведомляя человека или робота о необходимости вернуть товар на правильное место.
+
+![Банка детской кукурузы на полке с томатной пастой](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ru.png)
+
+На изображении выше банка детской кукурузы была помещена на полку рядом с томатной пастой. Детектор объектов обнаружил это, позволяя IoT-устройству уведомить человека или робота о необходимости вернуть банку на ее правильное место.
+
+## Вызов детектора объектов с IoT-устройства
+
+Детектор объектов, который вы обучили в прошлом уроке, можно вызвать с вашего IoT-устройства.
+
+### Задача - публикация итерации детектора объектов
+
+Итерации публикуются через портал Custom Vision.
+
+1. Откройте портал Custom Vision на [CustomVision.ai](https://customvision.ai) и войдите в систему, если он еще не открыт. Затем откройте ваш проект `stock-detector`.
+
+1. Выберите вкладку **Performance** в верхнем меню.
+
+1. Выберите последнюю итерацию из списка *Iterations* на боковой панели.
+
+1. Нажмите кнопку **Publish** для итерации.
+
+    ![Кнопка публикации](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ru.png)
+
+1. В диалоговом окне *Publish Model* установите *Prediction resource* на ресурс `stock-detector-prediction`, который вы создали в прошлом уроке. Оставьте имя как `Iteration2` и нажмите кнопку **Publish**.
+
+1. После публикации нажмите кнопку **Prediction URL**. Это покажет детали API предсказаний, которые вам понадобятся для вызова модели с вашего IoT-устройства. Нижняя часть окна помечена как *If you have an image file*, и это те данные, которые вам нужны. Скопируйте URL, который будет выглядеть примерно так:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    Где `<location>` — это местоположение, которое вы использовали при создании ресурса Custom Vision, а `<id>` — длинный идентификатор, состоящий из букв и цифр.
+
+    Также скопируйте значение *Prediction-Key*. Это защищенный ключ, который необходимо передать при вызове модели. Только приложения, передающие этот ключ, могут использовать модель, все остальные будут отклонены.
+
+    ![Диалог API предсказаний, показывающий URL и ключ](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ru.png)
+
+✅ Когда публикуется новая итерация, она будет иметь другое имя. Как вы думаете, как можно изменить итерацию, которую использует IoT-устройство?
+
+### Задача - вызов детектора объектов с IoT-устройства
+
+Следуйте соответствующему руководству ниже, чтобы использовать детектор объектов с вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное устройство](single-board-computer-object-detector.md)
+
+## Границы объектов
+
+Когда вы используете детектор объектов, вы получаете не только обнаруженные объекты с их метками и вероятностями, но также границы объектов. Они определяют, где детектор объектов обнаружил объект с заданной вероятностью.
+
+> 💁 Граница объекта — это рамка, которая определяет область, содержащую обнаруженный объект, рамка, задающая границы объекта.
+
+Результаты предсказания во вкладке **Predictions** в Custom Vision имеют границы, нарисованные на изображении, которое было отправлено для предсказания.
+
+![4 банки томатной пасты на полке с предсказаниями для 4 обнаружений: 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png)
+
+На изображении выше были обнаружены 4 банки томатной пасты. В результатах красный квадрат наложен на каждый объект, который был обнаружен на изображении, указывая границы для изображения.
+
+✅ Откройте предсказания в Custom Vision и посмотрите на границы объектов.
+
+Границы объектов определяются с помощью 4 значений — верх, левый край, высота и ширина. Эти значения находятся в диапазоне от 0 до 1, представляя позиции как процент от размера изображения. Начало координат (позиция 0,0) находится в верхнем левом углу изображения, поэтому значение "верх" — это расстояние от верха, а нижняя граница объекта — это верх плюс высота.
+
+![Граница вокруг банки томатной пасты](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ru.png)
+
+Изображение выше имеет ширину 600 пикселей и высоту 800 пикселей. Граница начинается на 320 пикселей вниз, что дает значение "верх" 0.4 (800 x 0.4 = 320). Слева граница начинается на 240 пикселей, что дает значение "левый край" 0.4 (600 x 0.4 = 240). Высота границы составляет 240 пикселей, что дает значение "высота" 0.3 (800 x 0.3 = 240). Ширина границы составляет 120 пикселей, что дает значение "ширина" 0.2 (600 x 0.2 = 120).
+
+| Координата | Значение |
+| ---------- | -------: |
+| Верх       | 0.4      |
+| Левый край | 0.4      |
+| Высота     | 0.3      |
+| Ширина     | 0.2      |
+
+Использование процентных значений от 0 до 1 означает, что независимо от того, как масштабируется изображение, граница начинается на 0.4 от начала и вниз, и составляет 0.3 от высоты и 0.2 от ширины.
+
+Вы можете использовать границы объектов в сочетании с вероятностями для оценки точности обнаружения. Например, детектор объектов может обнаружить несколько объектов, которые перекрываются, например, обнаружив одну банку внутри другой. Ваш код может проверить границы объектов, понять, что это невозможно, и игнорировать любые объекты, которые значительно перекрываются с другими.
+
+![Две границы перекрывают банку томатной пасты](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ru.png)
+
+В приведенном выше примере одна граница указывает на предсказанную банку томатной пасты с вероятностью 78.3%. Вторая граница немного меньше и находится внутри первой границы с вероятностью 64.3%. Ваш код может проверить границы, увидеть, что они полностью перекрываются, и игнорировать более низкую вероятность, так как невозможно, чтобы одна банка находилась внутри другой.
+
+✅ Можете ли вы придумать ситуацию, когда допустимо обнаружение одного объекта внутри другого?
+
+## Переобучение модели
+
+Как и с классификатором изображений, вы можете переобучить вашу модель, используя данные, собранные вашим IoT-устройством. Использование данных из реального мира обеспечит хорошую работу модели при использовании с IoT-устройством.
+
+В отличие от классификатора изображений, вы не можете просто пометить изображение. Вместо этого вам нужно проверить каждую границу объекта, обнаруженную моделью. Если граница вокруг неправильного объекта, ее нужно удалить, если она находится в неправильном месте, ее нужно исправить.
+
+### Задача - переобучение модели
+
+1. Убедитесь, что вы собрали разнообразные изображения с вашего IoT-устройства.
+
+1. Во вкладке **Predictions** выберите изображение. Вы увидите красные рамки, указывающие границы обнаруженных объектов.
+
+1. Проверьте каждую границу. Выберите ее, и вы увидите всплывающее окно с меткой. Используйте ручки на углах границы, чтобы при необходимости изменить размер. Если метка неправильная, удалите ее с помощью кнопки **X** и добавьте правильную метку. Если граница не содержит объекта, удалите ее с помощью кнопки с изображением мусорной корзины.
+
+1. Закройте редактор, когда закончите, и изображение переместится из вкладки **Predictions** во вкладку **Training Images**. Повторите процесс для всех предсказаний.
+
+1. Используйте кнопку **Train**, чтобы переобучить вашу модель. После завершения обучения опубликуйте итерацию и обновите ваше IoT-устройство, чтобы использовать URL новой итерации.
+
+1. Заново разверните ваш код и протестируйте ваше IoT-устройство.
+
+## Подсчет товара
+
+Используя комбинацию количества обнаруженных объектов и их границ, вы можете подсчитать товар на полке.
+
+### Задача - подсчет товара
+
+Следуйте соответствующему руководству ниже, чтобы подсчитать товар, используя результаты детектора объектов с вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное устройство](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 Задание
+
+Можете ли вы обнаружить неправильный товар? Обучите вашу модель на нескольких объектах, затем обновите ваше приложение, чтобы оно уведомляло вас, если обнаружен неправильный товар.
+
+Может быть, даже пойдите дальше и обнаружьте товар, стоящий рядом на одной полке, и проверьте, не был ли он помещен в неправильное место, определяя ограничения на границы объектов.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о том, как спроектировать систему обнаружения отсутствующего товара, из [руководства по шаблону обнаружения отсутствующего товара на краю на Microsoft Docs](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn)
+* Узнайте другие способы создания комплексных решений для розничной торговли, комбинируя различные IoT и облачные сервисы, посмотрев [видео "За кулисами розничного решения - Практика!" на YouTube](https://www.youtube.com/watch?v=m3Pc300x2Mw).
+
+## Задание
+
+[Используйте ваш детектор объектов на краю](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/assignment.md b/translations/ru/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..3a330d95
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T21:32:43+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Используйте ваш детектор объектов на периферии
+
+## Инструкции
+
+В последнем проекте вы развернули ваш классификатор изображений на периферии. Сделайте то же самое с вашим детектором объектов: экспортируйте его как компактную модель и запустите на периферии, получая доступ к версии для периферии с вашего IoT-устройства.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Разверните ваш детектор объектов на периферии | Удалось использовать правильный компактный домен, экспортировать детектор объектов и запустить его на периферии | Удалось использовать правильный компактный домен и экспортировать детектор объектов, но не удалось запустить его на периферии | Не удалось использовать правильный компактный домен, экспортировать детектор объектов и запустить его на периферии |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..e7361e38
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T21:34:23+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "ru"
+}
+-->
+# Подсчет товаров с вашего IoT-устройства - Виртуальное IoT-оборудование и Raspberry Pi
+
+Сочетание предсказаний и их ограничивающих рамок можно использовать для подсчета товаров на изображении.
+
+## Отображение ограничивающих рамок
+
+В качестве полезного шага отладки вы можете не только вывести ограничивающие рамки в консоль, но и нарисовать их на изображении, которое сохраняется на диск при захвате изображения.
+
+### Задача - вывести ограничивающие рамки
+
+1. Убедитесь, что проект `stock-counter` открыт в VS Code, и виртуальная среда активирована, если вы используете виртуальное IoT-устройство.
+
+1. Измените оператор `print` в цикле `for` на следующий, чтобы вывести ограничивающие рамки в консоль:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. Запустите приложение с камерой, направленной на товары на полке. Ограничивающие рамки будут выведены в консоль с указанием значений left, top, width и height в диапазоне от 0 до 1.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
+    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
+    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
+    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
+    ```
+
+### Задача - нарисовать ограничивающие рамки на изображении
+
+1. Пакет Pip [Pillow](https://pypi.org/project/Pillow/) можно использовать для рисования на изображениях. Установите его с помощью следующей команды:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    Если вы используете виртуальное IoT-устройство, убедитесь, что команда выполняется внутри активированной виртуальной среды.
+
+1. Добавьте следующий оператор импорта в начало файла `app.py`:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    Это импортирует код, необходимый для редактирования изображения.
+
+1. Добавьте следующий код в конец файла `app.py`:
+
+    ```python
+    with Image.open('image.jpg') as im:
+        draw = ImageDraw.Draw(im)
+    
+        for prediction in predictions:
+            scale_left = prediction.bounding_box.left
+            scale_top = prediction.bounding_box.top
+            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+            
+            left = scale_left * im.width
+            top = scale_top * im.height
+            right = scale_right * im.width
+            bottom = scale_bottom * im.height
+    
+            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
+    
+        im.save('image.jpg')
+    ```
+
+    Этот код открывает ранее сохраненное изображение для редактирования. Затем он проходит по предсказаниям, получая ограничивающие рамки, и вычисляет координаты нижнего правого угла, используя значения ограничивающих рамок от 0 до 1. Эти значения преобразуются в координаты изображения путем умножения на соответствующее измерение изображения. Например, если значение left равно 0.5 для изображения шириной 600 пикселей, оно преобразуется в 300 (0.5 x 600 = 300).
+
+    Каждая ограничивающая рамка рисуется на изображении с помощью красной линии. В конце отредактированное изображение сохраняется, перезаписывая оригинал.
+
+1. Запустите приложение с камерой, направленной на товары на полке. Вы увидите файл `image.jpg` в обозревателе VS Code и сможете выбрать его, чтобы увидеть ограничивающие рамки.
+
+    ![4 банки томатной пасты с ограничивающими рамками вокруг каждой банки](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ru.jpg)
+
+## Подсчет товаров
+
+На изображении выше ограничивающие рамки слегка перекрываются. Если бы это перекрытие было значительно больше, рамки могли бы указывать на один и тот же объект. Чтобы правильно подсчитать объекты, необходимо игнорировать рамки с существенным перекрытием.
+
+### Задача - подсчет товаров с учетом перекрытия
+
+1. Пакет Pip [Shapely](https://pypi.org/project/Shapely/) можно использовать для вычисления пересечения. Если вы используете Raspberry Pi, сначала необходимо установить библиотеку-зависимость:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Установите пакет Shapely через Pip:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    Если вы используете виртуальное IoT-устройство, убедитесь, что команда выполняется внутри активированной виртуальной среды.
+
+1. Добавьте следующий оператор импорта в начало файла `app.py`:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    Это импортирует код, необходимый для создания полигонов для вычисления перекрытия.
+
+1. Над кодом, который рисует ограничивающие рамки, добавьте следующий код:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    Это определяет процент перекрытия, допустимый перед тем, как ограничивающие рамки будут считаться принадлежащими одному объекту. Значение 0.20 задает 20% перекрытия.
+
+1. Чтобы вычислить перекрытие с использованием Shapely, ограничивающие рамки нужно преобразовать в полигоны Shapely. Добавьте следующую функцию для этого:
+
+    ```python
+    def create_polygon(prediction):
+        scale_left = prediction.bounding_box.left
+        scale_top = prediction.bounding_box.top
+        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+    
+        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
+    ```
+
+    Эта функция создает полигон, используя ограничивающую рамку предсказания.
+
+1. Логика удаления перекрывающихся объектов включает сравнение всех ограничивающих рамок. Если у какой-либо пары предсказаний рамки перекрываются больше, чем допустимый порог, одно из предсказаний удаляется. Чтобы сравнить все предсказания, вы сравниваете предсказание 1 с 2, 3, 4 и т.д., затем 2 с 3, 4 и т.д. Следующий код выполняет это:
+
+    ```python
+    to_delete = []
+
+    for i in range(0, len(predictions)):
+        polygon_1 = create_polygon(predictions[i])
+    
+        for j in range(i+1, len(predictions)):
+            polygon_2 = create_polygon(predictions[j])
+            overlap = polygon_1.intersection(polygon_2).area
+
+            smallest_area = min(polygon_1.area, polygon_2.area)
+    
+            if overlap > (overlap_threshold * smallest_area):
+                to_delete.append(predictions[i])
+                break
+    
+    for d in to_delete:
+        predictions.remove(d)
+
+    print(f'Counted {len(predictions)} stock items')
+    ```
+
+    Перекрытие вычисляется с использованием метода Shapely `Polygon.intersection`, который возвращает полигон, представляющий перекрытие. Площадь этого полигона затем вычисляется. Порог перекрытия не является абсолютным значением, а должен быть процентом от ограничивающей рамки, поэтому находится наименьшая рамка, и порог перекрытия используется для вычисления допустимой площади перекрытия. Если перекрытие превышает этот порог, предсказание помечается для удаления.
+
+    Как только предсказание помечено для удаления, его больше не нужно проверять, поэтому внутренний цикл прерывается, чтобы проверить следующее предсказание. Нельзя удалять элементы из списка во время его итерации, поэтому рамки, перекрывающиеся больше допустимого порога, добавляются в список `to_delete`, а затем удаляются в конце.
+
+    В конце количество товаров выводится в консоль. Это значение можно отправить в IoT-сервис для оповещения о низком уровне запасов. Весь этот код выполняется перед рисованием ограничивающих рамок, поэтому на сгенерированных изображениях вы увидите предсказания без перекрытий.
+
+    > 💁 Это очень простой способ удаления перекрытий, при котором удаляется первое из двух перекрывающихся предсказаний. Для производственного кода вы могли бы добавить больше логики, например, учитывать перекрытия между несколькими объектами или случаи, когда одна рамка полностью содержится в другой.
+
+1. Запустите приложение с камерой, направленной на товары на полке. Вывод покажет количество ограничивающих рамок без перекрытий, превышающих порог. Попробуйте изменить значение `overlap_threshold`, чтобы увидеть, как предсказания игнорируются.
+
+> 💁 Этот код можно найти в папке [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) или [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device).
+
+😀 Ваше приложение для подсчета товаров успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..c5f7d191
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T21:29:12+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "ru"
+}
+-->
+# Вызов детектора объектов с вашего IoT-устройства - Виртуальное IoT-оборудование и Raspberry Pi
+
+После публикации вашего детектора объектов его можно использовать с вашего IoT-устройства.
+
+## Скопируйте проект классификатора изображений
+
+Большая часть вашего детектора запасов совпадает с классификатором изображений, который вы создали в предыдущем уроке.
+
+### Задание - скопируйте проект классификатора изображений
+
+1. Создайте папку с названием `stock-counter` на вашем компьютере, если вы используете виртуальное IoT-устройство, или на вашем Raspberry Pi. Если вы используете виртуальное IoT-устройство, убедитесь, что вы настроили виртуальную среду.
+
+1. Настройте оборудование камеры.
+
+    * Если вы используете Raspberry Pi, вам нужно установить PiCamera. Возможно, вы захотите зафиксировать камеру в одном положении, например, подвесив кабель над коробкой или банкой, или прикрепив камеру к коробке с помощью двустороннего скотча.
+    * Если вы используете виртуальное IoT-устройство, вам нужно установить CounterFit и CounterFit PyCamera shim. Если вы собираетесь использовать статичные изображения, сделайте несколько снимков, которые ваш детектор объектов еще не видел. Если вы собираетесь использовать веб-камеру, убедитесь, что она расположена так, чтобы видеть запасы, которые вы хотите обнаружить.
+
+1. Повторите шаги из [урока 2 проекта по производству](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) для захвата изображений с камеры.
+
+1. Повторите шаги из [урока 2 проекта по производству](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) для вызова классификатора изображений. Большая часть этого кода будет повторно использована для обнаружения объектов.
+
+## Измените код с классификатора на детектор изображений
+
+Код, который вы использовали для классификации изображений, очень похож на код для обнаружения объектов. Основное отличие заключается в методе, вызываемом в Custom Vision SDK, и результатах вызова.
+
+### Задание - измените код с классификатора на детектор изображений
+
+1. Удалите три строки кода, которые классифицируют изображение и обрабатывают предсказания:
+
+    ```python
+    results = predictor.classify_image(project_id, iteration_name, image)
+    
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Удалите эти три строки.
+
+1. Добавьте следующий код для обнаружения объектов на изображении:
+
+    ```python
+    results = predictor.detect_image(project_id, iteration_name, image)
+
+    threshold = 0.3
+    
+    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
+    
+    for prediction in predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    Этот код вызывает метод `detect_image` у предсказателя для запуска детектора объектов. Затем он собирает все предсказания с вероятностью выше порогового значения и выводит их в консоль.
+
+    В отличие от классификатора изображений, который возвращает только один результат на тег, детектор объектов возвращает несколько результатов, поэтому предсказания с низкой вероятностью нужно отфильтровать.
+
+1. Запустите этот код, и он сделает снимок, отправит его детектору объектов и выведет обнаруженные объекты. Если вы используете виртуальное IoT-устройство, убедитесь, что в CounterFit установлено подходящее изображение или выбрана ваша веб-камера. Если вы используете Raspberry Pi, убедитесь, что ваша камера направлена на объекты на полке.
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 Возможно, вам потребуется настроить значение `threshold` в зависимости от ваших изображений.
+
+    Вы сможете увидеть сделанное изображение и эти значения на вкладке **Predictions** в Custom Vision.
+
+    ![4 банки томатной пасты на полке с предсказаниями для 4 обнаружений: 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) или [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device).
+
+😀 Ваше приложение для подсчета запасов успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..af036c4d
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T21:33:11+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "ru"
+}
+-->
+# Подсчет запасов с вашего IoT-устройства - Wio Terminal
+
+Сочетание предсказаний и их ограничивающих рамок можно использовать для подсчета запасов на изображении.
+
+## Подсчет запасов
+
+![4 банки томатной пасты с ограничивающими рамками вокруг каждой банки](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ru.jpg)
+
+На изображении выше ограничивающие рамки немного перекрываются. Если бы это перекрытие было значительно больше, рамки могли бы указывать на один и тот же объект. Чтобы правильно подсчитать объекты, необходимо игнорировать рамки с существенным перекрытием.
+
+### Задача - подсчет запасов с игнорированием перекрытий
+
+1. Откройте ваш проект `stock-counter`, если он еще не открыт.
+
+1. Над функцией `processPredictions` добавьте следующий код:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    Это определяет процент перекрытия, допустимый до того, как ограничивающие рамки будут считаться одним и тем же объектом. Значение 0.20 задает 20% перекрытия.
+
+1. Ниже этого, но все еще над функцией `processPredictions`, добавьте следующий код для вычисления перекрытия между двумя прямоугольниками:
+
+    ```cpp
+    struct Point {
+        float x, y;
+    };
+
+    struct Rect {
+        Point topLeft, bottomRight;
+    };
+
+    float area(Rect rect)
+    {
+        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
+    }
+     
+    float overlappingArea(Rect rect1, Rect rect2)
+    {
+        float left = max(rect1.topLeft.x, rect2.topLeft.x);
+        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
+        float top = max(rect1.topLeft.y, rect2.topLeft.y);
+        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
+    
+    
+        if ( right > left && bottom > top )
+        {
+            return (right-left)*(bottom-top);
+        }
+        
+        return 0.0f;
+    }
+    ```
+
+    Этот код определяет структуру `Point` для хранения точек на изображении и структуру `Rect` для определения прямоугольника с использованием координат верхнего левого и нижнего правого углов. Затем он определяет функцию `area`, которая вычисляет площадь прямоугольника на основе этих координат.
+
+    Далее определяется функция `overlappingArea`, которая вычисляет площадь перекрытия двух прямоугольников. Если они не перекрываются, возвращается 0.
+
+1. Под функцией `overlappingArea` объявите функцию для преобразования ограничивающей рамки в `Rect`:
+
+    ```cpp
+    Rect rectFromBoundingBox(JsonVariant prediction)
+    {
+        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
+    
+        float left = bounding_box["left"].as<float>();
+        float top = bounding_box["top"].as<float>();
+        float width = bounding_box["width"].as<float>();
+        float height = bounding_box["height"].as<float>();
+    
+        Point topLeft = {left, top};
+        Point bottomRight = {left + width, top + height};
+    
+        return {topLeft, bottomRight};
+    }
+    ```
+
+    Эта функция берет предсказание от детектора объектов, извлекает ограничивающую рамку и использует ее значения для определения прямоугольника. Правая сторона рассчитывается как сумма левой стороны и ширины. Нижняя сторона рассчитывается как сумма верхней стороны и высоты.
+
+1. Предсказания нужно сравнить друг с другом, и если два предсказания имеют перекрытие больше порогового значения, одно из них нужно удалить. Порог перекрытия задается в процентах, поэтому его нужно умножить на размер меньшей ограничивающей рамки, чтобы проверить, превышает ли перекрытие заданный процент от рамки, а не от всего изображения. Начните с удаления содержимого функции `processPredictions`.
+
+1. Добавьте следующее в пустую функцию `processPredictions`:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    Этот код объявляет вектор для хранения предсказаний, которые не перекрываются. Затем он проходит по всем предсказаниям, создавая `Rect` из ограничивающей рамки.
+
+    Далее код проходит по оставшимся предсказаниям, начиная с того, что идет после текущего. Это предотвращает повторное сравнение предсказаний — после того как 1 и 2 были сравнены, нет необходимости сравнивать 2 с 1, только с 3, 4 и так далее.
+
+    Для каждой пары предсказаний вычисляется площадь перекрытия. Затем она сравнивается с площадью меньшей ограничивающей рамки — если перекрытие превышает пороговый процент от меньшей рамки, предсказание помечается как не прошедшее. Если после всех проверок предсказание проходит, оно добавляется в коллекцию `passed_predictions`.
+
+    > 💁 Это очень упрощенный способ удаления перекрытий, просто удаляющий первое из двух перекрывающихся предсказаний. Для производственного кода вы могли бы добавить больше логики, например, учитывать перекрытия между несколькими объектами или случаи, когда одна рамка полностью содержится в другой.
+
+1. После этого добавьте следующий код для отправки деталей прошедших предсказаний в монитор последовательного порта:
+
+    ```cpp
+    for(JsonVariant prediction : passed_predictions)
+    {
+        String boundingBox = prediction["boundingBox"].as<String>();
+        String tag = prediction["tagName"].as<String>();
+        float probability = prediction["probability"].as<float>();
+
+        char buff[32];
+        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
+        Serial.println(buff);
+    }
+    ```
+
+    Этот код проходит по прошедшим предсказаниям и выводит их детали в монитор последовательного порта.
+
+1. Ниже этого добавьте код для вывода количества подсчитанных объектов в монитор последовательного порта:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    Это значение затем можно отправить в IoT-сервис для оповещения о низком уровне запасов.
+
+1. Загрузите и запустите ваш код. Направьте камеру на объекты на полке и нажмите кнопку C. Попробуйте изменить значение `overlap_threshold`, чтобы увидеть, как предсказания игнорируются.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
+    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
+    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
+    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
+    Counted 4 stock items.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal).
+
+😀 Ваше приложение для подсчета запасов успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..fc5a7cc2
--- /dev/null
+++ b/translations/ru/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T21:35:51+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "ru"
+}
+-->
+# Вызов детектора объектов с вашего IoT-устройства - Wio Terminal
+
+После публикации вашего детектора объектов его можно использовать с вашего IoT-устройства.
+
+## Скопируйте проект классификатора изображений
+
+Большая часть вашего детектора объектов аналогична классификатору изображений, который вы создали в предыдущем уроке.
+
+### Задача - скопируйте проект классификатора изображений
+
+1. Подключите вашу ArduCam к Wio Terminal, следуя шагам из [урока 2 проекта по производству](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera).
+
+    Вы также можете зафиксировать камеру в одном положении, например, подвесив кабель над коробкой или банкой, либо прикрепив камеру к коробке с помощью двустороннего скотча.
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите этот проект `stock-counter`.
+
+1. Повторите шаги из [урока 2 проекта по производству](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) для захвата изображений с камеры.
+
+1. Повторите шаги из [урока 2 проекта по производству](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) для вызова классификатора изображений. Большая часть этого кода будет использована для обнаружения объектов.
+
+## Измените код с классификатора на детектор изображений
+
+Код, который вы использовали для классификации изображений, очень похож на код для обнаружения объектов. Основное отличие заключается в URL, который вы получили из Custom Vision, и результатах вызова.
+
+### Задача - измените код с классификатора на детектор изображений
+
+1. Добавьте следующий директиву include в начало файла `main.cpp`:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. Переименуйте функцию `classifyImage` в `detectStock`, изменив как название функции, так и вызов в функции `buttonPressed`.
+
+1. Над функцией `detectStock` объявите пороговое значение для фильтрации любых обнаружений с низкой вероятностью:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    В отличие от классификатора изображений, который возвращает только один результат на тег, детектор объектов возвращает несколько результатов, поэтому те, у которых низкая вероятность, нужно отфильтровать.
+
+1. Над функцией `detectStock` объявите функцию для обработки предсказаний:
+
+    ```cpp
+    void processPredictions(std::vector<JsonVariant> &predictions)
+    {
+        for(JsonVariant prediction : predictions)
+        {
+            String tag = prediction["tagName"].as<String>();
+            float probability = prediction["probability"].as<float>();
+    
+            char buff[32];
+            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+            Serial.println(buff);
+        }
+    }
+    ```
+
+    Эта функция принимает список предсказаний и выводит их в монитор последовательного порта.
+
+1. В функции `detectStock` замените содержимое цикла `for`, который проходит по предсказаниям, следующим кодом:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for(JsonVariant prediction : predictions) 
+    {
+        float probability = prediction["probability"].as<float>();
+        if (probability > threshold)
+        {
+            passed_predictions.push_back(prediction);
+        }
+    }
+
+    processPredictions(passed_predictions);
+    ```
+
+    Этот код проходит по предсказаниям, сравнивая вероятность с пороговым значением. Все предсказания с вероятностью выше порога добавляются в `list` и передаются в функцию `processPredictions`.
+
+1. Загрузите и запустите ваш код. Направьте камеру на объекты на полке и нажмите кнопку C. Вы увидите вывод в мониторе последовательного порта:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%
+    tomato paste:   35.87%
+    tomato paste:   34.11%
+    tomato paste:   35.16%
+    ```
+
+    > 💁 Возможно, вам потребуется настроить значение `threshold` для ваших изображений.
+
+    Вы сможете увидеть изображение, которое было сделано, а также эти значения на вкладке **Predictions** в Custom Vision.
+
+    ![4 банки томатной пасты на полке с предсказаниями для 4 обнаружений: 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ru.png)
+
+> 💁 Вы можете найти этот код в папке [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal).
+
+😀 Ваше приложение для подсчета запасов успешно завершено!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/README.md b/translations/ru/6-consumer/README.md
new file mode 100644
index 00000000..723e35c1
--- /dev/null
+++ b/translations/ru/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T23:51:00+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "ru"
+}
+-->
+# Потребительский IoT - создание умного голосового помощника
+
+Еда выращена, доставлена на перерабатывающий завод, отсортирована по качеству, продана в магазине, и теперь пришло время готовить! Одним из ключевых элементов любой кухни является таймер. Изначально таймеры были в виде песочных часов — еда готовилась, когда весь песок пересыпался в нижнюю колбу. Затем появились механические таймеры, а потом электрические.
+
+Последние версии таймеров теперь стали частью наших умных устройств. На кухнях по всему миру можно услышать, как повара кричат: "Эй, Siri, установи таймер на 10 минут" или "Alexa, отменить таймер для хлеба". Больше не нужно возвращаться на кухню, чтобы проверить таймер — это можно сделать с телефона или просто окликнув устройство через всю комнату.
+
+В этих четырех уроках вы научитесь создавать умный таймер, используя ИИ для распознавания вашего голоса, понимания ваших запросов и предоставления информации о таймере. Вы также добавите поддержку нескольких языков.
+
+> ⚠️ Работа с речью и данными микрофона требует большого объема памяти, что может привести к превышению лимитов на микроконтроллерах. Проект, представленный здесь, обходит эти ограничения, но имейте в виду, что лабораторные работы с Wio Terminal сложны и могут занять больше времени, чем другие занятия в этой учебной программе.
+
+> 💁 В этих уроках будут использоваться облачные ресурсы. Если вы не завершите все уроки этого проекта, убедитесь, что вы [очистили свой проект](../clean-up.md).
+
+## Темы
+
+1. [Распознавание речи с помощью IoT-устройства](./lessons/1-speech-recognition/README.md)
+1. [Понимание языка](./lessons/2-language-understanding/README.md)
+1. [Установка таймера и предоставление голосовой обратной связи](./lessons/3-spoken-feedback/README.md)
+1. [Поддержка нескольких языков](./lessons/4-multiple-language-support/README.md)
+
+## Благодарности
+
+Все уроки были написаны с ♥️ [Джимом Беннеттом](https://GitHub.com/JimBobBennett)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/README.md b/translations/ru/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..ff24d3ec
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-27T00:19:16+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "ru"
+}
+-->
+# Распознавание речи с помощью IoT-устройства
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор службы распознавания речи Azure, которая будет рассмотрена в этом уроке:
+
+[![Как начать использовать ресурс Cognitive Services Speech с канала Microsoft Azure на YouTube](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## Введение
+
+«Алекса, поставь таймер на 12 минут»
+
+«Алекса, сколько осталось времени на таймере?»
+
+«Алекса, поставь таймер на 8 минут и назови его "брокколи на пару"»
+
+Умные устройства становятся все более распространенными. Это не только умные колонки, такие как HomePod, Echo и Google Home, но и устройства, встроенные в наши телефоны, часы, а также светильники и термостаты.
+
+> 💁 У меня дома как минимум 19 устройств с голосовыми ассистентами, и это только те, о которых я знаю!
+
+Голосовое управление повышает доступность, позволяя людям с ограниченной подвижностью взаимодействовать с устройствами. Это может быть полезно как при постоянных ограничениях, например, при отсутствии рук, так и при временных, таких как перелом руки, или когда ваши руки заняты покупками или детьми. Возможность управлять домом голосом вместо рук открывает новые возможности. Например, крикнуть «Эй, Siri, закрой гараж» во время смены подгузника и борьбы с непослушным малышом может значительно облегчить жизнь.
+
+Одно из самых популярных применений голосовых ассистентов — установка таймеров, особенно кухонных. Возможность устанавливать несколько таймеров с помощью голоса — это большая помощь на кухне: не нужно прерывать замес теста, помешивание супа или мыть руки от начинки для пельменей, чтобы воспользоваться физическим таймером.
+
+В этом уроке вы узнаете, как встроить распознавание голоса в IoT-устройства. Вы изучите микрофоны как сенсоры, как захватывать аудио с микрофона, подключенного к IoT-устройству, и как использовать ИИ для преобразования услышанного в текст. В рамках этого проекта вы создадите умный кухонный таймер, который сможет устанавливать таймеры с помощью голоса на нескольких языках.
+
+В этом уроке мы рассмотрим:
+
+* [Микрофоны](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Захват аудио с вашего IoT-устройства](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Речь в текст](../../../../../6-consumer/lessons/1-speech-recognition)
+* [Преобразование речи в текст](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## Микрофоны
+
+Микрофоны — это аналоговые сенсоры, которые преобразуют звуковые волны в электрические сигналы. Колебания воздуха заставляют компоненты микрофона двигаться на микроскопические расстояния, что вызывает небольшие изменения в электрических сигналах. Эти изменения усиливаются для генерации электрического выхода.
+
+### Типы микрофонов
+
+Существует несколько типов микрофонов:
+
+* Динамические — Динамические микрофоны имеют магнит, прикрепленный к подвижной диафрагме, которая движется в катушке провода, создавая электрический ток. Это противоположно большинству громкоговорителей, которые используют электрический ток для движения магнита в катушке провода, чтобы двигать диафрагму и создавать звук. Это означает, что динамики могут использоваться как динамические микрофоны, а динамические микрофоны — как динамики. В устройствах, таких как домофоны, где пользователь либо слушает, либо говорит, но не делает это одновременно, одно устройство может выполнять обе функции.
+
+    Динамические микрофоны не требуют питания, электрический сигнал создается исключительно микрофоном.
+
+    ![Патти Смит поет в микрофон Shure SM58 (динамический кардиоидный тип)](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ru.jpg)
+
+* Ленточные — Ленточные микрофоны похожи на динамические, но вместо диафрагмы у них металлическая лента. Эта лента движется в магнитном поле, генерируя электрический ток. Как и динамические микрофоны, ленточные микрофоны не требуют питания.
+
+    ![Эдмунд Лоу, американский актер, стоит у радиомикрофона (обозначен как (NBC) Blue Network), держит сценарий, 1942 год](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ru.jpg)
+
+* Конденсаторные — Конденсаторные микрофоны имеют тонкую металлическую диафрагму и фиксированную металлическую заднюю пластину. Электричество подается на обе части, и когда диафрагма вибрирует, статический заряд между пластинами изменяется, генерируя сигнал. Конденсаторные микрофоны требуют питания, называемого *фантомным питанием*.
+
+    ![Малодиафрагменный конденсаторный микрофон C451B от AKG Acoustics](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ru.jpg)
+
+* MEMS — Микроэлектромеханические системы (MEMS) — это микрофоны на чипе. У них есть чувствительная к давлению диафрагма, выгравированная на кремниевом чипе, и они работают аналогично конденсаторным микрофонам. Эти микрофоны могут быть крошечными и интегрированы в схемы.
+
+    ![Микрофон MEMS на печатной плате](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ru.png)
+
+    На изображении выше чип с надписью **LEFT** — это микрофон MEMS с крошечной диафрагмой шириной менее миллиметра.
+
+✅ Проведите исследование: Какие микрофоны есть вокруг вас — в вашем компьютере, телефоне, гарнитуре или других устройствах? Какого они типа?
+
+### Цифровое аудио
+
+Аудио — это аналоговый сигнал, содержащий очень детализированную информацию. Чтобы преобразовать этот сигнал в цифровой, его необходимо оцифровывать тысячи раз в секунду.
+
+> 🎓 Оцифровка — это процесс преобразования аудиосигнала в цифровое значение, представляющее сигнал в определенный момент времени.
+
+![График, показывающий сигнал с дискретными точками через фиксированные интервалы](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ru.png)
+
+Цифровое аудио оцифровывается с использованием импульсно-кодовой модуляции (PCM). PCM включает считывание напряжения сигнала и выбор ближайшего дискретного значения к этому напряжению с использованием заданного размера.
+
+> 💁 Вы можете представить PCM как сенсорный аналог широтно-импульсной модуляции (PWM). (PWM рассматривалась в [уроке 3 проекта для начинающих](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation)). PCM преобразует аналоговый сигнал в цифровой, а PWM — цифровой сигнал в аналоговый.
+
+Например, большинство потоковых музыкальных сервисов предлагают аудио с 16-битной или 24-битной оцифровкой. Это означает, что напряжение преобразуется в значение, которое помещается в 16-битное или 24-битное целое число. 16-битное аудио охватывает диапазон от -32,768 до 32,767, а 24-битное — от −8,388,608 до 8,388,607. Чем больше бит, тем ближе оцифровка к тому, что слышат наши уши.
+
+> 💁 Возможно, вы слышали об 8-битном аудио, часто называемом LoFi. Это аудио, оцифрованное с использованием всего 8 бит, то есть в диапазоне от -128 до 127. Первые компьютерные аудиосистемы были ограничены 8 битами из-за аппаратных ограничений, поэтому это часто встречается в ретро-играх.
+
+Эти выборки делаются тысячи раз в секунду с использованием четко определенных частот дискретизации, измеряемых в кГц (тысячах выборок в секунду). Потоковые музыкальные сервисы используют 48 кГц для большинства аудио, но некоторые «без потерь» используют до 96 кГц или даже 192 кГц. Чем выше частота дискретизации, тем ближе аудио к оригиналу, до определенного предела. Существует мнение, что люди не могут различить частоты выше 48 кГц.
+
+✅ Проведите исследование: Если вы используете потоковый музыкальный сервис, какая частота и размер выборки у него? Если вы слушаете CD, какая частота и размер выборки у CD-аудио?
+
+Существует множество форматов для аудиоданных. Вы, вероятно, слышали о файлах mp3 — аудиоданных, сжатых для уменьшения размера без потери качества. Несжатое аудио часто хранится в формате WAV — это файл с 44 байтами заголовка и необработанными аудиоданными. Заголовок содержит информацию, такую как частота дискретизации (например, 16000 для 16 кГц), размер выборки (16 для 16 бит) и количество каналов. После заголовка WAV-файл содержит необработанные аудиоданные.
+
+> 🎓 Каналы относятся к количеству различных аудиопотоков, составляющих аудио. Например, для стереозвука с левым и правым каналами будет 2 канала. Для 7.1 объемного звука в домашнем кинотеатре это будет 8 каналов.
+
+### Размер аудиоданных
+
+Аудиоданные занимают относительно много места. Например, запись несжатого 16-битного аудио с частотой 16 кГц (достаточной для использования с моделью распознавания речи) занимает 32 КБ данных на каждую секунду аудио:
+
+* 16 бит означают 2 байта на выборку (1 байт = 8 бит).
+* 16 кГц — это 16,000 выборок в секунду.
+* 16,000 x 2 байта = 32,000 байт в секунду.
+
+Это может показаться небольшим объемом данных, но если вы используете микроконтроллер с ограниченной памятью, это может быть значительным. Например, Wio Terminal имеет 192 КБ памяти, и в ней должны храниться программный код и переменные. Даже если ваш программный код минимален, вы не сможете записать более 5 секунд аудио.
+
+Микроконтроллеры могут использовать дополнительное хранилище, такое как SD-карты или флэш-память. При создании IoT-устройства, которое записывает аудио, вам нужно убедиться, что у вас есть дополнительное хранилище, а ваш код записывает аудио с микрофона напрямую в это хранилище. При отправке данных в облако вы должны передавать их потоками из хранилища в веб-запрос. Это позволит избежать нехватки памяти из-за попытки удерживать весь блок аудиоданных в памяти одновременно.
+
+## Захват аудио с вашего IoT-устройства
+
+Ваше IoT-устройство может быть подключено к микрофону для записи аудио, готового к преобразованию в текст. Оно также может быть подключено к динамикам для воспроизведения аудио. В последующих уроках это будет использоваться для обратной связи, но полезно настроить динамики уже сейчас, чтобы протестировать микрофон.
+
+### Задание — настройте микрофон и динамики
+
+Выполните соответствующее руководство, чтобы настроить микрофон и динамики для вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-microphone.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-microphone.md)
+
+### Задание — запись аудио
+
+Выполните соответствующее руководство, чтобы записать аудио на вашем IoT-устройстве:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-audio.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-audio.md)
+
+## Речь в текст
+
+Речь в текст, или распознавание речи, включает использование ИИ для преобразования слов из аудиосигнала в текст.
+
+### Модели распознавания речи
+
+Для преобразования речи в текст выборки из аудиосигнала группируются и передаются в модель машинного обучения, основанную на рекуррентной нейронной сети (RNN). Это тип модели машинного обучения, которая может использовать предыдущие данные для принятия решений о входящих данных. Например, RNN может распознать один блок аудиовыборок как звук «Hel», а затем, получив другой блок, который она считает звуком «lo», объединить это с предыдущим звуком, найти слово «Hello» и выбрать его как результат.
+
+Модели машинного обучения всегда принимают данные одного и того же размера. Классификатор изображений, который вы создавали в одном из предыдущих уроков, изменяет размер изображений до фиксированного и обрабатывает их. То же самое с моделями речи — они должны обрабатывать аудиоблоки фиксированного размера. Модели речи должны уметь комбинировать результаты нескольких предсказаний, чтобы различать, например, «Hi» и «Highway» или «flock» и «floccinaucinihilipilification».
+
+Модели речи также достаточно продвинуты, чтобы понимать контекст и корректировать слова по мере обработки новых звуков. Например, если вы скажете: «Я пошел в магазин, чтобы купить два банана и одно яблоко тоже», вы используете три слова, которые звучат одинаково, но пишутся по-разному — to, two и too. Модели речи могут понять контекст и выбрать правильное написание слова.
+💁 Некоторые речевые сервисы позволяют настраивать их для более эффективной работы в шумной среде, например, на заводах, или с отраслевыми терминами, такими как названия химических веществ. Эти настройки обучаются с использованием образцов аудио и их транскрипций, и работают на основе переноса обучения, так же как вы обучали классификатор изображений, используя всего несколько изображений в предыдущем уроке.
+### Конфиденциальность
+
+При использовании технологии преобразования речи в текст на бытовых IoT-устройствах конфиденциальность имеет первостепенное значение. Эти устройства постоянно слушают окружающий звук, и как потребитель вы, вероятно, не хотите, чтобы всё, что вы говорите, отправлялось в облако и преобразовывалось в текст. Это не только потребляет много интернет-трафика, но и имеет серьёзные последствия для конфиденциальности, особенно если некоторые производители умных устройств случайным образом выбирают аудиозаписи для [проверки людьми соответствия текста и звука с целью улучшения их моделей](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings).
+
+Вы хотите, чтобы ваше умное устройство отправляло аудио в облако для обработки только тогда, когда вы его используете, а не когда оно слышит звуки в вашем доме, которые могут включать частные встречи или личные разговоры. Большинство умных устройств работают с использованием *активационного слова* — ключевой фразы, такой как "Алекса", "Привет, Siri" или "Окей, Google", которая заставляет устройство "проснуться" и слушать, что вы говорите, пока оно не зафиксирует паузу в вашей речи, указывающую на то, что вы закончили говорить.
+
+> 🎓 Обнаружение активационного слова также называют *распознаванием ключевых слов* или *поиском ключевых слов*.
+
+Эти активационные слова распознаются на самом устройстве, а не в облаке. Умные устройства оснащены небольшими AI-моделями, которые работают локально и слушают только активационное слово. Когда слово обнаружено, устройство начинает передавать аудио в облако для дальнейшего распознавания. Эти модели очень специализированы и предназначены исключительно для распознавания активационного слова.
+
+> 💁 Некоторые технологические компании добавляют больше функций конфиденциальности в свои устройства, выполняя часть преобразования речи в текст на самом устройстве. Apple объявила, что в рамках обновлений iOS и macOS 2021 года они будут поддерживать преобразование речи в текст на устройстве и смогут обрабатывать многие запросы без необходимости использования облака. Это стало возможным благодаря мощным процессорам в их устройствах, которые способны запускать модели машинного обучения.
+
+✅ Как вы думаете, какие последствия для конфиденциальности и этики имеет хранение аудиозаписей, отправленных в облако? Должны ли эти записи храниться, и если да, то как? Считаете ли вы использование записей для правоохранительных органов оправданным компромиссом в ущерб конфиденциальности?
+
+Обнаружение активационного слова обычно использует технику, известную как TinyML, которая позволяет адаптировать модели машинного обучения для работы на микроконтроллерах. Эти модели имеют небольшой размер и потребляют очень мало энергии.
+
+Чтобы избежать сложности обучения и использования модели для активационного слова, таймер, который вы создаёте в этом уроке, будет использовать кнопку для включения распознавания речи.
+
+> 💁 Если вы хотите попробовать создать модель для обнаружения активационного слова, которая будет работать на Wio Terminal или Raspberry Pi, ознакомьтесь с этим [руководством по реагированию на ваш голос от Edge Impulse](https://docs.edgeimpulse.com/docs/responding-to-your-voice). Если вы хотите использовать свой компьютер для этого, попробуйте [быстрое начало с пользовательскими ключевыми словами на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Преобразование речи в текст
+
+![Логотип Speech Services](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ru.png)
+
+Как и в случае с классификацией изображений в предыдущем проекте, существуют готовые AI-сервисы, которые могут принимать речь в виде аудиофайла и преобразовывать её в текст. Одним из таких сервисов является Speech Service, который входит в состав Cognitive Services — готовых AI-сервисов, которые вы можете использовать в своих приложениях.
+
+### Задача — настройка ресурса для работы с речью
+
+1. Создайте группу ресурсов для этого проекта с названием `smart-timer`.
+
+1. Используйте следующую команду для создания бесплатного ресурса для работы с речью:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов.
+
+1. Вам понадобится API-ключ для доступа к ресурсу речи из вашего кода. Выполните следующую команду, чтобы получить ключ:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Сохраните один из ключей.
+
+### Задача — преобразование речи в текст
+
+Следуйте соответствующему руководству, чтобы преобразовать речь в текст на вашем IoT-устройстве:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-speech-to-text.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 Задание
+
+Распознавание речи существует уже давно и постоянно совершенствуется. Исследуйте текущие возможности и сравните, как они развивались со временем, включая точность машинных транскрипций по сравнению с человеческими.
+
+Как вы думаете, что ждёт распознавание речи в будущем?
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## Обзор и самостоятельное изучение
+
+* Прочитайте о различных типах микрофонов и их работе в статье [в чём разница между динамическими и конденсаторными микрофонами на Musician's HQ](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/).
+* Узнайте больше о сервисе речи Cognitive Services в [документации по сервису речи на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn).
+* Прочитайте о распознавании ключевых слов в [документации по распознаванию ключевых слов на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn).
+
+## Задание
+
+[](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/ru/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..55e7a3a7
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-27T00:23:11+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "ru"
+}
+-->
+## Инструкции
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| |  |  |  |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..8da20e5e
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-27T00:17:59+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "ru"
+}
+-->
+# Захват аудио - Raspberry Pi
+
+В этой части урока вы напишете код для захвата аудио на вашем Raspberry Pi. Управление захватом аудио будет осуществляться с помощью кнопки.
+
+## Оборудование
+
+Для управления захватом аудио Raspberry Pi требуется кнопка.
+
+Кнопка, которую вы будете использовать, — это кнопка Grove. Это цифровой датчик, который включает или выключает сигнал. Эти кнопки можно настроить так, чтобы они отправляли высокий сигнал при нажатии и низкий, когда не нажаты, или наоборот — низкий при нажатии и высокий, когда не нажаты.
+
+Если вы используете микрофон ReSpeaker 2-Mics Pi HAT, то подключать кнопку не нужно, так как она уже встроена в этот модуль. Перейдите к следующему разделу.
+
+### Подключение кнопки
+
+Кнопка может быть подключена к базовому модулю Grove.
+
+#### Задача - подключить кнопку
+
+![Кнопка Grove](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ru.png)
+
+1. Вставьте один конец кабеля Grove в разъем на модуле кнопки. Он вставляется только в одном направлении.
+
+1. С выключенным Raspberry Pi подключите другой конец кабеля Grove к цифровому разъему, обозначенному как **D5**, на базовом модуле Grove, подключенном к Pi. Этот разъем — второй слева в ряду разъемов рядом с GPIO-пинами.
+
+![Кнопка Grove, подключенная к разъему D5](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ru.png)
+
+## Захват аудио
+
+Вы можете захватывать аудио с микрофона, используя код на Python.
+
+### Задача - захват аудио
+
+1. Включите Pi и дождитесь его загрузки.
+
+1. Запустите VS Code, либо непосредственно на Pi, либо подключившись через расширение Remote SSH.
+
+1. Пакет PyAudio для Pip содержит функции для записи и воспроизведения аудио. Этот пакет зависит от некоторых аудиобиблиотек, которые нужно установить заранее. Выполните следующие команды в терминале для их установки:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. Установите пакет PyAudio для Pip.
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. Создайте новую папку с названием `smart-timer` и добавьте в нее файл с именем `app.py`.
+
+1. Добавьте следующие импорты в начало этого файла:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    Это импортирует модуль `pyaudio`, стандартные модули Python для работы с WAV-файлами, а также модуль `grove.factory` для импорта `Factory` для создания класса кнопки.
+
+1. Ниже добавьте код для создания кнопки Grove.
+
+    Если вы используете ReSpeaker 2-Mics Pi HAT, используйте следующий код:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    Этот код создает кнопку на порту **D17**, к которому подключена кнопка на ReSpeaker 2-Mics Pi HAT. Эта кнопка настроена на отправку низкого сигнала при нажатии.
+
+    Если вы не используете ReSpeaker 2-Mics Pi HAT, а используете кнопку Grove, подключенную к базовому модулю, используйте этот код:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    Этот код создает кнопку на порту **D5**, настроенную на отправку высокого сигнала при нажатии.
+
+1. Ниже создайте экземпляр класса PyAudio для работы с аудио:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. Укажите номер аппаратной карты для микрофона и динамика. Это будет номер карты, который вы нашли, запустив команды `arecord -l` и `aplay -l` ранее в этом уроке.
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    Замените `<microphone card number>` на номер карты вашего микрофона.
+
+    Замените `<speaker card number>` на номер карты вашего динамика, тот же номер, который вы указали в файле `alsa.conf`.
+
+1. Ниже укажите частоту дискретизации для захвата и воспроизведения аудио. Возможно, вам придется изменить это значение в зависимости от используемого оборудования.
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    Если при запуске кода вы получите ошибки, связанные с частотой дискретизации, измените это значение на `44100` или `16000`. Чем выше значение, тем лучше качество звука.
+
+1. Ниже создайте новую функцию с названием `capture_audio`. Она будет вызываться для захвата аудио с микрофона:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. Внутри этой функции добавьте следующий код для захвата аудио:
+
+    ```python
+    stream = audio.open(format = pyaudio.paInt16,
+                        rate = rate,
+                        channels = 1, 
+                        input_device_index = microphone_card_number,
+                        input = True,
+                        frames_per_buffer = 4096)
+
+    frames = []
+
+    while button.is_pressed():
+        frames.append(stream.read(4096))
+
+    stream.stop_stream()
+    stream.close()
+    ```
+
+    Этот код открывает входной аудиопоток с использованием объекта PyAudio. Поток будет захватывать аудио с микрофона с частотой 16 кГц, записывая его в буферы размером 4096 байт.
+
+    Затем код выполняет цикл, пока кнопка Grove нажата, считывая эти буферы по 4096 байт в массив каждый раз.
+
+    > 💁 Подробнее о параметрах, передаваемых методу `open`, можно прочитать в [документации PyAudio](https://people.csail.mit.edu/hubert/pyaudio/docs/).
+
+    После того как кнопка отпущена, поток останавливается и закрывается.
+
+1. Добавьте следующий код в конец этой функции:
+
+    ```python
+    wav_buffer = io.BytesIO()
+    with wave.open(wav_buffer, 'wb') as wavefile:
+        wavefile.setnchannels(1)
+        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
+        wavefile.setframerate(rate)
+        wavefile.writeframes(b''.join(frames))
+        wav_buffer.seek(0)
+
+    return wav_buffer
+    ```
+
+    Этот код создает бинарный буфер и записывает все захваченное аудио в него как [WAV-файл](https://wikipedia.org/wiki/WAV). Это стандартный способ записи несжатого аудио в файл. Затем этот буфер возвращается.
+
+1. Добавьте следующую функцию `play_audio` для воспроизведения аудиобуфера:
+
+    ```python
+    def play_audio(buffer):
+        stream = audio.open(format = pyaudio.paInt16,
+                            rate = rate,
+                            channels = 1,
+                            output_device_index = speaker_card_number,
+                            output = True)
+    
+        with wave.open(buffer, 'rb') as wf:
+            data = wf.readframes(4096)
+    
+            while len(data) > 0:
+                stream.write(data)
+                data = wf.readframes(4096)
+    
+            stream.close()
+    ```
+
+    Эта функция открывает другой аудиопоток, на этот раз для вывода — воспроизведения аудио. Она использует те же настройки, что и входной поток. Буфер открывается как WAV-файл и записывается в выходной поток кусками по 4096 байт, воспроизводя аудио. Затем поток закрывается.
+
+1. Добавьте следующий код ниже функции `capture_audio`, чтобы выполнять цикл до нажатия кнопки. После нажатия кнопки аудио захватывается, а затем воспроизводится.
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. Запустите код. Нажмите кнопку и говорите в микрофон. Отпустите кнопку, когда закончите, и вы услышите запись.
+
+    Вы можете получить некоторые ошибки ALSA при создании экземпляра PyAudio. Это связано с конфигурацией Pi для аудиоустройств, которых у вас нет. Эти ошибки можно игнорировать.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
+    ```
+
+    Если вы получите следующую ошибку:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    измените значение `rate` на 44100 или 16000.
+
+> 💁 Вы можете найти этот код в папке [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi).
+
+😀 Ваше приложение для записи аудио успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..d52a2950
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-27T00:29:45+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "ru"
+}
+-->
+# Настройка микрофона и динамиков - Raspberry Pi
+
+В этой части урока вы подключите микрофон и динамики к вашему Raspberry Pi.
+
+## Оборудование
+
+Для Raspberry Pi требуется микрофон.
+
+Встроенного микрофона у Raspberry Pi нет, поэтому вам нужно будет подключить внешний микрофон. Это можно сделать несколькими способами:
+
+* USB-микрофон
+* USB-гарнитура
+* USB-спикерфон
+* USB-аудиоадаптер и микрофон с разъемом 3,5 мм
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 Не все Bluetooth-микрофоны поддерживаются Raspberry Pi, поэтому, если у вас есть Bluetooth-микрофон или гарнитура, могут возникнуть проблемы с подключением или записью звука.
+
+Raspberry Pi оснащен разъемом для наушников 3,5 мм. Вы можете использовать его для подключения наушников, гарнитуры или динамика. Также можно подключить динамики с помощью:
+
+* HDMI-аудио через монитор или телевизор
+* USB-динамиков
+* USB-гарнитуры
+* USB-спикерфона
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) с подключенным динамиком через разъем 3,5 мм или порт JST
+
+## Подключение и настройка микрофона и динамиков
+
+Микрофон и динамики необходимо подключить и настроить.
+
+### Задача - подключение и настройка микрофона
+
+1. Подключите микрофон подходящим способом. Например, подключите его через один из USB-портов.
+
+1. Если вы используете ReSpeaker 2-Mics Pi HAT, вы можете снять базовую плату Grove, а затем установить плату ReSpeaker на её место.
+
+    ![Raspberry Pi с установленной платой ReSpeaker](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ru.png)
+
+    Позже в этом уроке вам понадобится кнопка Grove, но она уже встроена в эту плату, поэтому базовая плата Grove не нужна.
+
+    После установки платы вам потребуется установить драйверы. Ознакомьтесь с [инструкциями по началу работы от Seeed](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) для установки драйверов.
+
+    > ⚠️ В инструкциях используется `git` для клонирования репозитория. Если `git` не установлен на вашем Raspberry Pi, вы можете установить его, выполнив следующую команду:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. Выполните следующую команду в терминале на Raspberry Pi или через удаленный сеанс SSH в VS Code, чтобы увидеть информацию о подключенном микрофоне:
+
+    ```sh
+    arecord -l
+    ```
+
+    Вы увидите список подключенных микрофонов. Он будет выглядеть примерно так:
+
+    ```output
+    pi@raspberrypi:~ $ arecord -l
+    **** List of CAPTURE Hardware Devices ****
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    Если у вас подключен только один микрофон, вы увидите только одну запись. Настройка микрофонов в Linux может быть сложной, поэтому проще использовать только один микрофон и отключить все остальные.
+
+    Запишите номер карты, так как он понадобится вам позже. В приведенном выше выводе номер карты — 1.
+
+### Задача - подключение и настройка динамика
+
+1. Подключите динамики подходящим способом.
+
+1. Выполните следующую команду в терминале на Raspberry Pi или через удаленный сеанс SSH в VS Code, чтобы увидеть информацию о подключенных динамиках:
+
+    ```sh
+    aplay -l
+    ```
+
+    Вы увидите список подключенных динамиков. Он будет выглядеть примерно так:
+
+    ```output
+    pi@raspberrypi:~ $ aplay -l
+    **** List of PLAYBACK Hardware Devices ****
+    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
+      Subdevices: 8/8
+      Subdevice #0: subdevice #0
+      Subdevice #1: subdevice #1
+      Subdevice #2: subdevice #2
+      Subdevice #3: subdevice #3
+      Subdevice #4: subdevice #4
+      Subdevice #5: subdevice #5
+      Subdevice #6: subdevice #6
+      Subdevice #7: subdevice #7
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    Вы всегда увидите `card 0: Headphones`, так как это встроенный разъем для наушников. Если вы добавили дополнительные динамики, например USB-динамик, они также будут отображены в списке.
+
+1. Если вы используете дополнительный динамик, а не динамик или наушники, подключенные к встроенному разъему для наушников, вам нужно настроить его как устройство по умолчанию. Для этого выполните следующую команду:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    Эта команда откроет файл конфигурации в `nano`, текстовом редакторе для терминала. Прокрутите вниз с помощью стрелок на клавиатуре, пока не найдете следующую строку:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    Измените значение с `0` на номер карты, которую вы хотите использовать, из списка, полученного с помощью команды `aplay -l`. Например, в приведенном выше выводе есть вторая звуковая карта с названием `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]`, использующая карту 1. Чтобы использовать её, я бы обновил строку следующим образом:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    Установите это значение на соответствующий номер карты. Вы можете переместиться к числу с помощью стрелок на клавиатуре, затем удалить и ввести новое число, как при редактировании обычного текстового файла.
+
+1. Сохраните изменения и закройте файл, нажав `Ctrl+x`. Нажмите `y`, чтобы сохранить файл, затем `Enter`, чтобы подтвердить имя файла.
+
+### Задача - тестирование микрофона и динамика
+
+1. Выполните следующую команду, чтобы записать 5 секунд аудио через микрофон:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    Пока выполняется эта команда, создавайте шум в микрофон, например, говорите, пойте, битбоксьте, играйте на инструменте или делайте что угодно на ваш вкус.
+
+1. Через 5 секунд запись остановится. Выполните следующую команду, чтобы воспроизвести аудио:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    Вы услышите воспроизведение аудио через динамики. При необходимости отрегулируйте громкость на динамике.
+
+1. Если вам нужно отрегулировать громкость встроенного микрофонного порта или усиление микрофона, вы можете использовать утилиту `alsamixer`. Подробнее об этой утилите можно прочитать на [странице man для alsamixer](https://linux.die.net/man/1/alsamixer).
+
+1. Если при воспроизведении аудио возникают ошибки, проверьте карту, которую вы указали как `defaults.pcm.card` в файле `alsa.conf`.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..a38b8f0e
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-27T00:32:19+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "ru"
+}
+-->
+# Распознавание речи - Raspberry Pi
+
+В этой части урока вы напишете код для преобразования речи из записанного аудио в текст с использованием службы распознавания речи.
+
+## Отправка аудио в службу распознавания речи
+
+Аудио можно отправить в службу распознавания речи с помощью REST API. Чтобы использовать службу распознавания речи, сначала необходимо запросить токен доступа, а затем использовать этот токен для доступа к REST API. Эти токены доступа истекают через 10 минут, поэтому ваш код должен регулярно запрашивать их, чтобы они всегда были актуальными.
+
+### Задача - получение токена доступа
+
+1. Откройте проект `smart-timer` на вашем Raspberry Pi.
+
+1. Удалите функцию `play_audio`. Она больше не нужна, так как умный таймер не должен повторять то, что вы сказали.
+
+1. Добавьте следующий импорт в начало файла `app.py`:
+
+    ```python
+    import requests
+    ```
+
+1. Добавьте следующий код выше цикла `while True`, чтобы задать настройки для службы распознавания речи:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    Замените `<key>` на ключ API для вашего ресурса службы распознавания речи. Замените `<location>` на местоположение, которое вы указали при создании ресурса службы распознавания речи.
+
+    Замените `<language>` на имя локали языка, на котором вы будете говорить, например, `en-GB` для английского или `zn-HK` для кантонского. Список поддерживаемых языков и их локалей можно найти в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+1. Ниже этого добавьте следующую функцию для получения токена доступа:
+
+    ```python
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_api_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    Эта функция вызывает конечную точку выдачи токенов, передавая ключ API в заголовке. В ответе возвращается токен доступа, который можно использовать для вызова служб распознавания речи.
+
+1. Ниже этого объявите функцию для преобразования речи из записанного аудио в текст с использованием REST API:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. Внутри этой функции настройте URL REST API и заголовки:
+
+    ```python
+    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
+
+    headers = {
+        'Authorization': 'Bearer ' + get_access_token(),
+        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
+        'Accept': 'application/json;text/xml'
+    }
+
+    params = {
+        'language': language
+    }
+    ```
+
+    Этот код формирует URL, используя местоположение ресурса службы распознавания речи. Затем он заполняет заголовки токеном доступа из функции `get_access_token`, а также частотой дискретизации, используемой для записи аудио. Наконец, он определяет параметры, которые будут переданы с URL, содержащим язык аудио.
+
+1. Ниже этого добавьте следующий код для вызова REST API и получения текста:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, data=buffer)
+    response_json = response.json()
+
+    if response_json['RecognitionStatus'] == 'Success':
+        return response_json['DisplayText']
+    else:
+        return ''
+    ```
+
+    Этот код вызывает URL и декодирует значение JSON, которое приходит в ответе. Значение `RecognitionStatus` в ответе указывает, удалось ли успешно преобразовать речь в текст, и если это `Success`, то текст возвращается из функции, в противном случае возвращается пустая строка.
+
+1. Выше цикла `while True:` определите функцию для обработки текста, возвращенного службой распознавания речи. Эта функция пока будет просто выводить текст в консоль.
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. Наконец, замените вызов `play_audio` в цикле `while True` на вызов функции `convert_speech_to_text`, передавая текст в функцию `process_text`:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. Запустите код. Нажмите кнопку и говорите в микрофон. Отпустите кнопку, когда закончите, и аудио будет преобразовано в текст и выведено в консоль.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Попробуйте разные типы предложений, а также предложения, где слова звучат одинаково, но имеют разные значения. Например, если вы говорите на английском, скажите: "I want to buy two bananas and an apple too" и обратите внимание, как программа правильно использует "to", "two" и "too" в зависимости от контекста слова, а не только его звучания.
+
+> 💁 Этот код можно найти в папке [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi).
+
+😀 Ваше приложение для преобразования речи в текст успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..1fc54fb2
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-27T00:33:21+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "ru"
+}
+-->
+# Захват аудио - Виртуальное IoT устройство
+
+Библиотеки Python, которые вы будете использовать позже в этом уроке для преобразования речи в текст, имеют встроенную функцию захвата аудио на Windows, macOS и Linux. Здесь вам ничего не нужно делать.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..b5f5d806
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-27T00:33:52+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "ru"
+}
+-->
+# Настройка микрофона и динамиков - Виртуальное IoT-оборудование
+
+Виртуальное IoT-оборудование будет использовать микрофон и динамики, подключенные к вашему компьютеру.
+
+Если в вашем компьютере нет встроенных микрофона и динамиков, вам нужно подключить их, используя оборудование на ваш выбор, например:
+
+* USB-микрофон
+* USB-динамики
+* Динамики, встроенные в ваш монитор и подключенные через HDMI
+* Bluetooth-гарнитура
+
+Обратитесь к инструкциям производителя вашего оборудования для установки и настройки этого оборудования.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..6fba4601
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-27T00:23:30+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "ru"
+}
+-->
+# Речь в текст - Виртуальное IoT-устройство
+
+В этой части урока вы напишете код для преобразования речи, записанной с вашего микрофона, в текст с использованием службы распознавания речи.
+
+## Преобразование речи в текст
+
+На Windows, Linux и macOS можно использовать Python SDK службы распознавания речи для прослушивания микрофона и преобразования обнаруженной речи в текст. SDK будет непрерывно слушать, определять уровни звука и отправлять речь на преобразование в текст, когда уровень звука падает, например, в конце блока речи.
+
+### Задание - преобразование речи в текст
+
+1. Создайте новое Python-приложение на вашем компьютере в папке `smart-timer` с одним файлом `app.py` и виртуальной средой Python.
+
+1. Установите пакет Pip для службы распознавания речи. Убедитесь, что вы выполняете установку из терминала с активированной виртуальной средой.
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ Если вы получите следующую ошибку:
+    >
+    > ```output
+    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
+    > ERROR: No matching distribution found for azure-cognitiveservices-speech
+    > ```
+    >
+    > Вам нужно будет обновить Pip. Сделайте это с помощью следующей команды, а затем попробуйте установить пакет снова:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Добавьте следующие импорты в файл `app.py`:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    Это импортирует некоторые классы, используемые для распознавания речи.
+
+1. Добавьте следующий код для объявления конфигурации:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    Замените `<key>` на ключ API для вашей службы распознавания речи. Замените `<location>` на регион, который вы указали при создании ресурса службы распознавания речи.
+
+    Замените `<language>` на имя локали языка, на котором вы будете говорить, например, `en-GB` для английского или `zn-HK` для кантонского. Вы можете найти список поддерживаемых языков и их локалей в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Эта конфигурация затем используется для создания объекта `SpeechConfig`, который будет использоваться для настройки службы распознавания речи.
+
+1. Добавьте следующий код для создания распознавателя речи:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. Распознаватель речи работает в фоновом потоке, прослушивая аудио и преобразуя обнаруженную речь в текст. Вы можете получить текст, используя функцию обратного вызова — функцию, которую вы определяете и передаете распознавателю. Каждый раз, когда обнаруживается речь, вызывается функция обратного вызова. Добавьте следующий код для определения функции обратного вызова и передачи её распознавателю, а также определите функцию для обработки текста, выводя его в консоль:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. Распознаватель начинает прослушивание только тогда, когда вы явно запускаете его. Добавьте следующий код для запуска распознавания. Это выполняется в фоновом режиме, поэтому вашему приложению также потребуется бесконечный цикл с паузами, чтобы приложение продолжало работать.
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. Запустите это приложение. Говорите в микрофон, и преобразованный в текст аудио будет выводиться в консоль.
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    Попробуйте разные типы предложений, а также предложения, где слова звучат одинаково, но имеют разные значения. Например, если вы говорите на английском, произнесите: "I want to buy two bananas and an apple too" (Я хочу купить два банана и одно яблоко тоже) и обратите внимание, как программа правильно использует "to", "two" и "too" в зависимости от контекста слова, а не только его звучания.
+
+> 💁 Вы можете найти этот код в папке [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device).
+
+😀 Ваше приложение для преобразования речи в текст успешно заработало!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..5e466453
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,548 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-27T00:24:26+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "ru"
+}
+-->
+# Захват аудио - Wio Terminal
+
+В этой части урока вы напишете код для захвата аудио на вашем Wio Terminal. Управление захватом аудио будет осуществляться одной из кнопок на верхней части Wio Terminal.
+
+## Программирование устройства для захвата аудио
+
+Вы можете захватывать аудио с микрофона, используя код на C++. Wio Terminal имеет всего 192 КБ оперативной памяти, чего недостаточно для захвата более чем нескольких секунд аудио. Однако он также оснащен 4 МБ флэш-памяти, которую можно использовать для сохранения захваченного аудио.
+
+Встроенный микрофон захватывает аналоговый сигнал, который преобразуется в цифровой сигнал, пригодный для использования Wio Terminal. При захвате аудио данные должны быть захвачены в нужный момент времени — например, для захвата аудио с частотой 16 кГц данные должны захватываться ровно 16 000 раз в секунду с равными интервалами между каждым образцом. Вместо того чтобы использовать ваш код для выполнения этой задачи, вы можете воспользоваться контроллером прямого доступа к памяти (DMAC). Это аппаратная схема, которая может захватывать сигнал и записывать его в память, не прерывая выполнение вашего кода на процессоре.
+
+✅ Подробнее о DMA можно прочитать на [странице прямого доступа к памяти в Википедии](https://wikipedia.org/wiki/Direct_memory_access).
+
+![Аудио с микрофона поступает на АЦП, затем на DMAC. DMAC записывает данные в один буфер. Когда этот буфер заполняется, он обрабатывается, а DMAC записывает данные во второй буфер](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ru.png)
+
+DMAC может захватывать аудио с АЦП через фиксированные интервалы, например, 16 000 раз в секунду для аудио с частотой 16 кГц. Он может записывать эти данные в заранее выделенный буфер памяти, а когда буфер заполняется, данные становятся доступными для обработки вашим кодом. Использование этой памяти может задерживать захват аудио, но вы можете настроить несколько буферов. DMAC записывает данные в буфер 1, затем, когда он заполняется, уведомляет ваш код о необходимости обработки буфера 1, в то время как DMAC записывает данные в буфер 2. Когда буфер 2 заполняется, он уведомляет ваш код и возвращается к записи данных в буфер 1. Таким образом, если вы обрабатываете каждый буфер быстрее, чем требуется для его заполнения, вы не потеряете данные.
+
+После захвата каждого буфера его можно записать во флэш-память. Запись во флэш-память требует указания адресов, где нужно записывать данные и какого размера будет запись, аналогично обновлению массива байтов в памяти. Флэш-память имеет гранулярность, что означает, что операции стирания и записи зависят не только от фиксированного размера, но и от выравнивания по этому размеру. Например, если гранулярность составляет 4096 байт, а вы запрашиваете стирание по адресу 4200, это может стереть все данные с адреса 4096 до 8192. Это означает, что при записи аудио данных во флэш-память они должны быть разбиты на блоки правильного размера.
+
+### Задача - настройка флэш-памяти
+
+1. Создайте новый проект для Wio Terminal с использованием PlatformIO. Назовите этот проект `smart-timer`. Добавьте код в функцию `setup` для настройки последовательного порта.
+
+1. Добавьте следующие зависимости библиотек в файл `platformio.ini`, чтобы получить доступ к флэш-памяти:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. Откройте файл `main.cpp` и добавьте следующую директиву включения для библиотеки флэш-памяти в начало файла:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD означает Serial Flash Universal Driver, библиотеку, разработанную для работы со всеми чипами флэш-памяти.
+
+1. В функции `setup` добавьте следующий код для настройки библиотеки флэш-хранилища:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    Этот код выполняет цикл до тех пор, пока библиотека SFUD не будет инициализирована, затем включает быстрые чтения. Встроенная флэш-память может быть доступна через интерфейс Queued Serial Peripheral Interface (QSPI), тип SPI-контроллера, который позволяет непрерывный доступ через очередь с минимальной загрузкой процессора. Это делает чтение и запись во флэш-память быстрее.
+
+1. Создайте новый файл в папке `src` с именем `flash_writer.h`.
+
+1. Добавьте следующее в начало этого файла:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    Это включает необходимые заголовочные файлы, включая заголовочный файл библиотеки SFUD для взаимодействия с флэш-памятью.
+
+1. Определите класс в этом новом заголовочном файле с именем `FlashWriter`:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. В секции `private` добавьте следующий код:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    Это определяет несколько полей для буфера, который будет использоваться для хранения данных перед записью их во флэш-память. Существует массив байтов `_sfudBuffer` для записи данных, и когда он заполняется, данные записываются во флэш-память. Поле `_sfudBufferPos` хранит текущую позицию для записи в этот буфер, а `_sfudBufferWritePos` хранит позицию во флэш-памяти для записи. `_flash` — это указатель на флэш-память для записи — некоторые микроконтроллеры имеют несколько чипов флэш-памяти.
+
+1. Добавьте следующий метод в секцию `public` для инициализации этого класса:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    Этот метод настраивает флэш-память на Wio Terminal для записи и устанавливает буферы на основе размера зерна флэш-памяти. Это выполняется в методе `init`, а не в конструкторе, так как метод должен быть вызван после настройки флэш-памяти в функции `setup`.
+
+1. Добавьте следующий код в секцию `public`:
+
+    ```cpp
+    void writeSfudBuffer(byte b)
+    {
+        _sfudBuffer[_sfudBufferPos++] = b;
+        if (_sfudBufferPos == _sfudBufferSize)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+
+    void writeSfudBuffer(byte *b, size_t len)
+    {
+        for (size_t i = 0; i < len; ++i)
+        {
+            writeSfudBuffer(b[i]);
+        }
+    }
+
+    void flushSfudBuffer()
+    {
+        if (_sfudBufferPos > 0)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+    ```
+
+    Этот код определяет методы для записи байтов в систему флэш-хранилища. Он работает, записывая данные в буфер в памяти, который имеет правильный размер для флэш-памяти, и когда он заполняется, данные записываются во флэш-память, стирая любые существующие данные в этом месте. Также есть метод `flushSfudBuffer` для записи неполного буфера, так как захваченные данные не будут точными кратными размеру зерна, поэтому конечная часть данных должна быть записана.
+
+    > 💁 Конечная часть данных будет содержать дополнительные ненужные данные, но это нормально, так как будет прочитана только необходимая информация.
+
+### Задача - настройка захвата аудио
+
+1. Создайте новый файл в папке `src` с именем `config.h`.
+
+1. Добавьте следующее в начало этого файла:
+
+    ```cpp
+    #pragma once
+
+    #define RATE 16000
+    #define SAMPLE_LENGTH_SECONDS 4
+    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
+    #define BUFFER_SIZE (SAMPLES * 2) + 44
+    #define ADC_BUF_LEN 1600
+    ```
+
+    Этот код задает несколько констант для захвата аудио.
+
+    | Константа             | Значение | Описание |
+    | --------------------- | -------: | - |
+    | RATE                  | 16000    | Частота выборки для аудио. 16 000 — это 16 кГц |
+    | SAMPLE_LENGTH_SECONDS | 4        | Длина аудио для захвата. Установлено на 4 секунды. Чтобы записать более длинное аудио, увеличьте это значение. |
+    | SAMPLES               | 64000    | Общее количество аудиовыборок, которые будут захвачены. Установлено как частота выборки * количество секунд |
+    | BUFFER_SIZE           | 128044   | Размер буфера для захвата аудио. Аудио будет захвачено в формате WAV, который состоит из 44 байт заголовка и 128 000 байт аудиоданных (каждая выборка занимает 2 байта) |
+    | ADC_BUF_LEN           | 1600     | Размер буферов для захвата аудио с DMAC |
+
+    > 💁 Если вы считаете, что 4 секунды слишком мало для запроса таймера, вы можете увеличить значение `SAMPLE_LENGTH_SECONDS`, и все остальные значения будут пересчитаны.
+
+1. Создайте новый файл в папке `src` с именем `mic.h`.
+
+1. Добавьте следующее в начало этого файла:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    Это включает необходимые заголовочные файлы, включая заголовочные файлы `config.h` и `FlashWriter`.
+
+1. Добавьте следующее для определения класса `Mic`, который может захватывать данные с микрофона:
+
+    ```cpp
+    class Mic
+    {
+    public:
+        Mic()
+        {
+            _isRecording = false;
+            _isRecordingReady = false;
+        }
+    
+        void startRecording()
+        {
+            _isRecording = true;
+            _isRecordingReady = false;
+        }
+    
+        bool isRecording()
+        {
+            return _isRecording;
+        }
+    
+        bool isRecordingReady()
+        {
+            return _isRecordingReady;
+        }
+    
+    private:
+        volatile bool _isRecording;
+        volatile bool _isRecordingReady;
+        FlashWriter _writer;
+    };
+    
+    Mic mic;
+    ```
+
+    Этот класс пока содержит только несколько полей для отслеживания, началась ли запись, и готова ли запись к использованию. Когда DMAC настроен, он непрерывно записывает данные в буферы памяти, поэтому флаг `_isRecording` определяет, должны ли они быть обработаны или проигнорированы. Флаг `_isRecordingReady` будет установлен, когда будет захвачено требуемое 4 секунды аудио. Поле `_writer` используется для сохранения аудиоданных во флэш-память.
+
+    Затем объявляется глобальная переменная для экземпляра класса `Mic`.
+
+1. Добавьте следующий код в секцию `private` класса `Mic`:
+
+    ```cpp
+    typedef struct
+    {
+        uint16_t btctrl;
+        uint16_t btcnt;
+        uint32_t srcaddr;
+        uint32_t dstaddr;
+        uint32_t descaddr;
+    } dmacdescriptor;
+
+    // Globals - DMA and ADC
+    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor __attribute__((aligned(16)));
+
+    void configureDmaAdc()
+    {
+        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
+        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
+        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
+        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
+        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
+                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        // Configure NVIC
+        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
+        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
+
+        // Activate the suspend (SUSP) interrupt on DMAC channel 1
+        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
+
+        // Configure ADC
+        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
+        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
+            ;                              // Wait for synchronization
+        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
+        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
+            ;                                         // Wait for synchronization
+        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
+        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
+                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
+        while (ADC1->SYNCBUSY.bit.CTRLB)
+            ;                       // Wait for synchronization
+        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
+        while (ADC1->SYNCBUSY.bit.ENABLE)
+            ;                       // Wait for synchronization
+        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
+        while (ADC1->SYNCBUSY.bit.SWTRIG)
+            ; // Wait for synchronization
+
+        // Enable DMA channel 1
+        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
+
+        // Configure Timer/Counter 5
+        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
+                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
+
+        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
+        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
+        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
+            ; // Wait for synchronization
+
+        // Start Timer/Counter 5
+        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
+        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
+            ; // Wait for synchronization
+    }
+
+    uint16_t _adc_buf_0[ADC_BUF_LEN];
+    uint16_t _adc_buf_1[ADC_BUF_LEN];
+    ```
+
+    Этот код определяет метод `configureDmaAdc`, который настраивает DMAC, подключая его к АЦП и устанавливая его для заполнения двух чередующихся буферов, `_adc_buf_0` и `_adc_buf_1`.
+
+    > 💁 Одним из недостатков разработки для микроконтроллеров является сложность кода, необходимого для взаимодействия с оборудованием, так как ваш код работает на очень низком уровне, взаимодействуя непосредственно с оборудованием. Этот код сложнее, чем тот, который вы бы написали для одноплатного компьютера или настольного компьютера, так как здесь нет операционной системы, которая могла бы помочь. Существуют библиотеки, которые могут упростить эту задачу, но сложность все равно остается.
+
+1. Ниже добавьте следующий код:
+
+    ```cpp
+    // WAV files have a header. This struct defines that header
+    struct wavFileHeader
+    {
+        char riff[4];         /* "RIFF"                                  */
+        long flength;         /* file length in bytes                    */
+        char wave[4];         /* "WAVE"                                  */
+        char fmt[4];          /* "fmt "                                  */
+        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
+        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
+        short num_chans;      /* 1=mono, 2=stereo                        */
+        long srate;           /* Sampling rate in samples per second     */
+        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
+        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
+        short bits_per_samp;  /* Number of bits per sample               */
+        char data[4];         /* "data"                                  */
+        long dlength;         /* data length in bytes (filelength - 44)  */
+    };
+
+    void initBufferHeader()
+    {
+        wavFileHeader wavh;
+
+        strncpy(wavh.riff, "RIFF", 4);
+        strncpy(wavh.wave, "WAVE", 4);
+        strncpy(wavh.fmt, "fmt ", 4);
+        strncpy(wavh.data, "data", 4);
+
+        wavh.chunk_size = 16;
+        wavh.format_tag = 1; // PCM
+        wavh.num_chans = 1;  // mono
+        wavh.srate = RATE;
+        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
+        wavh.bytes_per_samp = 2;
+        wavh.bits_per_samp = 16;
+        wavh.dlength = RATE * 2 * 1 * 16 / 2;
+        wavh.flength = wavh.dlength + 44;
+
+        _writer.writeSfudBuffer((byte *)&wavh, 44);
+    }
+    ```
+
+    Этот код определяет заголовок WAV как структуру, занимающую 44 байта памяти. В заголовок записываются детали о частоте аудиофайла, размере и количестве каналов. Этот заголовок затем записывается во флэш-память.
+
+1. Ниже этого кода добавьте следующее для объявления метода, который будет вызываться, когда аудиобуферы готовы к обработке:
+
+    ```cpp
+    void audioCallback(uint16_t *buf, uint32_t buf_len)
+    {
+        static uint32_t idx = 44;
+
+        if (_isRecording)
+        {
+            for (uint32_t i = 0; i < buf_len; i++)
+            {
+                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
+
+                _writer.writeSfudBuffer(audio_value & 0xFF);
+                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
+            }
+
+            idx += buf_len;
+                
+            if (idx >= BUFFER_SIZE)
+            {
+                _writer.flushSfudBuffer();
+                idx = 44;
+                _isRecording = false;
+                _isRecordingReady = true;
+            }
+        }
+    }
+    ```
+
+    Аудиобуферы представляют собой массивы 16-битных целых чисел, содержащих аудио с АЦП. АЦП возвращает 12-битные значения без знака (0-1023), поэтому их нужно преобразовать в 16-битные значения со знаком, а затем преобразовать в 2 байта для хранения в виде необработанных бинарных данных.
+
+    Эти байты записываются в буферы флэш-памяти. Запись начинается с индекса 44 — это смещение от 44 байт, записанных как заголовок файла WAV. Как только все байты, необходимые для требуемой длины аудио, захвачены, оставшиеся данные записываются во флэш-память.
+
+1. В секции `public` класса `Mic` добавьте следующий код:
+
+    ```cpp
+    void dmaHandler()
+    {
+        static uint8_t count = 0;
+
+        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
+        {
+            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
+            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
+
+            if (count)
+            {
+                audioCallback(_adc_buf_0, ADC_BUF_LEN);
+            }
+            else
+            {
+                audioCallback(_adc_buf_1, ADC_BUF_LEN);
+            }
+
+            count = (count + 1) % 2;
+        }
+    }
+    ```
+
+    Этот код будет вызываться DMAC, чтобы уведомить ваш код о необходимости обработки буферов. Он проверяет, есть ли данные для обработки, и вызывает метод `audioCallback` с соответствующим буфером.
+
+1. Вне класса, после объявления `Mic mic;`, добавьте следующий код:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    Функция `DMAC_1_Handler` будет вызываться DMAC, когда буферы готовы к обработке. Эта функция определяется по имени, поэтому она просто должна существовать, чтобы быть вызванной.
+
+1. Добавьте следующие два метода в секцию `public` класса `Mic`:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    Метод `init` содержит код для инициализации класса `Mic`. Этот метод устанавливает правильное напряжение для пина микрофона, настраивает флэш-память, записывает заголовок WAV и настраивает DMAC. Метод `reset` сбрасывает флэш-память и заново записывает заголовок после того, как аудио было захвачено и использовано.
+
+### Задача - захват аудио
+
+1. В файле `main.cpp` добавьте директиву включения для заголовочного файла `mic.h`:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. В функции `setup` инициализируйте кнопку C. Захват аудио начнется при нажатии этой кнопки и будет продолжаться 4 секунды:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. Ниже этого инициализируйте микрофон, затем выведите в консоль сообщение о готовности к захвату аудио:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. Над функцией `loop` определите функцию для обработки захваченного аудио. Пока она ничего не делает, но позже в этом уроке она будет отправлять речь для преобразования в текст:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. Добавьте следующее в функцию `loop`:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
+        {
+            Serial.println("Starting recording...");
+            mic.startRecording();
+        }
+    
+        if (!mic.isRecording() && mic.isRecordingReady())
+        {
+            Serial.println("Finished recording");
+    
+            processAudio();
+    
+            mic.reset();
+        }
+    }
+    ```
+
+    Этот код проверяет кнопку C, и если она нажата и запись еще не началась, то поле `_isRecording` класса `Mic` устанавливается в значение `true`. Это приведет к тому, что метод `audioCallback` класса `Mic` будет сохранять аудио до тех пор, пока не будет захвачено 4 секунды. После захвата 4 секунд аудио поле `_isRecording` устанавливается в значение `false`, а поле `_isRecordingReady` устанавливается в значение `true`. Это затем проверяется в функции `loop`, и когда значение равно `true`, вызывается функция `processAudio`, затем класс `Mic` сбрасывается.
+
+1. Соберите этот код, загрузите его на ваш Wio Terminal и протестируйте через последовательный монитор. Нажмите кнопку C (ту, которая находится слева, ближе всего к переключателю питания) и говорите. Будет захвачено 4 секунды аудио.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Ready.
+    Starting recording...
+    Finished recording
+    ```
+💁 Вы можете найти этот код в папке [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal).
+Ваше приложение для записи аудио стало успешным!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..2db41dec
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-27T00:31:09+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "ru"
+}
+-->
+# Настройка микрофона и динамиков - Wio Terminal
+
+В этой части урока вы добавите динамики к вашему Wio Terminal. Wio Terminal уже оснащен встроенным микрофоном, который можно использовать для записи речи.
+
+## Оборудование
+
+Wio Terminal уже имеет встроенный микрофон, который можно использовать для записи звука для распознавания речи.
+
+![Микрофон на Wio Terminal](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ru.png)
+
+Чтобы добавить динамик, вы можете использовать [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html). Это внешняя плата, которая содержит 2 MEMS-микрофона, а также разъем для подключения динамика и гнездо для наушников.
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ru.png)
+
+Вам потребуется подключить либо наушники, либо динамик с разъемом 3.5 мм, либо динамик с JST-разъемом, например, [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html).
+
+Для подключения ReSpeaker 2-Mics Pi Hat вам понадобятся 40 проводов типа "пин-к-пин" (их также называют "мужской-мужской").
+
+> 💁 Если вы умеете паять, вы можете использовать [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) для подключения ReSpeaker.
+
+Также вам понадобится SD-карта для загрузки и воспроизведения аудио. Wio Terminal поддерживает только SD-карты объемом до 16 ГБ, которые должны быть отформатированы в FAT32 или exFAT.
+
+### Задача - подключение ReSpeaker Pi Hat
+
+1. При выключенном Wio Terminal подключите ReSpeaker 2-Mics Pi Hat к Wio Terminal с помощью проводов "пин-к-пин" и GPIO-разъемов на задней стороне Wio Terminal:
+
+    Пины должны быть подключены следующим образом:
+
+    ![Схема подключения пинов](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ru.png)
+
+1. Разместите ReSpeaker и Wio Terminal так, чтобы GPIO-разъемы были направлены вверх и находились с левой стороны.
+
+1. Начните с верхнего левого разъема GPIO на ReSpeaker. Подключите провод "пин-к-пин" от верхнего левого разъема ReSpeaker к верхнему левому разъему Wio Terminal.
+
+1. Повторите это для всех разъемов на левой стороне GPIO. Убедитесь, что провода надежно закреплены.
+
+    ![ReSpeaker с подключенными левыми пинами к левым пинам Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ru.png)
+
+    ![ReSpeaker с подключенными левыми пинами к левым пинам Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ru.png)
+
+    > 💁 Если ваши провода соединены в ленты, держите их вместе — это облегчит проверку правильности подключения всех проводов.
+
+1. Повторите процесс для правой стороны GPIO-разъемов на ReSpeaker и Wio Terminal. Эти провода должны проходить вокруг уже подключенных проводов.
+
+    ![ReSpeaker с подключенными правыми пинами к правым пинам Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ru.png)
+
+    ![ReSpeaker с подключенными правыми пинами к правым пинам Wio Terminal](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ru.png)
+
+    > 💁 Если ваши провода соединены в ленты, разделите их на две ленты. Пропустите одну с каждой стороны уже подключенных проводов.
+
+    > 💁 Вы можете использовать скотч, чтобы закрепить пины в блоке и предотвратить их выпадение во время подключения.
+    >
+    > ![Пины закреплены скотчем](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ru.png)
+
+1. Вам нужно будет подключить динамик.
+
+    * Если вы используете динамик с JST-кабелем, подключите его к JST-разъему на ReSpeaker.
+
+      ![Динамик, подключенный к ReSpeaker через JST-кабель](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ru.png)
+
+    * Если вы используете динамик с разъемом 3.5 мм или наушники, вставьте их в гнездо 3.5 мм.
+
+      ![Динамик, подключенный к ReSpeaker через гнездо 3.5 мм](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ru.png)
+
+### Задача - настройка SD-карты
+
+1. Подключите SD-карту к вашему компьютеру, используя внешний картридер, если у вас нет встроенного слота для SD-карт.
+
+1. Отформатируйте SD-карту с помощью подходящего инструмента на вашем компьютере, убедившись, что используется файловая система FAT32 или exFAT.
+
+1. Вставьте SD-карту в слот для SD-карт на левой стороне Wio Terminal, прямо под кнопкой питания. Убедитесь, что карта вставлена до конца и зафиксирована — возможно, вам понадобится тонкий инструмент или другая SD-карта, чтобы помочь вставить ее полностью.
+
+    ![Вставка SD-карты в слот под кнопкой питания](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ru.png)
+
+    > 💁 Чтобы извлечь SD-карту, нужно слегка нажать на нее, и она выскочит. Для этого вам понадобится тонкий инструмент, например, плоская отвертка или другая SD-карта.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..f9e75506
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-27T00:27:16+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "ru"
+}
+-->
+# Речь в текст - Wio Terminal
+
+В этой части урока вы напишете код для преобразования речи из записанного аудио в текст с использованием службы распознавания речи.
+
+## Отправка аудио в службу распознавания речи
+
+Аудио можно отправить в службу распознавания речи с помощью REST API. Чтобы использовать эту службу, сначала нужно запросить токен доступа, а затем использовать его для доступа к REST API. Эти токены доступа истекают через 10 минут, поэтому ваш код должен регулярно запрашивать их, чтобы они всегда были актуальными.
+
+### Задание - получение токена доступа
+
+1. Откройте проект `smart-timer`, если он еще не открыт.
+
+1. Добавьте следующие зависимости библиотек в файл `platformio.ini` для доступа к WiFi и работы с JSON:
+
+    ```ini
+    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+1. Добавьте следующий код в заголовочный файл `config.h`:
+
+    ```cpp
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    
+    const char *SPEECH_API_KEY = "<API_KEY>";
+    const char *SPEECH_LOCATION = "<LOCATION>";
+    const char *LANGUAGE = "<LANGUAGE>";
+
+    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
+    ```
+
+    Замените `<SSID>` и `<PASSWORD>` на соответствующие значения для вашего WiFi.
+
+    Замените `<API_KEY>` на ключ API для вашего ресурса службы распознавания речи. Замените `<LOCATION>` на местоположение, которое вы указали при создании ресурса службы распознавания речи.
+
+    Замените `<LANGUAGE>` на имя локали языка, на котором вы будете говорить, например, `en-GB` для английского или `zn-HK` для кантонского. Вы можете найти список поддерживаемых языков и их локалей в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    Константа `TOKEN_URL` — это URL-адрес эмитента токенов без указания местоположения. Позже он будет объединен с местоположением для получения полного URL-адреса.
+
+1. Как и при подключении к Custom Vision, вам нужно будет использовать HTTPS-соединение для подключения к службе выдачи токенов. В конец файла `config.h` добавьте следующий код:
+
+    ```cpp
+    const char *TOKEN_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    Это тот же сертификат, который вы использовали при подключении к Custom Vision.
+
+1. Добавьте включение заголовочного файла WiFi и заголовочного файла config в начало файла `main.cpp`:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. Добавьте код для подключения к WiFi в `main.cpp` перед функцией `setup`:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. Вызовите эту функцию из функции `setup` после установления последовательного соединения:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. Создайте новый заголовочный файл в папке `src` с именем `speech_to_text.h`. В этом заголовочном файле добавьте следующий код:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "mic.h"
+    
+    class SpeechToText
+    {
+    public:
+
+    private:
+
+    };
+
+    SpeechToText speechToText;
+    ```
+
+    Это включает необходимые заголовочные файлы для HTTP-соединения, конфигурации и заголовочный файл `mic.h`, а также определяет класс `SpeechToText`, после чего объявляется экземпляр этого класса для дальнейшего использования.
+
+1. Добавьте следующие два поля в секцию `private` этого класса:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client` — это WiFi Client, использующий HTTPS, который будет использоваться для получения токена доступа. Этот токен затем будет сохранен в `_access_token`.
+
+1. Добавьте следующий метод в секцию `private`:
+
+    ```cpp
+    String getAccessToken()
+    {
+        char url[128];
+        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
+    
+        HTTPClient httpClient;
+        httpClient.begin(_token_client, url);
+    
+        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
+        int httpResultCode = httpClient.POST("{}");
+    
+        if (httpResultCode != 200)
+        {
+            Serial.println("Error getting access token, trying again...");
+            delay(10000);
+            return getAccessToken();
+        }
+    
+        Serial.println("Got access token.");
+        String result = httpClient.getString();
+    
+        httpClient.end();
+    
+        return result;
+    }
+    ```
+
+    Этот код создает URL-адрес для API эмитента токенов, используя местоположение ресурса распознавания речи. Затем создается `HTTPClient` для выполнения веб-запроса, настроенного на использование WiFi-клиента с сертификатом конечной точки токенов. Ключ API устанавливается в качестве заголовка для вызова. Затем выполняется POST-запрос для получения сертификата, повторяющийся в случае ошибок. Наконец, возвращается токен доступа.
+
+1. В секцию `public` добавьте метод для получения токена доступа. Он понадобится в следующих уроках для преобразования текста в речь.
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. В секцию `public` добавьте метод `init`, который настраивает клиент токенов:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    Этот метод устанавливает сертификат на WiFi-клиенте, а затем получает токен доступа.
+
+1. В `main.cpp` добавьте этот новый заголовочный файл в директивы включения:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. Инициализируйте класс `SpeechToText` в конце функции `setup`, после вызова `mic.init`, но перед записью `Ready` в последовательный монитор:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### Задание - чтение аудио из флеш-памяти
+
+1. На более раннем этапе этого урока аудио было записано во флеш-память. Это аудио нужно будет отправить в REST API службы распознавания речи, поэтому его нужно считать из флеш-памяти. Оно не может быть загружено в буфер памяти, так как будет слишком большим. Класс `HTTPClient`, который выполняет REST-вызовы, может передавать данные с использованием Arduino Stream — класса, который может загружать данные небольшими блоками, отправляя их по одному за раз в рамках запроса. Каждый раз, когда вы вызываете `read` на потоке, он возвращает следующий блок данных. Arduino Stream можно создать для чтения из флеш-памяти. Создайте новый файл с именем `flash_stream.h` в папке `src` и добавьте в него следующий код:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <HTTPClient.h>
+    #include <sfud.h>
+
+    #include "config.h"
+    
+    class FlashStream : public Stream
+    {
+    public:
+        virtual size_t write(uint8_t val)
+        {    
+        }
+    
+        virtual int available()
+        {
+        }
+    
+        virtual int read()
+        {
+        }
+    
+        virtual int peek()
+        {
+        }
+    private:
+    
+    };
+    ```
+
+    Это объявляет класс `FlashStream`, производный от Arduino `Stream`. Это абстрактный класс — производные классы должны реализовать несколько методов, прежде чем класс можно будет использовать, и эти методы определены в этом классе.
+
+    ✅ Подробнее о потоках Arduino можно прочитать в [документации Arduino Stream](https://www.arduino.cc/reference/en/language/functions/communication/stream/)
+
+1. Добавьте следующие поля в секцию `private`:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    Это определяет временный буфер для хранения данных, считанных из флеш-памяти, а также поля для хранения текущей позиции при чтении из буфера, текущего адреса для чтения из флеш-памяти и устройства флеш-памяти.
+
+1. В секции `private` добавьте следующий метод:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    Этот код считывает данные из флеш-памяти по текущему адресу и сохраняет их в буфере. Затем он увеличивает адрес, чтобы следующий вызов считывал следующий блок памяти. Размер буфера основан на максимальном размере блока, который `HTTPClient` отправит в REST API за один раз.
+
+    > 💁 Стирание флеш-памяти должно выполняться с использованием размера зерна, чтение же этого ограничения не имеет.
+
+1. В секции `public` этого класса добавьте конструктор:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    Этот конструктор настраивает все поля для начала чтения с начала блока флеш-памяти и загружает первый блок данных в буфер.
+
+1. Реализуйте метод `write`. Этот поток будет только читать данные, поэтому этот метод может ничего не делать и возвращать 0:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. Реализуйте метод `peek`. Этот метод возвращает данные по текущей позиции, не перемещая поток. Многократный вызов `peek` всегда будет возвращать одни и те же данные, пока из потока не будет считано что-либо новое.
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. Реализуйте функцию `available`. Она возвращает, сколько байтов можно считать из потока, или -1, если поток завершен. Для этого класса максимальное доступное количество байтов не будет превышать размер блока HTTPClient. Когда этот поток используется в HTTP-клиенте, он вызывает эту функцию, чтобы узнать, сколько данных доступно, а затем запрашивает это количество для отправки в REST API. Мы не хотим, чтобы каждый блок превышал размер блока HTTP-клиента, поэтому, если доступно больше, возвращается размер блока. Если меньше, возвращается доступное количество. Когда все данные переданы, возвращается -1.
+
+    ```cpp
+    virtual int available()
+    {
+        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
+        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
+
+        if (bytes_available == 0)
+        {
+            bytes_available = -1;
+        }
+
+        return bytes_available;
+    }
+    ```
+
+1. Реализуйте метод `read`, чтобы возвращать следующий байт из буфера, увеличивая позицию. Если позиция превышает размер буфера, буфер заполняется следующим блоком из флеш-памяти, а позиция сбрасывается.
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. В заголовочном файле `speech_to_text.h` добавьте директиву включения для этого нового заголовочного файла:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### Задание - преобразование речи в текст
+
+1. Речь можно преобразовать в текст, отправив аудио в службу распознавания речи через REST API. У этого REST API другой сертификат, чем у эмитента токенов, поэтому добавьте следующий код в заголовочный файл `config.h`, чтобы определить этот сертификат:
+
+    ```cpp
+    const char *SPEECH_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
+        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
+        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
+        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
+        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
+        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
+        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
+        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
+        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
+        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
+        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
+        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
+        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
+        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
+        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
+        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. Добавьте в этот файл константу для URL-адреса службы распознавания речи без указания местоположения. Позже он будет объединен с местоположением и языком для получения полного URL-адреса.
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. В заголовочном файле `speech_to_text.h` в секции `private` класса `SpeechToText` определите поле для WiFi-клиента, использующего сертификат службы распознавания речи:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. В методе `init` установите сертификат на этом WiFi-клиенте:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. Добавьте следующий код в секцию `public` класса `SpeechToText`, чтобы определить метод для преобразования речи в текст:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. Добавьте следующий код в этот метод для создания HTTP-клиента, использующего WiFi-клиент, настроенный с сертификатом службы распознавания речи, и URL-адрес службы распознавания речи, установленный с местоположением и языком:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. Установите некоторые заголовки на соединении:
+
+    ```cpp
+    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
+    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
+    httpClient.addHeader("Accept", "application/json;text/xml");
+    ```
+
+    Это устанавливает заголовки для авторизации с использованием токена доступа, формата аудио с использованием частоты дискретизации и указывает, что клиент ожидает результат в формате JSON.
+
+1. После этого добавьте следующий код для выполнения REST API вызова:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    Это создает `FlashStream` и использует его для передачи данных в REST API.
+
+1. Ниже добавьте следующий код:
+
+    ```cpp
+    String text = "";
+
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        text = obj["DisplayText"].as<String>();
+    }
+    else if (httpResponseCode == 401)
+    {
+        Serial.println("Access token expired, trying again with a new token");
+        _access_token = getAccessToken();
+        return convertSpeechToText();
+    }
+    else
+    {
+        Serial.print("Failed to convert text to speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Этот код проверяет код ответа.
+
+    Если это 200, код успешного выполнения, то результат извлекается, декодируется из JSON, и свойство `DisplayText` сохраняется в переменной `text`. Это свойство, в котором возвращается текстовая версия речи.
+
+    Если код ответа 401, то токен доступа истек (эти токены действительны только 10 минут). Запрашивается новый токен доступа, и вызов выполняется снова.
+
+    В противном случае ошибка выводится в последовательный монитор, а `text` остается пустым.
+
+1. Добавьте следующий код в конец этого метода, чтобы закрыть HTTP-клиент и вернуть текст:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. В `main.cpp` вызовите новый метод `convertSpeechToText` в функции `processAudio`, затем выведите текст речи в последовательный монитор:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. Соберите этот код, загрузите его на ваш Wio Terminal и протестируйте через последовательный монитор. Как только вы увидите `Ready` в последовательном мониторе, нажмите кнопку C (слева, ближе к переключателю питания) и начните говорить. 4 секунды аудио будут записаны, а затем преобразованы в текст.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal).
+
+😀 Ваше приложение для преобразования речи в текст успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/2-language-understanding/README.md b/translations/ru/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..ba935e08
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-26T23:59:24+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "ru"
+}
+-->
+# Понять язык
+
+![Обзор урока в виде скетчноута](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## Введение
+
+В прошлом уроке вы преобразовали речь в текст. Чтобы использовать это для программирования умного таймера, вашему коду нужно будет понять, что было сказано. Можно предположить, что пользователь будет произносить фиксированную фразу, например, "Установи таймер на 3 минуты", и анализировать это выражение, чтобы определить, на сколько времени должен быть установлен таймер. Однако это не очень удобно для пользователя. Если пользователь скажет "Установи таймер на 3 минуты", вы или я поймем, что он имеет в виду, но ваш код этого не поймет, так как он ожидает фиксированную фразу.
+
+Именно здесь на помощь приходит понимание языка, использование моделей ИИ для интерпретации текста и извлечения необходимых деталей. Например, модель сможет понять, что и "Установи таймер на 3 минуты", и "Установи таймер на 3 минуты" означают необходимость установить таймер на 3 минуты.
+
+В этом уроке вы узнаете о моделях понимания языка, как их создавать, обучать и использовать в своем коде.
+
+В этом уроке мы рассмотрим:
+
+* [Понимание языка](../../../../../6-consumer/lessons/2-language-understanding)
+* [Создание модели понимания языка](../../../../../6-consumer/lessons/2-language-understanding)
+* [Интенты и сущности](../../../../../6-consumer/lessons/2-language-understanding)
+* [Использование модели понимания языка](../../../../../6-consumer/lessons/2-language-understanding)
+
+## Понимание языка
+
+Люди используют язык для общения уже сотни тысяч лет. Мы общаемся словами, звуками или действиями и понимаем, что сказано, как значение слов, звуков или действий, так и их контекст. Мы понимаем искренность и сарказм, позволяя одним и тем же словам означать разные вещи в зависимости от тона голоса.
+
+✅ Подумайте о некоторых разговорах, которые вы вели недавно. Насколько сложно было бы компьютеру понять эти разговоры из-за необходимости учитывать контекст?
+
+Понимание языка, также называемое пониманием естественного языка, является частью области искусственного интеллекта, называемой обработкой естественного языка (или NLP), и связано с чтением и пониманием текста, попыткой понять детали слов или предложений. Если вы используете голосового помощника, такого как Alexa или Siri, вы уже сталкивались с сервисами понимания языка. Это те самые ИИ-сервисы, которые превращают "Алекса, включи последний альбом Тейлор Свифт" в танцы моей дочери под любимую музыку в гостиной.
+
+> 💁 Несмотря на все достижения, компьютеры все еще далеки от полного понимания текста. Когда мы говорим о понимании языка компьютерами, мы имеем в виду нечто гораздо менее сложное, чем человеческое общение. Речь идет о том, чтобы взять слова и извлечь ключевые детали.
+
+Как люди, мы понимаем язык, не задумываясь об этом. Если я попрошу другого человека "включить последний альбом Тейлор Свифт", он инстинктивно поймет, что я имею в виду. Для компьютера это сложнее. Ему нужно будет взять слова, преобразованные из речи в текст, и определить следующие детали:
+
+* Нужно воспроизвести музыку
+* Музыка принадлежит артисту Тейлор Свифт
+* Речь идет о целом альбоме, состоящем из нескольких треков в определенном порядке
+* У Тейлор Свифт много альбомов, поэтому их нужно отсортировать по хронологическому порядку, и требуется самый последний из них
+
+✅ Подумайте о других предложениях, которые вы произносили, делая запросы, например, заказывая кофе или прося члена семьи передать вам что-то. Попробуйте разбить их на части информации, которые компьютер должен был бы извлечь, чтобы понять предложение.
+
+Модели понимания языка — это модели ИИ, которые обучены извлекать определенные детали из текста, а затем дообучаются для выполнения конкретных задач с использованием переноса обучения, так же как вы обучали модель Custom Vision, используя небольшой набор изображений. Вы можете взять модель и обучить ее на тексте, который вы хотите, чтобы она понимала.
+
+## Создание модели понимания языка
+
+![Логотип LUIS](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ru.png)
+
+Вы можете создавать модели понимания языка с помощью LUIS, сервиса понимания языка от Microsoft, который является частью Cognitive Services.
+
+### Задача — создать ресурс для авторинга
+
+Чтобы использовать LUIS, вам нужно создать ресурс для авторинга.
+
+1. Используйте следующую команду, чтобы создать ресурс для авторинга в вашей группе ресурсов `smart-timer`:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов.
+
+    > ⚠️ LUIS недоступен во всех регионах, поэтому если вы получите следующую ошибку:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > выберите другой регион.
+
+    Это создаст бесплатный ресурс для авторинга LUIS.
+
+### Задача — создать приложение для понимания языка
+
+1. Откройте портал LUIS по адресу [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) в вашем браузере и войдите в систему, используя ту же учетную запись, которую вы использовали для Azure.
+
+1. Следуйте инструкциям в диалоговом окне, чтобы выбрать вашу подписку Azure, затем выберите только что созданный ресурс `smart-timer-luis-authoring`.
+
+1. В списке *Conversation apps* выберите кнопку **New app**, чтобы создать новое приложение. Назовите новое приложение `smart-timer` и установите *Culture* на ваш язык.
+
+    > 💁 Существует поле для ресурса прогнозирования. Вы можете создать второй ресурс только для прогнозирования, но бесплатный ресурс для авторинга позволяет выполнять 1 000 прогнозов в месяц, чего должно быть достаточно для разработки, поэтому это поле можно оставить пустым.
+
+1. Прочитайте руководство, которое появится после создания приложения, чтобы понять шаги, которые нужно выполнить для обучения модели понимания языка. Закройте руководство, когда закончите.
+
+## Интенты и сущности
+
+Понимание языка основывается на *интентах* и *сущностях*. Интенты — это намерения слов, например, воспроизведение музыки, установка таймера или заказ еды. Сущности — это то, к чему относится намерение, например, альбом, продолжительность таймера или тип еды. Каждое предложение, которое интерпретирует модель, должно иметь как минимум один интент и, возможно, одну или несколько сущностей.
+
+Некоторые примеры:
+
+| Предложение                                         | Интент           | Сущности                                   |
+| --------------------------------------------------- | ---------------- | ------------------------------------------ |
+| "Включи последний альбом Тейлор Свифт"             | *воспроизвести музыку* | *последний альбом Тейлор Свифт*         |
+| "Установи таймер на 3 минуты"                      | *установить таймер* | *3 минуты*                                |
+| "Отмени мой таймер"                                | *отменить таймер* | Нет                                       |
+| "Закажи 3 большие пиццы с ананасом и салат Цезарь" | *заказать еду*    | *3 большие пиццы с ананасом*, *салат Цезарь* |
+
+✅ С предложениями, которые вы придумали ранее, определите интент и любые сущности в этих предложениях.
+
+Чтобы обучить LUIS, сначала нужно задать сущности. Это могут быть фиксированные списки терминов или данные, извлеченные из текста. Например, вы можете предоставить фиксированный список блюд из вашего меню с вариантами (или синонимами) для каждого слова, такими как *баклажан* и *аубергин* как варианты *аубергина*. LUIS также имеет встроенные сущности, которые можно использовать, например, числа и местоположения.
+
+Для установки таймера вы можете создать одну сущность, используя встроенные числовые сущности для времени, и другую для единиц измерения, таких как минуты и секунды. Каждая единица будет иметь несколько вариантов, чтобы охватить формы единственного и множественного числа — например, минута и минуты.
+
+После определения сущностей создаются интенты. Они изучаются моделью на основе примеров предложений, которые вы предоставляете (известных как высказывания). Например, для интента *установить таймер* вы можете предоставить следующие предложения:
+
+* `установи таймер на 1 секунду`
+* `установи таймер на 1 минуту и 12 секунд`
+* `установи таймер на 3 минуты`
+* `установи таймер на 9 минут 30 секунд`
+
+Затем вы указываете LUIS, какие части этих предложений соответствуют сущностям:
+
+![Предложение "установи таймер на 1 минуту и 12 секунд", разбитое на сущности](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ru.png)
+
+Предложение `установи таймер на 1 минуту и 12 секунд` имеет интент `установить таймер`. Оно также содержит 2 сущности с 2 значениями каждая:
+
+|            | время | единица   |
+| ---------- | ---: | --------- |
+| 1 минута   | 1    | минута    |
+| 12 секунд  | 12   | секунда   |
+
+Чтобы обучить хорошую модель, вам нужен широкий спектр различных примеров предложений, чтобы охватить множество способов, которыми кто-то может попросить одно и то же.
+
+> 💁 Как и в случае с любой моделью ИИ, чем больше данных и чем точнее данные, которые вы используете для обучения, тем лучше будет модель.
+
+✅ Подумайте о различных способах, которыми вы могли бы попросить одно и то же, и которые человек понял бы.
+
+### Задача — добавить сущности в модели понимания языка
+
+Для таймера вам нужно добавить 2 сущности — одну для единицы времени (минуты или секунды) и одну для количества минут или секунд.
+
+Инструкции по использованию портала LUIS можно найти в [Quickstart: Build your app in LUIS portal documentation on Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn).
+
+1. На портале LUIS выберите вкладку *Entities* и добавьте встроенную сущность *number*, выбрав кнопку **Add prebuilt entity**, а затем выбрав *number* из списка.
+
+1. Создайте новую сущность для единицы времени, используя кнопку **Create**. Назовите сущность `time unit` и установите тип *List*. Добавьте значения для `minute` и `second` в список *Normalized values*, добавив формы единственного и множественного числа в список *synonyms*. Нажимайте `return` после добавления каждого синонима, чтобы добавить его в список.
+
+    | Нормализованное значение | Синонимы        |
+    | ------------------------ | --------------- |
+    | minute                   | минута, минуты  |
+    | second                   | секунда, секунды|
+
+### Задача — добавить интенты в модели понимания языка
+
+1. На вкладке *Intents* выберите кнопку **Create**, чтобы создать новый интент. Назовите этот интент `set timer`.
+
+1. Введите примеры различных способов установки таймера, используя как минуты, так и секунды, а также их комбинации. Примеры могут быть такими:
+
+    * `установи таймер на 1 секунду`
+    * `установи таймер на 4 минуты`
+    * `установи таймер на четыре минуты шесть секунд`
+    * `установи таймер на 9 минут 30 секунд`
+    * `установи таймер на 1 минуту и 12 секунд`
+    * `установи таймер на 3 минуты`
+    * `установи таймер на 3 минуты и 1 секунду`
+    * `установи таймер на три минуты и одну секунду`
+    * `установи таймер на 1 минуту и 1 секунду`
+    * `установи таймер на 30 секунд`
+    * `установи таймер на 1 секунду`
+
+    Перемешивайте числа в виде слов и цифр, чтобы модель научилась обрабатывать оба варианта.
+
+1. По мере ввода каждого примера LUIS начнет обнаруживать сущности, подчеркивая и помечая найденные.
+
+    ![Примеры с подчеркнутыми числами и единицами времени, обнаруженными LUIS](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ru.png)
+
+### Задача — обучить и протестировать модель
+
+1. После настройки сущностей и интентов вы можете обучить модель, используя кнопку **Train** в верхнем меню. Выберите эту кнопку, и модель должна обучиться за несколько секунд. Кнопка будет неактивна во время обучения и снова станет доступной после завершения.
+
+1. Выберите кнопку **Test** в верхнем меню, чтобы протестировать модель понимания языка. Введите текст, например, `установи таймер на 5 минут и 4 секунды`, и нажмите Return. Предложение появится в поле под текстовым полем, в которое вы его ввели, а ниже будет указан *top intent* — интент, который был определен с наибольшей вероятностью. Это должен быть `set timer`. Название интента будет сопровождаться вероятностью того, что определенный интент является правильным.
+
+1. Выберите опцию **Inspect**, чтобы увидеть подробный анализ результатов. Вы увидите интент с наивысшим баллом и его процентную вероятность, а также списки обнаруженных сущностей.
+
+1. Закройте панель *Test*, когда закончите тестирование.
+
+### Задача — опубликовать модель
+
+Чтобы использовать эту модель в коде, ее нужно опубликовать. При публикации из LUIS вы можете опубликовать модель либо в тестовой среде (staging), либо в производственной среде (production). Для этого урока подойдет тестовая среда.
+
+1. На портале LUIS выберите кнопку **Publish** в верхнем меню.
+
+1. Убедитесь, что выбрана опция *Staging slot*, затем нажмите **Done**. Вы увидите уведомление, когда приложение будет опубликовано.
+
+1. Вы можете протестировать это с помощью curl. Чтобы создать команду curl, вам понадобятся три значения — endpoint, идентификатор приложения (App ID) и ключ API. Эти данные можно найти на вкладке **MANAGE**, которую можно выбрать в верхнем меню.
+
+    1. В разделе *Settings* скопируйте App ID.
+1. В разделе *Azure Resources* выберите *Authoring Resource* и скопируйте *Primary Key* и *Endpoint URL*.
+
+1. Выполните следующую команду curl в командной строке или терминале:
+
+    ```sh
+    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
+          --request GET \
+          --get \
+          --data "subscription-key=<primary key>" \
+          --data "verbose=false" \
+          --data "show-all-intents=true" \
+          --data-urlencode "query=<sentence>"
+    ```
+
+    Замените `<endpoint url>` на Endpoint URL из раздела *Azure Resources*.
+
+    Замените `<app id>` на App ID из раздела *Settings*.
+
+    Замените `<primary key>` на Primary Key из раздела *Azure Resources*.
+
+    Замените `<sentence>` на предложение, которое вы хотите протестировать.
+
+1. Результатом выполнения этой команды будет JSON-документ, содержащий запрос, основное намерение и список сущностей, разбитых по типам.
+
+    ```JSON
+    {
+        "query": "set a timer for 45 minutes and 12 seconds",
+        "prediction": {
+            "topIntent": "set timer",
+            "intents": {
+                "set timer": {
+                    "score": 0.97031575
+                },
+                "None": {
+                    "score": 0.02205793
+                }
+            },
+            "entities": {
+                "number": [
+                    45,
+                    12
+                ],
+                "time-unit": [
+                    [
+                        "minute"
+                    ],
+                    [
+                        "second"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    JSON выше был получен при запросе с текстом `set a timer for 45 minutes and 12 seconds`:
+
+    * `set timer` было основным намерением с вероятностью 97%.
+    * Были обнаружены две сущности типа *number*: `45` и `12`.
+    * Были обнаружены две сущности типа *time-unit*: `minute` и `second`.
+
+## Использование модели понимания языка
+
+После публикации модель LUIS может быть вызвана из кода. В предыдущих уроках вы использовали IoT Hub для обработки связи с облачными сервисами, отправки телеметрии и получения команд. Это очень асинхронно — после отправки телеметрии ваш код не ожидает ответа, и если облачный сервис недоступен, вы об этом не узнаете.
+
+Для умного таймера нам нужен мгновенный ответ, чтобы мы могли сообщить пользователю, что таймер установлен, или предупредить его о недоступности облачных сервисов. Для этого наше IoT-устройство будет напрямую вызывать веб-эндпоинт, вместо использования IoT Hub.
+
+Вместо вызова LUIS с IoT-устройства вы можете использовать безсерверный код с другим типом триггера — HTTP-триггер. Это позволяет вашему приложению функций слушать REST-запросы и отвечать на них. Эта функция будет REST-эндпоинтом, который ваше устройство сможет вызвать.
+
+> 💁 Хотя вы можете вызывать LUIS напрямую с вашего IoT-устройства, лучше использовать что-то вроде безсерверного кода. Таким образом, если вы захотите изменить приложение LUIS, которое вы вызываете, например, когда вы обучите более точную модель или модель на другом языке, вам нужно будет обновить только облачный код, а не переустанавливать код на потенциально тысячах или миллионах IoT-устройств.
+
+### Задача — создать приложение функций без сервера
+
+1. Создайте приложение Azure Functions с именем `smart-timer-trigger` и откройте его в VS Code.
+
+1. Добавьте HTTP-триггер в это приложение с именем `speech-trigger`, используя следующую команду в терминале VS Code:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    Это создаст HTTP-триггер с именем `text-to-timer`.
+
+1. Протестируйте HTTP-триггер, запустив приложение функций. Когда оно запустится, вы увидите эндпоинт в выводе:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    Протестируйте это, загрузив URL [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) в вашем браузере.
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### Задача — использовать модель понимания языка
+
+1. SDK для LUIS доступен через пакет Pip. Добавьте следующую строку в файл `requirements.txt`, чтобы добавить зависимость от этого пакета:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. Убедитесь, что терминал VS Code активировал виртуальную среду, и выполните следующую команду для установки пакетов Pip:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 Если вы получите ошибки, возможно, вам нужно обновить pip с помощью следующей команды:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. Добавьте новые записи в файл `local.settings.json` для вашего LUIS API Key, Endpoint URL и App ID из вкладки **MANAGE** портала LUIS:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    Замените `<endpoint url>` на Endpoint URL из раздела *Azure Resources* вкладки **MANAGE**. Это будет `https://<location>.api.cognitive.microsoft.com/`.
+
+    Замените `<app id>` на App ID из раздела *Settings* вкладки **MANAGE**.
+
+    Замените `<primary key>` на Primary Key из раздела *Azure Resources* вкладки **MANAGE**.
+
+1. Добавьте следующие импорты в файл `__init__.py`:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    Это импортирует системные библиотеки, а также библиотеки для взаимодействия с LUIS.
+
+1. Удалите содержимое метода `main` и добавьте следующий код:
+
+    ```python
+    luis_key = os.environ['LUIS_KEY']
+    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
+    app_id = os.environ['LUIS_APP_ID']
+    
+    credentials = CognitiveServicesCredentials(luis_key)
+    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
+    ```
+
+    Этот код загружает значения, которые вы добавили в файл `local.settings.json` для вашего приложения LUIS, создает объект учетных данных с вашим API-ключом, а затем создает клиент LUIS для взаимодействия с вашим приложением LUIS.
+
+1. Этот HTTP-триггер будет вызываться с передачей текста для анализа в формате JSON, где текст будет находиться в свойстве `text`. Следующий код извлекает значение из тела HTTP-запроса и записывает его в консоль. Добавьте этот код в функцию `main`:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. Прогнозы запрашиваются у LUIS путем отправки запроса на прогноз — JSON-документа, содержащего текст для анализа. Создайте его с помощью следующего кода:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. Этот запрос затем может быть отправлен в LUIS, используя staging-слот, в который было опубликовано ваше приложение:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. Ответ на прогноз содержит основное намерение — намерение с наивысшим баллом прогноза, а также сущности. Если основное намерение — `set timer`, то сущности можно использовать для получения времени, необходимого для таймера:
+
+    ```python
+    if prediction_response.prediction.top_intent == 'set timer':
+        numbers = prediction_response.prediction.entities['number']
+        time_units = prediction_response.prediction.entities['time unit']
+        total_seconds = 0
+    ```
+
+    Сущности типа `number` будут массивом чисел. Например, если вы сказали *"Set a four minute 17 second timer."*, то массив `number` будет содержать 2 целых числа — 4 и 17.
+
+    Сущности типа `time unit` будут массивом массивов строк, где каждая единица времени будет массивом строк внутри массива. Например, если вы сказали *"Set a four minute 17 second timer."*, то массив `time unit` будет содержать 2 массива с одним значением в каждом — `['minute']` и `['second']`.
+
+    JSON-версия этих сущностей для *"Set a four minute 17 second timer."* выглядит так:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    Этот код также определяет счетчик для общего времени таймера в секундах. Он будет заполнен значениями из сущностей.
+
+1. Сущности не связаны друг с другом, но мы можем сделать некоторые предположения о них. Они будут в порядке, в котором были произнесены, поэтому позиция в массиве может быть использована для определения, какое число соответствует какой единице времени. Например:
+
+    * *"Set a 30 second timer"* — здесь будет одно число, `30`, и одна единица времени, `second`, поэтому единственное число будет соответствовать единственной единице времени.
+    * *"Set a 2 minute and 30 second timer"* — здесь будут два числа, `2` и `30`, и две единицы времени, `minute` и `second`, поэтому первое число будет для первой единицы времени (2 минуты), а второе число для второй единицы времени (30 секунд).
+
+    Следующий код получает количество элементов в сущностях типа `number` и использует это для извлечения первого элемента из каждого массива, затем второго и так далее. Добавьте это внутри блока `if`.
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    Для *"Set a four minute 17 second timer."* это будет два прохода, давая следующие значения:
+
+    | номер прохода | `number` | `time_unit` |
+    | ------------- | -------- | ----------- |
+    | 0             | 4        | minute      |
+    | 1             | 17       | second      |
+
+1. Внутри этого цикла используйте число и единицу времени для расчета общего времени таймера, добавляя 60 секунд за каждую минуту и количество секунд за любые секунды.
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. Вне этого цикла по сущностям запишите общее время таймера в лог:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. Количество секунд должно быть возвращено из функции как HTTP-ответ. В конце блока `if` добавьте следующее:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    Этот код создает полезную нагрузку, содержащую общее количество секунд для таймера, преобразует ее в строку JSON и возвращает ее как HTTP-результат с кодом состояния 200, что означает успешный вызов.
+
+1. Наконец, вне блока `if` обработайте случай, если намерение не было распознано, возвращая код ошибки:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 — это код состояния для *не найдено*.
+
+1. Запустите приложение функций и протестируйте его с помощью curl.
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    Замените `<text>` на текст вашего запроса, например `set a 2 minutes 27 second timer`.
+
+    Вы увидите следующий вывод из приложения функций:
+
+    ```output
+    Functions:
+
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    
+    For detailed output, run func with --verbose flag.
+    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
+    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
+    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
+    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
+    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
+    ```
+
+    Вызов curl вернет следующее:
+
+    ```output
+    HTTP/1.1 200 OK
+    Date: Tue, 29 Jun 2021 01:14:11 GMT
+    Content-Type: text/plain; charset=utf-8
+    Server: Kestrel
+    Transfer-Encoding: chunked
+    
+    {"seconds": 147}
+    ```
+
+    Количество секунд для таймера находится в значении `"seconds"`.
+
+> 💁 Вы можете найти этот код в папке [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions).
+
+### Задача — сделать вашу функцию доступной для вашего IoT-устройства
+
+1. Чтобы ваше IoT-устройство могло вызвать ваш REST-эндпоинт, ему нужно знать URL. Когда вы получили к нему доступ ранее, вы использовали `localhost`, что является ярлыком для доступа к REST-эндпоинтам на вашем локальном компьютере. Чтобы дать доступ вашему IoT-устройству, вам нужно либо опубликовать приложение в облаке, либо получить ваш IP-адрес для локального доступа.
+
+    > ⚠️ Если вы используете Wio Terminal, проще запустить приложение функций локально, так как будут зависимости от библиотек, которые не позволят вам развернуть приложение функций так же, как вы делали это ранее. Запустите приложение функций локально и получите доступ к нему через IP-адрес вашего компьютера. Если вы хотите развернуть приложение в облаке, информация о том, как это сделать, будет предоставлена в следующем уроке.
+
+    * Опубликуйте приложение функций — следуйте инструкциям из предыдущих уроков, чтобы опубликовать ваше приложение функций в облаке. После публикации URL будет `https://<APP_NAME>.azurewebsites.net/api/text-to-timer`, где `<APP_NAME>` — это имя вашего приложения функций. Убедитесь, что вы также опубликовали ваши локальные настройки.
+
+      При работе с HTTP-триггерами они по умолчанию защищены ключом приложения функций. Чтобы получить этот ключ, выполните следующую команду:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      Скопируйте значение записи `default` из раздела `functionKeys`.
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      Этот ключ нужно будет добавить как параметр запроса к URL, чтобы итоговый URL выглядел так: `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>`, где `<APP_NAME>` — это имя вашего приложения функций, а `<FUNCTION_KEY>` — ваш ключ функции по умолчанию.
+
+      > 💁 Вы можете изменить тип авторизации HTTP-триггера, используя настройку `authlevel` в файле `function.json`. Подробнее об этом можно прочитать в [разделе конфигурации документации Azure Functions HTTP trigger на сайте Microsoft](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration).
+
+    * Запустите приложение функций локально и получите доступ, используя IP-адрес — вы можете получить IP-адрес вашего компьютера в локальной сети и использовать его для построения URL.
+
+      Найдите ваш IP-адрес:
+
+      * На Windows 10 следуйте [руководству по поиску IP-адреса](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn).
+      * На macOS следуйте [руководству по поиску IP-адреса на Mac](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac).
+      * На Linux следуйте разделу о поиске частного IP-адреса в [руководстве по поиску IP-адреса в Linux](https://opensource.com/article/18/5/how-find-ip-address-linux).
+
+      После того как вы получите ваш IP-адрес, вы сможете получить доступ к функции по адресу `http://`.
+
+:7071/api/text-to-timer`, где `<IP_ADDRESS>` — это ваш IP-адрес, например `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 Обратите внимание, что используется порт 7071, поэтому после IP-адреса необходимо указать `:7071`.
+
+      > 💁 Это будет работать только в том случае, если ваше IoT-устройство находится в той же сети, что и ваш компьютер.
+
+1. Проверьте конечную точку, используя curl.
+
+---
+
+## 🚀 Задание
+
+Существует множество способов запросить одно и то же действие, например установить таймер. Придумайте разные способы сделать это и используйте их в вашем приложении LUIS. Протестируйте их, чтобы понять, насколько хорошо ваша модель справляется с различными способами запроса таймера.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о LUIS и его возможностях на [странице документации Language Understanding (LUIS) на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* Узнайте больше о понимании языка на [странице о понимании естественного языка на Википедии](https://wikipedia.org/wiki/Natural-language_understanding)
+* Узнайте больше о HTTP-триггерах в [документации Azure Functions HTTP trigger на сайте Microsoft](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## Задание
+
+[Отменить таймер](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/2-language-understanding/assignment.md b/translations/ru/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..1b896c5f
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-27T00:06:35+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Отмена таймера
+
+## Инструкции
+
+На данный момент в этом уроке вы обучили модель понимать установку таймера. Еще одна полезная функция — отмена таймера. Например, ваш хлеб уже готов, и его можно достать из духовки до истечения времени таймера.
+
+Добавьте новый интент в ваше приложение LUIS для отмены таймера. Для этого не понадобятся сущности, но потребуется несколько примерных предложений. Обработайте это в вашем серверлес-коде, если это основной интент, зафиксируйте, что интент был распознан, и верните соответствующий ответ.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшений |
+| -------- | ----------- | ----------------- | ----------------- |
+| Добавление интента для отмены таймера в приложение LUIS | Удалось добавить интент и обучить модель | Удалось добавить интент, но не обучить модель | Не удалось добавить интент и обучить модель |
+| Обработка интента в серверлес-приложении | Удалось определить интент как основной и зафиксировать это | Удалось определить интент как основной | Не удалось определить интент как основной |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/README.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..298bffd2
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-27T00:08:04+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "ru"
+}
+-->
+# Установите таймер и предоставьте голосовую обратную связь
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## Введение
+
+Умные ассистенты — это не устройства для односторонней коммуникации. Вы говорите с ними, и они отвечают:
+
+"Alexa, установи таймер на 3 минуты"
+
+"Хорошо, ваш таймер установлен на 3 минуты"
+
+В последних двух уроках вы узнали, как преобразовать речь в текст, а затем извлечь запрос на установку таймера из этого текста. В этом уроке вы научитесь устанавливать таймер на IoT-устройстве, отвечать пользователю голосом с подтверждением установки таймера и уведомлять его, когда таймер завершится.
+
+В этом уроке мы рассмотрим:
+
+* [Преобразование текста в речь](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Установка таймера](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [Преобразование текста в речь](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## Преобразование текста в речь
+
+Преобразование текста в речь, как следует из названия, — это процесс преобразования текста в аудио, содержащее текст в виде произнесенных слов. Основной принцип заключается в разбиении слов текста на их составляющие звуки (называемые фонемами) и объединении аудио для этих звуков, либо с использованием заранее записанного аудио, либо с использованием аудио, сгенерированного моделями ИИ.
+
+![Три этапа типичных систем преобразования текста в речь](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ru.png)
+
+Системы преобразования текста в речь обычно включают 3 этапа:
+
+* Анализ текста
+* Лингвистический анализ
+* Генерация звуковой волны
+
+### Анализ текста
+
+Анализ текста включает в себя обработку предоставленного текста и преобразование его в слова, которые можно использовать для генерации речи. Например, если вы преобразуете "Hello world", анализ текста не требуется, эти два слова можно сразу преобразовать в речь. Однако, если у вас есть "1234", это может потребовать преобразования либо в слова "Одна тысяча двести тридцать четыре", либо "Один, два, три, четыре" в зависимости от контекста. Для "У меня 1234 яблока" это будет "Одна тысяча двести тридцать четыре", а для "Ребенок посчитал 1234" это будет "Один, два, три, четыре".
+
+Слова, которые создаются, зависят не только от языка, но и от локали этого языка. Например, в американском английском 120 будет "One hundred twenty", а в британском английском — "One hundred and twenty", с использованием "and" после сотен.
+
+✅ Некоторые другие примеры, требующие анализа текста, включают "in" как сокращение от дюйма и "st" как сокращение от святого или улицы. Можете ли вы придумать другие примеры в вашем языке, где слова неоднозначны без контекста?
+
+После определения слов они отправляются на лингвистический анализ.
+
+### Лингвистический анализ
+
+Лингвистический анализ разбивает слова на фонемы. Фонемы зависят не только от используемых букв, но и от других букв в слове. Например, в английском языке звук 'a' в словах 'car' и 'care' различается. В английском языке 44 различных фонемы для 26 букв алфавита, некоторые из которых используются разными буквами, например, одна и та же фонема используется в начале слов 'circle' и 'serpent'.
+
+✅ Проведите исследование: Какие фонемы существуют в вашем языке?
+
+После преобразования слов в фонемы этим фонемам требуется дополнительная информация для поддержки интонации, изменения тона или длительности в зависимости от контекста. Один из примеров — в английском языке повышение тона может использоваться для преобразования предложения в вопрос, повышение тона на последнем слове подразумевает вопрос.
+
+Например, предложение "You have an apple" является утверждением, что у вас есть яблоко. Если тон повышается в конце, увеличиваясь на слове apple, это становится вопросом "You have an apple?", спрашивая, есть ли у вас яблоко. Лингвистический анализ должен использовать вопросительный знак в конце, чтобы решить, повышать ли тон.
+
+После генерации фонем они отправляются на этап генерации звуковой волны для создания аудиовыхода.
+
+### Генерация звуковой волны
+
+Первые электронные системы преобразования текста в речь использовали отдельные аудиозаписи для каждой фонемы, что приводило к очень монотонным, роботизированным голосам. Лингвистический анализ создавал фонемы, которые загружались из базы данных звуков и объединялись для создания аудио.
+
+✅ Проведите исследование: Найдите аудиозаписи из ранних систем синтеза речи. Сравните их с современным синтезом речи, таким как тот, что используется в умных ассистентах.
+
+Современная генерация звуковой волны использует модели машинного обучения, построенные с использованием глубокого обучения (очень большие нейронные сети, которые работают аналогично нейронам в мозге), чтобы создавать более естественные голоса, которые могут быть неотличимы от человеческих.
+
+> 💁 Некоторые из этих моделей машинного обучения могут быть дообучены с использованием переноса обучения, чтобы звучать как реальные люди. Это означает, что использование голоса в качестве системы безопасности, что банки все чаще пытаются делать, больше не является хорошей идеей, так как любой, у кого есть запись вашего голоса длиной в несколько минут, может вас подделать.
+
+Эти крупные модели машинного обучения обучаются объединять все три этапа в единые системы синтеза речи.
+
+## Установка таймера
+
+Чтобы установить таймер, вашему IoT-устройству нужно вызвать REST-эндпоинт, который вы создали с использованием серверного кода, а затем использовать полученное количество секунд для установки таймера.
+
+### Задача — вызов серверной функции для получения времени таймера
+
+Следуйте соответствующему руководству, чтобы вызвать REST-эндпоинт с вашего IoT-устройства и установить таймер на необходимое время:
+
+* [Arduino - Wio Terminal](wio-terminal-set-timer.md)
+* [Одноплатный компьютер - Raspberry Pi/Виртуальное IoT-устройство](single-board-computer-set-timer.md)
+
+## Преобразование текста в речь
+
+Тот же сервис преобразования речи, который вы использовали для преобразования речи в текст, можно использовать для преобразования текста обратно в речь, и это можно воспроизвести через динамик на вашем IoT-устройстве. Текст для преобразования отправляется в сервис преобразования речи вместе с типом требуемого аудио (например, частотой дискретизации), и возвращаются бинарные данные, содержащие аудио.
+
+При отправке этого запроса вы используете *Speech Synthesis Markup Language* (SSML), основанный на XML язык разметки для приложений синтеза речи. Он определяет не только текст для преобразования, но и язык текста, голос для использования, а также может использоваться для определения скорости, громкости и тона для некоторых или всех слов в тексте.
+
+Например, этот SSML определяет запрос на преобразование текста "Ваш таймер на 3 минуты и 5 секунд установлен" в речь с использованием британского английского голоса `en-GB-MiaNeural`
+
+```xml
+<speak version='1.0' xml:lang='en-GB'>
+    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
+        Your 3 minute 5 second time has been set
+    </voice>
+</speak>
+```
+
+> 💁 Большинство систем преобразования текста в речь имеют несколько голосов для разных языков с соответствующими акцентами, например, британский английский голос с английским акцентом и новозеландский английский голос с новозеландским акцентом.
+
+### Задача — преобразование текста в речь
+
+Пройдите соответствующее руководство, чтобы преобразовать текст в речь с использованием вашего IoT-устройства:
+
+* [Arduino - Wio Terminal](wio-terminal-text-to-speech.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-text-to-speech.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 Задание
+
+SSML позволяет изменять, как произносятся слова, например, добавлять акцент на определенные слова, добавлять паузы или изменять тон. Попробуйте использовать эти возможности, отправляя разные SSML с вашего IoT-устройства и сравнивая результаты. Вы можете узнать больше о SSML, включая способы изменения произношения слов, в [спецификации Speech Synthesis Markup Language (SSML) Version 1.1 от World Wide Web Consortium](https://www.w3.org/TR/speech-synthesis11/).
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о синтезе речи на [странице о синтезе речи в Википедии](https://wikipedia.org/wiki/Speech_synthesis)
+* Узнайте больше о способах, которыми преступники используют синтез речи для кражи, в [статье BBC о фальшивых голосах, помогающих киберпреступникам красть деньги](https://www.bbc.com/news/technology-48908736)
+* Узнайте больше о рисках для актеров озвучивания из-за синтезированных версий их голосов в [статье Vice о судебном иске TikTok, подчеркивающем, как ИИ вредит актерам озвучивания](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## Задание
+
+[Отмените таймер](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..aee08321
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-27T00:10:32+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Отменить таймер
+
+## Инструкции
+
+В задании к последнему уроку вы добавили намерение отмены таймера в LUIS. В этом задании вам нужно обработать это намерение в безсерверном коде, отправить команду на IoT-устройство, а затем отменить таймер.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+| Обработка намерения в безсерверном коде и отправка команды | Удалось обработать намерение и отправить команду на устройство | Удалось обработать намерение, но не удалось отправить команду на устройство | Не удалось обработать намерение |
+| Отмена таймера на устройстве | Удалось получить команду и отменить таймер | Удалось получить команду, но не удалось отменить таймер | Не удалось получить команду |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..aadc4336
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-27T00:12:25+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "ru"
+}
+-->
+# Текст в речь - Raspberry Pi
+
+В этой части урока вы напишете код для преобразования текста в речь с использованием службы распознавания речи.
+
+## Преобразование текста в речь с использованием службы распознавания речи
+
+Текст можно отправить в службу распознавания речи через REST API, чтобы получить речь в виде аудиофайла, который можно воспроизвести на вашем IoT-устройстве. При запросе речи необходимо указать голос, так как речь может быть сгенерирована с использованием различных голосов.
+
+Каждый язык поддерживает множество различных голосов, и вы можете сделать REST-запрос к службе распознавания речи, чтобы получить список поддерживаемых голосов для каждого языка.
+
+### Задача - получить голос
+
+1. Откройте проект `smart-timer` в VS Code.
+
+1. Добавьте следующий код выше функции `say`, чтобы запросить список голосов для языка:
+
+    ```python
+    def get_voice():
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token()
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
+        return first_voice['ShortName']
+    
+    voice = get_voice()
+    print(f'Using voice {voice}')
+    ```
+
+    Этот код определяет функцию `get_voice`, которая использует службу распознавания речи для получения списка голосов. Затем он находит первый голос, соответствующий используемому языку.
+
+    Эта функция вызывается для сохранения первого голоса, а имя голоса выводится в консоль. Этот голос можно запросить один раз, а затем использовать его значение для каждого вызова преобразования текста в речь.
+
+    > 💁 Вы можете получить полный список поддерживаемых голосов из [документации о поддержке языков и голосов на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Если вы хотите использовать конкретный голос, вы можете удалить эту функцию и жестко прописать имя голоса из этой документации. Например:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### Задача - преобразовать текст в речь
+
+1. Ниже этого определите константу для формата аудио, которое будет получено из службы распознавания речи. При запросе аудио вы можете выбрать один из множества форматов.
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    Формат, который вы можете использовать, зависит от вашего оборудования. Если вы получаете ошибки `Invalid sample rate` при воспроизведении аудио, измените это значение на другое. Список поддерживаемых значений можно найти в [документации REST API для преобразования текста в речь на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs). Вам нужно использовать аудио в формате `riff`, а значения, которые стоит попробовать, это `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` и `riff-48khz-16bit-mono-pcm`.
+
+1. Ниже этого объявите функцию `get_speech`, которая будет преобразовывать текст в речь с использованием REST API службы распознавания речи:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. В функции `get_speech` определите URL для вызова и заголовки для передачи:
+
+    ```python
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    ```
+
+    Здесь задаются заголовки для использования сгенерированного токена доступа, устанавливается контент в формате SSML и определяется необходимый аудиоформат.
+
+1. Ниже этого определите SSML для отправки в REST API:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    Этот SSML задает язык и голос для использования, а также текст для преобразования.
+
+1. Наконец, добавьте код в эту функцию для выполнения REST-запроса и возврата бинарных аудиоданных:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### Задача - воспроизвести аудио
+
+1. Ниже функции `get_speech` определите новую функцию для воспроизведения аудио, возвращенного REST API:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. `speech`, переданный в эту функцию, будет бинарными аудиоданными, возвращенными из REST API. Используйте следующий код, чтобы открыть это как wave-файл и передать его в PyAudio для воспроизведения:
+
+    ```python
+    def play_speech(speech):
+        with wave.open(speech, 'rb') as wave_file:
+            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
+                                channels=wave_file.getnchannels(),
+                                rate=wave_file.getframerate(),
+                                output_device_index=speaker_card_number,
+                                output=True)
+
+            data = wave_file.readframes(4096)
+
+            while len(data) > 0:
+                stream.write(data)
+                data = wave_file.readframes(4096)
+
+            stream.stop_stream()
+            stream.close()
+    ```
+
+    Этот код использует поток PyAudio, аналогично захвату аудио. Разница в том, что поток здесь настроен как выходной, а данные читаются из аудиофайла и передаются в поток.
+
+    Вместо жесткого кодирования деталей потока, таких как частота дискретизации, они считываются из аудиоданных.
+
+1. Замените содержимое функции `say` следующим:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    Этот код преобразует текст в речь в виде бинарных аудиоданных и воспроизводит аудио.
+
+1. Запустите приложение и убедитесь, что функция приложения также работает. Установите несколько таймеров, и вы услышите голосовой ответ, сообщающий, что ваш таймер установлен, а затем другой голосовой ответ, когда таймер завершится.
+
+    Если вы получаете ошибки `Invalid sample rate`, измените `playback_format`, как описано выше.
+
+> 💁 Вы можете найти этот код в папке [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi).
+
+😀 Ваше приложение таймера успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..0590ac5e
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-27T00:07:04+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "ru"
+}
+-->
+# Установите таймер - Виртуальное IoT-устройство и Raspberry Pi
+
+В этой части урока вы вызовете свой серверless-код для распознавания речи и установите таймер на вашем виртуальном IoT-устройстве или Raspberry Pi на основе полученных результатов.
+
+## Установите таймер
+
+Текст, возвращаемый из вызова преобразования речи в текст, необходимо отправить в ваш серверless-код для обработки с помощью LUIS, чтобы получить количество секунд для таймера. Это количество секунд можно использовать для установки таймера.
+
+Таймеры можно устанавливать с помощью класса Python `threading.Timer`. Этот класс принимает время задержки и функцию, которая будет выполнена после истечения времени задержки.
+
+### Задача - отправить текст в серверless-функцию
+
+1. Откройте проект `smart-timer` в VS Code и убедитесь, что виртуальная среда загружена в терминале, если вы используете виртуальное IoT-устройство.
+
+1. Над функцией `process_text` объявите функцию `get_timer_time` для вызова REST-эндпоинта, который вы создали:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. Добавьте следующий код в эту функцию, чтобы определить URL для вызова:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    Замените `<URL>` на URL вашего REST-эндпоинта, который вы создали на прошлом уроке, либо на вашем компьютере, либо в облаке.
+
+1. Добавьте следующий код, чтобы установить текст как свойство, передаваемое в формате JSON при вызове:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. Ниже этого извлеките `seconds` из полезной нагрузки ответа, возвращая 0, если вызов не удался:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    Успешные HTTP-вызовы возвращают статус-код в диапазоне 200, а ваш серверless-код возвращает 200, если текст был обработан и распознан как намерение установки таймера.
+
+### Задача - установить таймер в фоновом потоке
+
+1. Добавьте следующий оператор импорта в начало файла, чтобы импортировать библиотеку Python `threading`:
+
+    ```python
+    import threading
+    ```
+
+1. Над функцией `process_text` добавьте функцию для озвучивания ответа. Пока она будет просто выводить текст в консоль, но позже в этом уроке она будет озвучивать текст.
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. Ниже добавьте функцию, которая будет вызвана таймером для объявления о завершении таймера:
+
+    ```python
+    def announce_timer(minutes, seconds):
+        announcement = 'Times up on your '
+        if minutes > 0:
+            announcement += f'{minutes} minute '
+        if seconds > 0:
+            announcement += f'{seconds} second '
+        announcement += 'timer.'
+        say(announcement)
+    ```
+
+    Эта функция принимает количество минут и секунд для таймера и формирует предложение, чтобы сообщить, что таймер завершен. Она проверяет количество минут и секунд и включает только те единицы времени, которые имеют значение. Например, если количество минут равно 0, то в сообщении будут указаны только секунды. Это предложение затем отправляется в функцию `say`.
+
+1. Ниже добавьте следующую функцию `create_timer` для создания таймера:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    Эта функция принимает общее количество секунд для таймера, которое будет передано в команде, и преобразует это значение в минуты и секунды. Затем она создает и запускает объект таймера, используя общее количество секунд, передавая в него функцию `announce_timer` и список, содержащий минуты и секунды. Когда таймер истекает, он вызывает функцию `announce_timer` и передает содержимое этого списка в качестве параметров - таким образом, первый элемент списка передается как параметр `minutes`, а второй элемент как параметр `seconds`.
+
+1. В конец функции `create_timer` добавьте код для формирования сообщения, которое будет озвучено пользователю, чтобы объявить о начале таймера:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    Опять же, сообщение включает только те единицы времени, которые имеют значение. Это предложение затем отправляется в функцию `say`.
+
+1. Добавьте следующее в конец функции `process_text`, чтобы получить время для таймера из текста, а затем создать таймер:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    Таймер создается только если количество секунд больше 0.
+
+1. Запустите приложение и убедитесь, что функция приложения также запущена. Установите несколько таймеров, и вывод покажет, что таймер установлен, а затем покажет, когда он истекает:
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Set a two minute 27 second timer.
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) или [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device).
+
+😀 Ваше приложение таймера успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..1e72bf08
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-27T00:17:11+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "ru"
+}
+-->
+# Текст в речь - Виртуальное IoT-устройство
+
+В этой части урока вы напишете код для преобразования текста в речь с использованием службы синтеза речи.
+
+## Преобразование текста в речь
+
+SDK службы синтеза речи, который вы использовали в прошлом уроке для преобразования речи в текст, также можно использовать для преобразования текста обратно в речь. При запросе синтеза речи необходимо указать голос, который будет использоваться, так как речь может быть сгенерирована с использованием различных голосов.
+
+Каждый язык поддерживает множество различных голосов, и вы можете получить список поддерживаемых голосов для каждого языка через SDK службы синтеза речи.
+
+### Задание - преобразование текста в речь
+
+1. Откройте проект `smart-timer` в VS Code и убедитесь, что виртуальная среда загружена в терминале.
+
+1. Импортируйте `SpeechSynthesizer` из пакета `azure.cognitiveservices.speech`, добавив его к существующим импортам:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. Над функцией `say` создайте конфигурацию синтеза речи для использования с синтезатором речи:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    Эта конфигурация использует тот же API-ключ, местоположение и язык, которые использовались распознавателем.
+
+1. Ниже добавьте следующий код для получения голоса и установки его в конфигурации синтеза речи:
+
+    ```python
+    voices = speech_synthesizer.get_voices_async().get().voices
+    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
+    speech_config.speech_synthesis_voice_name = first_voice.short_name
+    ```
+
+    Этот код получает список всех доступных голосов, а затем находит первый голос, который соответствует используемому языку.
+
+    > 💁 Вы можете получить полный список поддерживаемых голосов в [документации о поддержке языков и голосов на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech). Если вы хотите использовать конкретный голос, вы можете удалить эту функцию и жестко задать голос, указав его имя из документации. Например:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. Обновите содержимое функции `say`, чтобы сгенерировать SSML для ответа:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+1. Ниже остановите распознавание речи, произнесите SSML, затем снова запустите распознавание:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    Распознавание останавливается на время произнесения текста, чтобы избежать того, что объявление о запуске таймера будет распознано, отправлено в LUIS и, возможно, интерпретировано как запрос на установку нового таймера.
+
+    > 💁 Вы можете протестировать это, закомментировав строки для остановки и перезапуска распознавания. Установите один таймер, и вы можете заметить, что объявление устанавливает новый таймер, что вызывает новое объявление, приводящее к установке нового таймера, и так далее бесконечно!
+
+1. Запустите приложение и убедитесь, что функция приложения также работает. Установите несколько таймеров, и вы услышите голосовой ответ, сообщающий, что ваш таймер установлен, а затем другой голосовой ответ, когда таймер завершится.
+
+> 💁 Вы можете найти этот код в папке [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device).
+
+😀 Ваше приложение для таймера оказалось успешным!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..71fa95e9
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-27T00:10:57+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "ru"
+}
+-->
+# Установить таймер - Wio Terminal
+
+В этой части урока вы вызовете свой серверless-код для распознавания речи и установите таймер на Wio Terminal на основе полученных результатов.
+
+## Установить таймер
+
+Текст, возвращаемый вызовом преобразования речи в текст, необходимо отправить в ваш серверless-код для обработки с помощью LUIS, чтобы получить количество секунд для таймера. Это количество секунд можно использовать для установки таймера.
+
+Микроконтроллеры не поддерживают многопоточность в Arduino, поэтому стандартные классы таймеров, как в Python или других языках высокого уровня, отсутствуют. Вместо этого можно использовать библиотеки таймеров, которые измеряют прошедшее время в функции `loop` и вызывают функции, когда время истекает.
+
+### Задача - отправить текст в серверless-функцию
+
+1. Откройте проект `smart-timer` в VS Code, если он еще не открыт.
+
+1. Откройте заголовочный файл `config.h` и добавьте URL для вашего приложения-функции:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    Замените `<URL>` на URL вашего приложения-функции, который вы получили на последнем шаге предыдущего урока, указав IP-адрес вашего локального компьютера, на котором работает приложение-функция.
+
+1. Создайте новый файл в папке `src` с именем `language_understanding.h`. Этот файл будет использоваться для определения класса, который отправляет распознанную речь в ваше приложение-функцию для преобразования в секунды с помощью LUIS.
+
+1. Добавьте следующее в начало этого файла:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    Это включает необходимые заголовочные файлы.
+
+1. Определите класс с именем `LanguageUnderstanding` и объявите экземпляр этого класса:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. Для вызова вашего приложения-функции необходимо объявить WiFi-клиент. Добавьте следующее в секцию `private` класса:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. В секции `public` объявите метод с именем `GetTimerDuration` для вызова приложения-функции:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. В методе `GetTimerDuration` добавьте следующий код для создания JSON, который будет отправлен в приложение-функцию:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Это преобразует текст, переданный в метод `GetTimerDuration`, в следующий JSON:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    где `<text>` — это текст, переданный функции.
+
+1. Ниже добавьте следующий код для вызова приложения-функции:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Это выполняет POST-запрос к приложению-функции, передавая JSON-тело и получая код ответа.
+
+1. Добавьте следующий код ниже:
+
+    ```cpp
+    int seconds = 0;
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        seconds = obj["seconds"].as<int>();
+    }
+    else
+    {
+        Serial.print("Failed to understand text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Этот код проверяет код ответа. Если он равен 200 (успех), то количество секунд для таймера извлекается из тела ответа. В противном случае ошибка отправляется в монитор последовательного порта, а количество секунд устанавливается в 0.
+
+1. Добавьте следующий код в конец этого метода для закрытия HTTP-соединения и возврата количества секунд:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. В файле `main.cpp` включите этот новый заголовочный файл:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. В конце функции `processAudio` вызовите метод `GetTimerDuration`, чтобы получить длительность таймера:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    Это преобразует текст из вызова класса `SpeechToText` в количество секунд для таймера.
+
+### Задача - установить таймер
+
+Количество секунд можно использовать для установки таймера.
+
+1. Добавьте следующую зависимость библиотеки в файл `platformio.ini`, чтобы подключить библиотеку для установки таймера:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. Добавьте директиву include для этой библиотеки в файл `main.cpp`:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. Над функцией `processAudio` добавьте следующий код:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    Этот код объявляет таймер с именем `timer`.
+
+1. Ниже добавьте следующий код:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    Эта функция `say` в будущем будет преобразовывать текст в речь, но пока она просто выводит переданный текст в монитор последовательного порта.
+
+1. Ниже функции `say` добавьте следующий код:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    Это функция обратного вызова, которая будет вызываться, когда таймер истечет. Ей передается сообщение, которое нужно озвучить при истечении таймера. Таймеры могут повторяться, и это можно контролировать с помощью возвращаемого значения этой функции обратного вызова — возвращается `false`, чтобы указать таймеру не запускаться снова.
+
+1. Добавьте следующий код в конец функции `processAudio`:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    Этот код проверяет общее количество секунд, и если оно равно 0, возвращается из вызова функции, чтобы таймеры не устанавливались. Затем общее количество секунд преобразуется в минуты и секунды.
+
+1. Ниже этого кода добавьте следующий код для создания сообщения, которое будет озвучено при запуске таймера:
+
+    ```cpp
+    String begin_message;
+    if (minutes > 0)
+    {
+        begin_message += minutes;
+        begin_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        begin_message += seconds;
+        begin_message += " second ";
+    }
+
+    begin_message += "timer started.";
+    ```
+
+1. Ниже этого добавьте аналогичный код для создания сообщения, которое будет озвучено при истечении таймера:
+
+    ```cpp
+    String end_message("Times up on your ");
+    if (minutes > 0)
+    {
+        end_message += minutes;
+        end_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        end_message += seconds;
+        end_message += " second ";
+    }
+
+    end_message += "timer.";
+    ```
+
+1. После этого озвучьте сообщение о запуске таймера:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. В конце этой функции запустите таймер:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    Это запускает таймер. Таймер устанавливается в миллисекундах, поэтому общее количество секунд умножается на 1,000 для преобразования в миллисекунды. Функция `timerExpired` передается как обратный вызов, а `end_message` передается как аргумент для обратного вызова. Этот обратный вызов принимает только аргументы типа `void *`, поэтому строка преобразуется соответствующим образом.
+
+1. Наконец, таймер должен *тикать*, и это делается в функции `loop`. Добавьте следующий код в конец функции `loop`:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. Соберите этот код, загрузите его на ваш Wio Terminal и протестируйте через монитор последовательного порта. Как только вы увидите `Ready` в мониторе последовательного порта, нажмите кнопку C (ту, что слева, ближе к переключателю питания) и говорите. Будет захвачено 4 секунды аудио, преобразовано в текст, затем отправлено в ваше приложение-функцию, и таймер будет установлен. Убедитесь, что ваше приложение-функция работает локально.
+
+    Вы увидите, когда таймер начнется и когда он закончится.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    {"seconds": 147}
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 Вы можете найти этот код в папке [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal).
+
+😀 Ваше приложение таймера успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..1ea24cc5
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,536 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-27T00:13:31+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "ru"
+}
+-->
+# Текст в речь - Wio Terminal
+
+В этой части урока вы преобразуете текст в речь, чтобы обеспечить голосовую обратную связь.
+
+## Текст в речь
+
+SDK сервисов речи, который вы использовали в прошлом уроке для преобразования речи в текст, также может быть использован для преобразования текста обратно в речь.
+
+## Получение списка голосов
+
+При запросе речи необходимо указать голос, который будет использоваться, так как речь может быть сгенерирована с использованием различных голосов. Каждый язык поддерживает множество голосов, и вы можете получить список поддерживаемых голосов для каждого языка через SDK сервисов речи. Здесь вступают в силу ограничения микроконтроллеров — вызов для получения списка голосов, поддерживаемых сервисами преобразования текста в речь, представляет собой JSON-документ размером более 77 КБ, что слишком много для обработки на Wio Terminal. На момент написания полный список содержит 215 голосов, каждый из которых представлен JSON-документом, подобным следующему:
+
+```json
+{
+    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
+    "DisplayName": "Aria",
+    "LocalName": "Aria",
+    "ShortName": "en-US-AriaNeural",
+    "Gender": "Female",
+    "Locale": "en-US",
+    "StyleList": [
+        "chat",
+        "customerservice",
+        "narration-professional",
+        "newscast-casual",
+        "newscast-formal",
+        "cheerful",
+        "empathetic"
+    ],
+    "SampleRateHertz": "24000",
+    "VoiceType": "Neural",
+    "Status": "GA"
+}
+```
+
+Этот JSON относится к голосу **Aria**, который имеет несколько стилей. Все, что нужно для преобразования текста в речь, — это короткое имя, `en-US-AriaNeural`.
+
+Вместо загрузки и декодирования всего списка на вашем микроконтроллере, вам нужно написать немного серверного кода, чтобы получить список голосов для используемого вами языка, и вызвать его с вашего Wio Terminal. Ваш код затем может выбрать подходящий голос из списка, например, первый найденный.
+
+### Задача - создать серверную функцию для получения списка голосов
+
+1. Откройте ваш проект `smart-timer-trigger` в VS Code и откройте терминал, убедившись, что виртуальная среда активирована. Если нет, завершите и создайте терминал заново.
+
+1. Откройте файл `local.settings.json` и добавьте настройки для ключа API сервиса речи и его расположения:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    Замените `<key>` на ключ API для вашего ресурса сервиса речи. Замените `<location>` на расположение, которое вы указали при создании ресурса сервиса речи.
+
+1. Добавьте новый HTTP-триггер в это приложение под названием `get-voices`, используя следующую команду в терминале VS Code в корневой папке проекта приложения функций:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    Это создаст HTTP-триггер под названием `get-voices`.
+
+1. Замените содержимое файла `__init__.py` в папке `get-voices` следующим:
+
+    ```python
+    import json
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        location = os.environ['SPEECH_LOCATION']
+        speech_key = os.environ['SPEECH_KEY']
+    
+        req_body = req.get_json()
+        language = req_body['language']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
+        voices = map(lambda x: x['ShortName'], voices)
+    
+        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
+    ```
+
+    Этот код выполняет HTTP-запрос к конечной точке для получения голосов. Список голосов представляет собой большой блок JSON с голосами для всех языков, поэтому голоса для языка, переданного в теле запроса, фильтруются, затем извлекается короткое имя и возвращается в виде JSON-списка. Короткое имя — это значение, необходимое для преобразования текста в речь, поэтому возвращается только оно.
+
+    > 💁 Вы можете изменить фильтр по мере необходимости, чтобы выбрать только те голоса, которые вам нужны.
+
+    Это уменьшает размер данных с 77 КБ (на момент написания) до гораздо меньшего JSON-документа. Например, для голосов США это 408 байт.
+
+1. Запустите ваше приложение функций локально. Затем вы можете вызвать его с помощью инструмента, такого как curl, так же, как вы тестировали HTTP-триггер `text-to-timer`. Убедитесь, что вы передаете ваш язык в теле JSON:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    Замените `<language>` на ваш язык, например, `en-GB` или `zh-CN`.
+
+> 💁 Вы можете найти этот код в папке [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Задача - получить голос с вашего Wio Terminal
+
+1. Откройте проект `smart-timer` в VS Code, если он еще не открыт.
+
+1. Откройте заголовочный файл `config.h` и добавьте URL для вашего приложения функций:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    Замените `<URL>` на URL для HTTP-триггера `get-voices` вашего приложения функций. Это будет то же значение, что и для `TEXT_TO_TIMER_FUNCTION_URL`, за исключением имени функции `get-voices` вместо `text-to-timer`.
+
+1. Создайте новый файл в папке `src` под названием `text_to_speech.h`. Этот файл будет использоваться для определения класса, который преобразует текст в речь.
+
+1. Добавьте следующие директивы include в начало нового файла `text_to_speech.h`:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <Seeed_FS.h>
+    #include <SD/Seeed_SD.h>
+    #include <WiFiClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "speech_to_text.h"
+    ```
+
+1. Добавьте следующий код ниже, чтобы объявить класс `TextToSpeech`, а также экземпляр, который можно использовать в остальной части приложения:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. Чтобы вызвать ваше приложение функций, вам нужно объявить WiFi-клиент. Добавьте следующее в секцию `private` класса:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. В секции `private` добавьте поле для выбранного голоса:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. В секции `public` добавьте функцию `init`, которая будет получать первый голос:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. Чтобы получить голоса, необходимо отправить JSON-документ в приложение функций с указанием языка. Добавьте следующий код в функцию `init`, чтобы создать этот JSON-документ:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. Затем создайте `HTTPClient`, а затем используйте его для вызова приложения функций, отправляя JSON-документ:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Ниже добавьте код для проверки кода ответа, и если это 200 (успех), то извлеките список голосов, получая первый из списка:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonArray obj = doc.as<JsonArray>();
+        _voice = obj[0].as<String>();
+
+        Serial.print("Using voice ");
+        Serial.println(_voice);
+    }
+    else
+    {
+        Serial.print("Failed to get voices - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. После этого завершите соединение HTTP-клиента:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Откройте файл `main.cpp` и добавьте следующую директиву include в начало, чтобы включить этот новый заголовочный файл:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. В функции `setup`, под вызовом `speechToText.init();`, добавьте следующее для инициализации класса `TextToSpeech`:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. Соберите этот код, загрузите его на ваш Wio Terminal и протестируйте через монитор последовательного порта. Убедитесь, что ваше приложение функций запущено.
+
+    Вы увидите список доступных голосов, возвращенных из приложения функций, вместе с выбранным голосом.
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
+    Using voice en-US-JennyNeural
+    Ready.
+    ```
+
+## Преобразование текста в речь
+
+Как только у вас есть голос для использования, его можно использовать для преобразования текста в речь. Те же ограничения памяти, что и для голосов, также применимы при преобразовании текста в речь, поэтому вам нужно будет записать речь на SD-карту, чтобы воспроизвести ее через ReSpeaker.
+
+> 💁 В предыдущих уроках этого проекта вы использовали флэш-память для хранения речи, записанной с микрофона. В этом уроке используется SD-карта, так как с ней проще воспроизводить аудио, используя библиотеки Seeed.
+
+Также есть еще одно ограничение, которое нужно учитывать — доступные аудиоданные от сервиса речи и форматы, которые поддерживает Wio Terminal. В отличие от полноценных компьютеров, аудиобиблиотеки для микроконтроллеров могут быть очень ограничены в поддерживаемых аудиоформатах. Например, библиотека Seeed Arduino Audio, которая может воспроизводить звук через ReSpeaker, поддерживает только аудио с частотой дискретизации 44.1 кГц. Сервисы речи Azure могут предоставлять аудио в нескольких форматах, но ни один из них не использует эту частоту дискретизации, они предоставляют только 8 кГц, 16 кГц, 24 кГц и 48 кГц. Это означает, что аудио нужно пересэмплировать до 44.1 кГц, что потребует больше ресурсов, чем есть у Wio Terminal, особенно памяти.
+
+Когда требуется манипулировать данными такого рода, часто лучше использовать серверный код, особенно если данные получены через веб-запрос. Wio Terminal может вызвать серверную функцию, передав текст для преобразования, а серверная функция может как вызвать сервис речи для преобразования текста в речь, так и пересэмплировать аудио до нужной частоты дискретизации. Затем она может вернуть аудио в формате, который нужен Wio Terminal, чтобы сохранить его на SD-карте и воспроизвести через ReSpeaker.
+
+### Задача - создать серверную функцию для преобразования текста в речь
+
+1. Откройте ваш проект `smart-timer-trigger` в VS Code и откройте терминал, убедившись, что виртуальная среда активирована. Если нет, завершите и создайте терминал заново.
+
+1. Добавьте новый HTTP-триггер в это приложение под названием `text-to-speech`, используя следующую команду в терминале VS Code в корневой папке проекта приложения функций:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    Это создаст HTTP-триггер под названием `text-to-speech`.
+
+1. Пакет Pip [librosa](https://librosa.org) содержит функции для пересэмплирования аудио, поэтому добавьте его в файл `requirements.txt`:
+
+    ```sh
+    librosa
+    ```
+
+    После этого установите пакеты Pip, используя следующую команду в терминале VS Code:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ Если вы используете Linux, включая Raspberry Pi OS, вам может понадобиться установить `libsndfile` с помощью следующей команды:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. Для преобразования текста в речь вы не можете использовать ключ API сервиса речи напрямую, вместо этого вам нужно запросить токен доступа, используя ключ API для аутентификации запроса токена доступа. Откройте файл `__init__.py` из папки `text-to-speech` и замените весь код в нем следующим:
+
+    ```python
+    import io
+    import os
+    import requests
+    
+    import librosa
+    import soundfile as sf
+    import azure.functions as func
+    
+    location = os.environ['SPEECH_LOCATION']
+    speech_key = os.environ['SPEECH_KEY']
+    
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    Это определяет константы для расположения и ключа речи, которые будут считаны из настроек. Затем определяется функция `get_access_token`, которая будет получать токен доступа для сервиса речи.
+
+1. Ниже этого кода добавьте следующее:
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        language = req_body['language']
+        voice = req_body['voice']
+        text = req_body['text']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    
+        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+        ssml += text
+        ssml += '</voice>'
+        ssml += '</speak>'
+    
+        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    
+        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
+        resampled = librosa.resample(raw_audio, sample_rate, 44100)
+        
+        output_buffer = io.BytesIO()
+        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
+        output_buffer.seek(0)
+    
+        return func.HttpResponse(output_buffer.read(), status_code=200)
+    ```
+
+    Это определяет HTTP-триггер, который преобразует текст в речь. Он извлекает текст для преобразования, язык и голос из JSON-тела, переданного в запросе, создает SSML для запроса речи, затем вызывает соответствующий REST API, аутентифицируясь с помощью токена доступа. Этот вызов REST API возвращает аудио, закодированное как моно WAV-файл с частотой дискретизации 48 кГц и 16-битной глубиной, определенной значением `playback_format`, которое отправляется в вызов REST API.
+
+    Затем это аудио пересэмплируется с помощью `librosa` с частоты дискретизации 48 кГц до частоты 44.1 кГц, затем это аудио сохраняется в двоичный буфер, который затем возвращается.
+
+1. Запустите ваше приложение функций локально или разверните его в облаке. Затем вы можете вызвать его с помощью инструмента, такого как curl, так же, как вы тестировали HTTP-триггер `text-to-timer`. Убедитесь, что вы передаете язык, голос и текст в теле JSON:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    Замените `<language>` на ваш язык, например, `en-GB` или `zh-CN`. Замените `<voice>` на голос, который вы хотите использовать. Замените `<text>` на текст, который вы хотите преобразовать в речь. Вы можете сохранить вывод в файл и воспроизвести его с помощью любого аудиоплеера, который поддерживает WAV-файлы.
+
+    Например, чтобы преобразовать "Hello" в речь, используя английский язык США с голосом Jenny Neural, при локальном запуске приложения функций, вы можете использовать следующую команду curl:
+
+    ```sh
+    curl -X GET 'http://localhost:7071/api/text-to-speech' \
+         -H 'Content-Type: application/json' \
+         -o hello.wav \
+         -d '{
+           "language":"en-US",
+           "voice": "en-US-JennyNeural",
+           "text": "Hello"
+         }'
+    ```
+
+    Это сохранит аудио в `hello.wav` в текущем каталоге.
+
+> 💁 Вы можете найти этот код в папке [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions).
+
+### Задача - получить речь с вашего Wio Terminal
+
+1. Откройте проект `smart-timer` в VS Code, если он еще не открыт.
+
+1. Откройте заголовочный файл `config.h` и добавьте URL для вашего приложения функций:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    Замените `<URL>` на URL для HTTP-триггера `text-to-speech` вашего приложения функций. Это будет то же значение, что и для `TEXT_TO_TIMER_FUNCTION_URL`, за исключением имени функции `text-to-speech` вместо `text-to-timer`.
+
+1. Откройте заголовочный файл `text_to_speech.h` и добавьте следующий метод в секцию `public` класса `TextToSpeech`:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. В метод `convertTextToSpeech` добавьте следующий код для создания JSON, который будет отправлен в приложение функций:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    Это записывает язык, голос и текст в JSON-документ, затем сериализует его в строку.
+
+1. Ниже этого добавьте следующий код для вызова приложения функций:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    Это создает HTTPClient, затем выполняет POST-запрос с использованием JSON-документа к HTTP-триггеру `text-to-speech`.
+
+1. Если вызов успешен, необработанные двоичные данные, возвращенные из вызова приложения функций, могут быть записаны в файл на SD-карте. Добавьте следующий код для выполнения этого:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {            
+        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
+        httpClient.writeToStream(&wav_file);
+        wav_file.close();
+    }
+    else
+    {
+        Serial.print("Failed to get speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    Этот код проверяет ответ, и если это 200 (успех), двоичные данные записываются в файл в корне SD-карты под названием `SPEECH.WAV`.
+
+1. В конце этого метода закройте HTTP-соединение:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. Теперь текст, который нужно произнести, можно преобразовать в аудио. В файле `main.cpp` добавьте следующую строку в конец функции `say`, чтобы преобразовать текст для произнесения в аудио:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### Задача - воспроизведение аудио на вашем Wio Terminal
+
+**Скоро будет доступно**
+
+## Развертывание вашего приложения функций в облаке
+
+Причина запуска приложения функций локально заключается в том, что пакет `librosa` для Python на Linux имеет зависимость от библиотеки, которая не установлена по умолчанию и должна быть установлена перед запуском приложения функций. Приложения функций являются серверлесс-решениями - у вас нет серверов, которыми вы можете управлять самостоятельно, поэтому нет возможности заранее установить эту библиотеку.
+
+Для этого необходимо развернуть ваше приложение функций с использованием Docker-контейнера. Этот контейнер разворачивается в облаке всякий раз, когда требуется запустить новый экземпляр вашего приложения функций (например, когда спрос превышает доступные ресурсы или если приложение функций не использовалось какое-то время и было закрыто).
+
+Инструкции по настройке приложения функций и развертыванию через Docker можно найти в [документации Microsoft Docs о создании функции на Linux с использованием пользовательского контейнера](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python).
+
+После развертывания вы можете адаптировать код вашего Wio Terminal для доступа к этой функции:
+
+1. Добавьте сертификат Azure Functions в `config.h`:
+
+    ```cpp
+    const char *FUNCTIONS_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
+        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
+        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
+        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
+        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
+        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
+        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
+        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
+        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
+        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
+        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
+        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
+        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
+        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
+        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
+        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
+        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
+        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
+        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
+        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
+        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
+        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
+        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
+        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
+        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
+        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
+        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
+        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
+        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. Замените все включения `
+<WiFiClient.h>` на `<WiFiClientSecure.h>`.
+
+1. Замените все поля `WiFiClient` на `WiFiClientSecure`.
+
+1. В каждом классе, который содержит поле `WiFiClientSecure`, добавьте конструктор и установите сертификат в этом конструкторе:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/4-multiple-language-support/README.md b/translations/ru/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..64b34a24
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T23:53:15+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "ru"
+}
+-->
+# Поддержка нескольких языков
+
+![Скетчноут с обзором этого урока](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ru.jpg)
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.
+
+Это видео дает обзор сервисов речи Azure, охватывая преобразование речи в текст и текста в речь из предыдущих уроков, а также перевод речи — тема, рассматриваемая в этом уроке:
+
+[![Распознавание речи с помощью нескольких строк кода на Python с Microsoft Build 2020](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+## Викторина перед лекцией
+
+[Викторина перед лекцией](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## Введение
+
+На последних трех уроках вы узнали о преобразовании речи в текст, понимании языка и преобразовании текста в речь, все это с использованием ИИ. Еще одна область человеческой коммуникации, где ИИ может помочь, — это перевод языков, то есть преобразование текста с одного языка на другой, например, с английского на французский.
+
+На этом уроке вы узнаете, как использовать ИИ для перевода текста, что позволит вашему умному таймеру взаимодействовать с пользователями на нескольких языках.
+
+В этом уроке мы рассмотрим:
+
+* [Перевод текста](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Сервисы перевода](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Создание ресурса переводчика](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Поддержка нескольких языков в приложениях с переводами](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [Перевод текста с использованием ИИ-сервиса](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 Это последний урок в этом проекте, поэтому после завершения урока и выполнения задания не забудьте очистить свои облачные сервисы. Вам понадобятся эти сервисы для выполнения задания, поэтому сначала убедитесь, что задание выполнено.
+>
+> При необходимости обратитесь к [руководству по очистке проекта](../../../clean-up.md) для получения инструкций.
+
+## Перевод текста
+
+Перевод текста — это задача в области компьютерных наук, которая исследуется уже более 70 лет. Только благодаря современным достижениям в области ИИ и вычислительных мощностей она приблизилась к решению, которое почти так же хорошо, как работа человеческих переводчиков.
+
+> 💁 Истоки можно проследить еще дальше, к [Аль-Кинди](https://wikipedia.org/wiki/Al-Kindi), арабскому криптографу IX века, который разработал методы перевода языков.
+
+### Машинный перевод
+
+Перевод текста начался с технологии, известной как машинный перевод (MT), которая позволяет переводить между различными языковыми парами. MT работает путем замены слов одного языка на слова другого, добавляя методы для выбора правильных способов перевода фраз или частей предложений, когда простой пословный перевод не имеет смысла.
+
+> 🎓 Когда переводчики поддерживают перевод между двумя языками, это называется *языковыми парами*. Разные инструменты поддерживают разные языковые пары, и их набор может быть неполным. Например, переводчик может поддерживать английский на испанский как языковую пару и испанский на итальянский как языковую пару, но не английский на итальянский.
+
+Например, перевод "Hello world" с английского на французский может быть выполнен с помощью замены — "Bonjour" для "Hello" и "le monde" для "world", что приводит к правильному переводу "Bonjour le monde".
+
+Замены не работают, когда разные языки используют разные способы выражения одной и той же мысли. Например, английское предложение "My name is Jim" переводится на французский как "Je m'appelle Jim" — буквально "Я называю себя Джим". "Je" — это "я" на французском, "moi" — это "меня", но оно сокращается до "m'", так как следующий глагол начинается с гласной, "appelle" означает "называть", а "Jim" не переводится, так как это имя, а не слово. Порядок слов также становится проблемой — простая замена "Je m'appelle Jim" на английский даст "I myself call Jim", что отличается от привычного порядка слов в английском.
+
+> 💁 Некоторые слова никогда не переводятся — мое имя остается Джимом, независимо от языка, на котором я представляюсь. При переводе на языки с другими алфавитами или звуками слова могут быть *транслитерированы*, то есть записаны с использованием букв или символов, которые передают соответствующее звучание.
+
+Идиомы также представляют проблему для перевода. Это фразы, которые имеют понятное значение, отличное от прямого толкования слов. Например, в английском идиома "I've got ants in my pants" не означает буквально наличие муравьев в одежде, а указывает на беспокойство. Если перевести это на немецкий, слушатель может запутаться, так как немецкий эквивалент — "У меня шмели в штанах".
+
+> 💁 Разные локализации добавляют свои сложности. Например, в американском английском "pants" означает верхнюю одежду, а в британском английском — нижнее белье.
+
+✅ Если вы говорите на нескольких языках, подумайте о фразах, которые не переводятся дословно.
+
+Системы машинного перевода полагаются на большие базы данных правил, описывающих, как переводить определенные фразы и идиомы, а также на статистические методы для выбора наиболее подходящих переводов из возможных вариантов. Эти статистические методы используют огромные базы данных текстов, переведенных людьми на несколько языков, чтобы выбрать наиболее вероятный перевод, что называется *статистическим машинным переводом*. Некоторые из них используют промежуточные представления языка, позволяя переводить с одного языка на промежуточный, а затем с промежуточного на другой язык. Таким образом, добавление новых языков требует переводов только на и с промежуточного языка, а не на все остальные языки.
+
+### Нейронный перевод
+
+Нейронный перевод использует мощь ИИ для перевода, обычно переводя целые предложения с помощью одной модели. Эти модели обучаются на огромных наборах данных, переведенных людьми, таких как веб-страницы, книги и документы ООН.
+
+Модели нейронного перевода обычно меньше, чем модели машинного перевода, так как им не нужны огромные базы данных фраз и идиом. Современные ИИ-сервисы, предоставляющие переводы, часто комбинируют несколько техник, смешивая статистический машинный перевод и нейронный перевод.
+
+Для любой языковой пары не существует точного 1:1 перевода. Разные модели перевода могут давать немного разные результаты в зависимости от данных, на которых они обучались. Переводы не всегда симметричны — если вы переведете предложение с одного языка на другой, а затем обратно, вы можете получить немного другое предложение.
+
+✅ Попробуйте разные онлайн-переводчики, такие как [Bing Translate](https://www.bing.com/translator), [Google Translate](https://translate.google.com) или приложение Apple Translate. Сравните переводы нескольких предложений. Также попробуйте перевести в одном переводчике, а затем перевести обратно в другом.
+
+## Сервисы перевода
+
+Существует множество ИИ-сервисов, которые можно использовать в приложениях для перевода речи и текста.
+
+### Сервис речи Cognitive Services
+
+![Логотип сервиса речи](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ru.png)
+
+Сервис речи, который вы использовали на последних уроках, имеет возможности перевода для распознавания речи. При распознавании речи вы можете запросить не только текст речи на том же языке, но и на других языках.
+
+> 💁 Это доступно только через SDK для речи, REST API не имеет встроенных возможностей перевода.
+
+### Сервис переводчика Cognitive Services
+
+![Логотип сервиса переводчика](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ru.png)
+
+Сервис Translator — это специализированный сервис перевода, который может переводить текст с одного языка на один или несколько целевых языков. Помимо перевода, он поддерживает широкий спектр дополнительных функций, включая фильтрацию ненормативной лексики. Он также позволяет задавать конкретный перевод для определенного слова или предложения, чтобы работать с терминами, которые не нужно переводить, или иметь определенный известный перевод.
+
+Например, при переводе предложения "I have a Raspberry Pi", имея в виду одноплатный компьютер, на другой язык, например, французский, вы захотите оставить название "Raspberry Pi" без изменений, получив "J’ai un Raspberry Pi" вместо "J’ai une pi aux framboises".
+
+## Создание ресурса переводчика
+
+Для этого урока вам понадобится ресурс Translator. Вы будете использовать REST API для перевода текста.
+
+### Задание — создание ресурса переводчика
+
+1. В терминале или командной строке выполните следующую команду, чтобы создать ресурс переводчика в вашей группе ресурсов `smart-timer`.
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    Замените `<location>` на местоположение, которое вы использовали при создании группы ресурсов.
+
+1. Получите ключ для сервиса переводчика:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    Скопируйте один из ключей.
+
+## Поддержка нескольких языков в приложениях с переводами
+
+В идеальном мире ваше приложение должно понимать как можно больше языков, начиная с распознавания речи, понимания языка и заканчивая ответами с помощью речи. Это требует больших усилий, поэтому сервисы перевода могут ускорить процесс разработки вашего приложения.
+
+![Архитектура умного таймера, переводящего японский на английский, обрабатывающего данные на английском и переводящего обратно на японский](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ru.png)
+
+Представьте, что вы создаете умный таймер, который работает полностью на английском: распознает английскую речь, преобразует ее в текст, обрабатывает текст на английском, формирует ответы на английском и отвечает с помощью английской речи. Если вы захотите добавить поддержку японского языка, вы можете начать с перевода японской речи в английский текст, затем оставить основную часть приложения без изменений, а затем переводить текст ответа на японский перед его озвучиванием. Это позволит вам быстро добавить поддержку японского языка, а позже вы сможете расширить приложение, добавив полную поддержку японского языка.
+
+> 💁 Недостатком использования машинного перевода является то, что разные языки и культуры имеют разные способы выражения одних и тех же вещей, поэтому перевод может не соответствовать ожидаемому выражению.
+
+Машинный перевод также открывает возможности для приложений и устройств, которые могут переводить пользовательский контент в процессе его создания. Научная фантастика часто изображает "универсальные переводчики" — устройства, которые переводят с инопланетных языков на (обычно) американский английский. Такие устройства уже не фантастика, если не учитывать инопланетную часть. Уже существуют приложения и устройства, которые предоставляют перевод речи и текста в реальном времени, используя комбинации сервисов речи и перевода.
+
+Одним из примеров является мобильное приложение [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn), продемонстрированное в этом видео:
+
+[![Функция Microsoft Translator в действии](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео
+
+Представьте, что у вас есть такое устройство, особенно во время путешествий или общения с людьми, чей язык вы не знаете. Автоматические переводчики в аэропортах или больницах могли бы значительно улучшить доступность.
+
+✅ Проведите исследование: Существуют ли коммерчески доступные IoT-устройства для перевода? А как насчет встроенных возможностей перевода в умных устройствах?
+
+> 👽 Хотя настоящих универсальных переводчиков для общения с инопланетянами пока не существует, [Microsoft Translator поддерживает клингонский язык](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn). Qapla’!
+
+## Перевод текста с использованием ИИ-сервиса
+
+Вы можете использовать ИИ-сервис, чтобы добавить возможность перевода в ваш умный таймер.
+
+### Задание — перевод текста с использованием ИИ-сервиса
+
+Выполните соответствующее руководство, чтобы перевести текст на вашем IoT-устройстве:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [Одноплатный компьютер - Raspberry Pi](pi-translate-speech.md)
+* [Одноплатный компьютер - Виртуальное устройство](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 Задание
+
+Как машинный перевод может быть полезен для других IoT-приложений, помимо умных устройств? Подумайте о различных способах, как перевод может помочь, не только с устной речью, но и с текстом.
+
+## Викторина после лекции
+
+[Викторина после лекции](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## Обзор и самостоятельное изучение
+
+* Узнайте больше о машинном переводе на [странице о машинном переводе в Википедии](https://wikipedia.org/wiki/Machine_translation)
+* Узнайте больше о нейронном машинном переводе на [странице о нейронном машинном переводе в Википедии](https://wikipedia.org/wiki/Neural_machine_translation)
+* Ознакомьтесь со списком поддерживаемых языков для сервисов речи Microsoft в [документации о поддержке языков и голосов для сервиса речи на Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## Задание
+
+[Создайте универсальный переводчик](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/ru/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..d55d6203
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T23:56:12+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "ru"
+}
+-->
+# Создание универсального переводчика
+
+## Инструкции
+
+Универсальный переводчик — это устройство, которое может переводить между несколькими языками, позволяя людям, говорящим на разных языках, общаться. Используйте знания, полученные за последние несколько уроков, чтобы создать универсальный переводчик с использованием двух IoT-устройств.
+
+> Если у вас нет двух устройств, выполните шаги из предыдущих уроков, чтобы настроить виртуальное IoT-устройство в качестве одного из IoT-устройств.
+
+Необходимо настроить одно устройство для одного языка, а другое — для другого. Каждое устройство должно принимать речь, преобразовывать её в текст, отправлять на другое устройство через IoT Hub и приложение Functions, затем переводить и воспроизводить переведённую речь.
+
+> 💁 Совет: При отправке речи с одного устройства на другое указывайте также язык, на котором она была произнесена, чтобы упростить перевод. Вы даже можете настроить регистрацию каждого устройства через IoT Hub и приложение Functions, передавая поддерживаемый ими язык для хранения в Azure Storage. Затем можно использовать приложение Functions для выполнения перевода и отправки переведённого текста на IoT-устройство.
+
+## Критерии оценки
+
+| Критерий | Превосходно | Удовлетворительно | Требует улучшений |
+| -------- | ----------- | ----------------- | ----------------- |
+| Создание универсального переводчика | Удалось создать универсальный переводчик, преобразующий речь, обнаруженную одним устройством, в речь, воспроизводимую другим устройством на другом языке | Удалось настроить некоторые компоненты, такие как захват речи или перевод, но не удалось создать полноценное решение | Не удалось создать ни одной части работающего универсального переводчика |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/ru/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..650abdc2
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T23:56:45+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "ru"
+}
+-->
+# Перевод речи - Raspberry Pi
+
+В этой части урока вы напишете код для перевода текста с использованием сервиса перевода.
+
+## Преобразование текста в речь с помощью сервиса перевода
+
+REST API сервиса речи не поддерживает прямой перевод, но вы можете использовать сервис перевода для перевода текста, сгенерированного сервисом преобразования речи в текст, а также текста, который будет озвучен. Этот сервис предоставляет REST API, который можно использовать для перевода текста.
+
+### Задание - использование ресурса перевода для перевода текста
+
+1. Ваш умный таймер будет настроен на два языка: язык сервера, который использовался для обучения LUIS (этот же язык используется для создания сообщений для общения с пользователем), и язык, на котором говорит пользователь. Обновите переменную `language`, чтобы указать язык, на котором будет говорить пользователь, и добавьте новую переменную `server_language` для языка, использованного для обучения LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Замените `<user language>` на название локали языка, на котором вы будете говорить, например, `fr-FR` для французского или `zn-HK` для кантонского.
+
+    Замените `<server language>` на название локали языка, использованного для обучения LUIS.
+
+    Вы можете найти список поддерживаемых языков и их локалей в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Если вы не говорите на нескольких языках, вы можете использовать такие сервисы, как [Bing Translate](https://www.bing.com/translator) или [Google Translate](https://translate.google.com), чтобы перевести текст с вашего предпочтительного языка на выбранный язык. Эти сервисы также могут воспроизводить аудио переведенного текста.
+    >
+    > Например, если вы обучили LUIS на английском, но хотите использовать французский как язык пользователя, вы можете перевести фразы, такие как "set a 2 minute and 27 second timer", с английского на французский с помощью Bing Translate, а затем использовать кнопку **Listen translation**, чтобы произнести перевод в микрофон.
+    >
+    > ![Кнопка прослушивания перевода в Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png)
+
+1. Добавьте ключ API переводчика ниже переменной `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Замените `<key>` на ключ API для вашего ресурса сервиса перевода.
+
+1. Над функцией `say` определите функцию `translate_text`, которая будет переводить текст с языка сервера на язык пользователя:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    В эту функцию передаются исходный и целевой языки. Ваше приложение должно переводить с языка пользователя на язык сервера при распознавании речи и с языка сервера на язык пользователя при предоставлении озвученного ответа.
+
+1. Внутри этой функции задайте URL и заголовки для вызова REST API:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    URL для этого API не зависит от местоположения, вместо этого местоположение передается в заголовке. Ключ API используется напрямую, поэтому, в отличие от сервиса речи, нет необходимости получать токен доступа через API выдачи токенов.
+
+1. Далее задайте параметры и тело запроса:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` определяет параметры, передаваемые в вызов API, включая исходный и целевой языки. Этот вызов переводит текст с языка `from` на язык `to`.
+
+    `body` содержит текст для перевода. Это массив, так как за один вызов можно перевести несколько блоков текста.
+
+1. Выполните вызов REST API и получите ответ:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Ответ возвращается в виде JSON-массива, содержащего один элемент с переводами. Этот элемент включает массив переводов для всех элементов, переданных в теле запроса.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Верните свойство `text` из первого перевода первого элемента массива:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Обновите цикл `while True`, чтобы переводить текст, полученный из вызова `convert_speech_to_text`, с языка пользователя на язык сервера:
+
+    ```python
+    if len(text) > 0:
+        print('Original:', text)
+        text = translate_text(text, language, server_language)
+        print('Translated:', text)
+
+        message = Message(json.dumps({ 'speech': text }))
+        device_client.send_message(message)
+    ```
+
+    Этот код также выводит оригинальную и переведенную версии текста в консоль.
+
+1. Обновите функцию `say`, чтобы переводить текст для озвучивания с языка сервера на язык пользователя:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    Этот код также выводит оригинальную и переведенную версии текста в консоль.
+
+1. Запустите ваш код. Убедитесь, что ваше приложение работает, и запросите таймер на языке пользователя, либо говоря на этом языке самостоятельно, либо используя приложение для перевода.
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py
+    Connecting
+    Connected
+    Using voice fr-FR-DeniseNeural
+    Original: Définir une minuterie de 2 minutes et 27 secondes.
+    Translated: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 Из-за различных способов выражения одной и той же мысли на разных языках вы можете получить переводы, которые немного отличаются от примеров, предоставленных LUIS. Если это так, добавьте больше примеров в LUIS, переобучите и заново опубликуйте модель.
+
+> 💁 Вы можете найти этот код в папке [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi).
+
+😀 Ваше многоязычное приложение-таймер успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/ru/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..dd26aa76
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T23:57:51+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "ru"
+}
+-->
+# Перевод речи - Виртуальное IoT-устройство
+
+В этой части урока вы напишете код для перевода речи при преобразовании в текст с использованием службы распознавания речи, а затем переведете текст с помощью службы Translator перед генерацией голосового ответа.
+
+## Использование службы распознавания речи для перевода речи
+
+Служба распознавания речи может не только преобразовывать речь в текст на том же языке, но и переводить результат на другие языки.
+
+### Задача - использование службы распознавания речи для перевода речи
+
+1. Откройте проект `smart-timer` в VS Code и убедитесь, что виртуальная среда загружена в терминале.
+
+1. Добавьте следующие инструкции импорта ниже существующих импортов:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    Это импортирует классы, используемые для перевода речи, и библиотеку `requests`, которая будет использоваться для вызова службы Translator позже в этом уроке.
+
+1. Ваш умный таймер будет настроен на два языка: язык сервера, который использовался для обучения LUIS (тот же язык также используется для создания сообщений для общения с пользователем), и язык, на котором говорит пользователь. Обновите переменную `language`, чтобы указать язык, на котором будет говорить пользователь, и добавьте новую переменную `server_language` для языка, использованного для обучения LUIS:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    Замените `<user language>` на имя локали языка, на котором вы будете говорить, например, `fr-FR` для французского или `zn-HK` для кантонского.
+
+    Замените `<server language>` на имя локали языка, использованного для обучения LUIS.
+
+    Вы можете найти список поддерживаемых языков и их имена локалей в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Если вы не говорите на нескольких языках, вы можете использовать такие сервисы, как [Bing Translate](https://www.bing.com/translator) или [Google Translate](https://translate.google.com), чтобы перевести с вашего предпочтительного языка на выбранный вами язык. Эти сервисы могут воспроизводить аудио переведенного текста. Учтите, что распознаватель речи может игнорировать некоторый аудиовывод с вашего устройства, поэтому вам может понадобиться дополнительное устройство для воспроизведения переведенного текста.
+    >
+    > Например, если вы обучили LUIS на английском языке, но хотите использовать французский как язык пользователя, вы можете перевести такие предложения, как "установить таймер на 2 минуты и 27 секунд" с английского на французский с помощью Bing Translate, а затем использовать кнопку **Listen translation**, чтобы произнести перевод в микрофон.
+    >
+    > ![Кнопка прослушивания перевода в Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png)
+
+1. Замените объявления `recognizer_config` и `recognizer` следующим:
+
+    ```python
+    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
+                                                 region=location,
+                                                 speech_recognition_language=language,
+                                                 target_languages=(language, server_language))
+    
+    recognizer = TranslationRecognizer(translation_config=translation_config)
+    ```
+
+    Это создает конфигурацию перевода для распознавания речи на языке пользователя и создания переводов на язык пользователя и сервера. Затем эта конфигурация используется для создания переводчика-распознавателя — распознавателя речи, который может переводить результат распознавания речи на несколько языков.
+
+    > 💁 Оригинальный язык должен быть указан в `target_languages`, иначе вы не получите никаких переводов.
+
+1. Обновите функцию `recognized`, заменив весь ее содержимое следующим:
+
+    ```python
+    if args.result.reason == speech.ResultReason.TranslatedSpeech:
+        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
+        text = args.result.translations[language_match]
+        if (len(text) > 0):
+            print(f'Translated text: {text}')
+    
+            message = Message(json.dumps({ 'speech': text }))
+            device_client.send_message(message)
+    ```
+
+    Этот код проверяет, был ли вызвано событие распознавания из-за перевода речи (это событие может быть вызвано в других случаях, например, когда речь распознана, но не переведена). Если речь была переведена, он находит перевод в словаре `args.result.translations`, который соответствует языку сервера.
+
+    Словарь `args.result.translations` использует ключи, основанные на части языка из настройки локали, а не на всей настройке. Например, если вы запросите перевод на `fr-FR` для французского, словарь будет содержать запись для `fr`, а не `fr-FR`.
+
+    Переведенный текст затем отправляется в IoT Hub.
+
+1. Запустите этот код, чтобы протестировать переводы. Убедитесь, что ваше приложение-функция работает, и запросите таймер на языке пользователя, либо говоря на этом языке самостоятельно, либо используя приложение для перевода.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Перевод текста с использованием службы Translator
+
+Служба распознавания речи не поддерживает перевод текста обратно в речь, вместо этого вы можете использовать службу Translator для перевода текста. У этой службы есть REST API, который вы можете использовать для перевода текста.
+
+### Задача - использование ресурса Translator для перевода текста
+
+1. Добавьте ключ API Translator ниже `speech_api_key`:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    Замените `<key>` на ключ API для вашего ресурса службы Translator.
+
+1. Над функцией `say` определите функцию `translate_text`, которая будет переводить текст с языка сервера на язык пользователя:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. Внутри этой функции определите URL и заголовки для вызова REST API:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    URL для этого API не зависит от местоположения, вместо этого местоположение передается в виде заголовка. Ключ API используется напрямую, поэтому, в отличие от службы распознавания речи, нет необходимости получать токен доступа через API выдачи токенов.
+
+1. Ниже определите параметры и тело для вызова:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` определяет параметры для передачи в вызов API, передавая исходный и целевой языки. Этот вызов будет переводить текст с языка `from` на язык `to`.
+
+    `body` содержит текст для перевода. Это массив, так как несколько блоков текста могут быть переведены в одном вызове.
+
+1. Выполните вызов REST API и получите ответ:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    Ответ, который возвращается, представляет собой JSON-массив, содержащий один элемент с переводами. Этот элемент имеет массив для переводов всех элементов, переданных в теле.
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. Верните свойство `text` из первого перевода первого элемента массива:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. Обновите функцию `say`, чтобы перевести текст перед генерацией SSML:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    Этот код также выводит оригинальную и переведенную версии текста в консоль.
+
+1. Запустите ваш код. Убедитесь, что ваше приложение-функция работает, и запросите таймер на языке пользователя, либо говоря на этом языке самостоятельно, либо используя приложение для перевода.
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 Из-за различных способов выражения в разных языках вы можете получить переводы, которые немного отличаются от примеров, которые вы дали LUIS. Если это так, добавьте больше примеров в LUIS, переобучите и снова опубликуйте модель.
+
+> 💁 Вы можете найти этот код в папке [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device).
+
+😀 Ваш многоязычный таймер успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/ru/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..325882a0
--- /dev/null
+++ b/translations/ru/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T23:51:38+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "ru"
+}
+-->
+# Перевод речи - Wio Terminal
+
+В этой части урока вы напишете код для перевода текста с использованием сервиса перевода.
+
+## Преобразование текста в речь с использованием сервиса перевода
+
+REST API сервиса речи не поддерживает прямой перевод, но вы можете использовать сервис перевода для перевода текста, сгенерированного сервисом преобразования речи в текст, а также текста, который будет произнесен в ответ. У этого сервиса есть REST API, который можно использовать для перевода текста, но для упрощения работы он будет обернут в другой HTTP-триггер в вашем приложении функций.
+
+### Задача - создание серверлесс-функции для перевода текста
+
+1. Откройте ваш проект `smart-timer-trigger` в VS Code и откройте терминал, убедившись, что виртуальная среда активирована. Если нет, завершите и заново создайте терминал.
+
+1. Откройте файл `local.settings.json` и добавьте настройки для ключа API и местоположения сервиса перевода:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    Замените `<key>` на ключ API вашего ресурса сервиса перевода. Замените `<location>` на местоположение, которое вы указали при создании ресурса сервиса перевода.
+
+1. Добавьте новый HTTP-триггер в это приложение под названием `translate-text`, используя следующую команду в терминале VS Code в корневой папке проекта приложения функций:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    Это создаст HTTP-триггер с именем `translate-text`.
+
+1. Замените содержимое файла `__init__.py` в папке `translate-text` следующим:
+
+    ```python
+    import logging
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    location = os.environ['TRANSLATOR_LOCATION']
+    translator_key = os.environ['TRANSLATOR_KEY']
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        from_language = req_body['from_language']
+        to_language = req_body['to_language']
+        text = req_body['text']
+        
+        logging.info(f'Translating {text} from {from_language} to {to_language}')
+    
+        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': translator_key,
+            'Ocp-Apim-Subscription-Region': location,
+            'Content-type': 'application/json'
+        }
+    
+        params = {
+            'from': from_language,
+            'to': to_language
+        }
+    
+        body = [{
+            'text' : text
+        }]
+        
+        response = requests.post(url, headers=headers, params=params, json=body)
+        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
+    ```
+
+    Этот код извлекает текст и языки из HTTP-запроса. Затем он отправляет запрос к REST API сервиса перевода, передавая языки в качестве параметров URL и текст для перевода в теле запроса. Наконец, возвращается перевод.
+
+1. Запустите ваше приложение функций локально. Затем вы можете вызвать его с помощью инструмента, такого как curl, так же, как вы тестировали HTTP-триггер `text-to-timer`. Убедитесь, что вы передаете текст для перевода и языки в формате JSON:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    Этот пример переводит *Définir une minuterie de 30 secondes* с французского на американский английский. Результат будет *Set a 30-second timer*.
+
+> 💁 Этот код можно найти в папке [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions).
+
+### Задача - использование функции перевода для перевода текста
+
+1. Откройте проект `smart-timer` в VS Code, если он еще не открыт.
+
+1. Ваш умный таймер будет настроен на 2 языка - язык сервера, который использовался для обучения LUIS (этот же язык используется для создания сообщений, которые будут произноситься пользователю), и язык, на котором говорит пользователь. Обновите константу `LANGUAGE` в заголовочном файле `config.h`, чтобы она соответствовала языку, на котором будет говорить пользователь, и добавьте новую константу под названием `SERVER_LANGUAGE` для языка, использованного для обучения LUIS:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    Замените `<user language>` на имя локали языка, на котором вы будете говорить, например, `fr-FR` для французского или `zn-HK` для кантонского.
+
+    Замените `<server language>` на имя локали языка, использованного для обучения LUIS.
+
+    Вы можете найти список поддерживаемых языков и их имен локалей в [документации о поддержке языков и голосов на сайте Microsoft](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text).
+
+    > 💁 Если вы не говорите на нескольких языках, вы можете использовать сервисы, такие как [Bing Translate](https://www.bing.com/translator) или [Google Translate](https://translate.google.com), чтобы перевести текст с вашего предпочтительного языка на выбранный язык. Эти сервисы также могут воспроизводить аудио переведенного текста.
+    >
+    > Например, если вы обучили LUIS на английском, но хотите использовать французский как язык пользователя, вы можете перевести фразы, такие как "set a 2 minute and 27 second timer", с английского на французский с помощью Bing Translate, а затем использовать кнопку **Listen translation**, чтобы произнести перевод в ваш микрофон.
+    >
+    > ![Кнопка прослушивания перевода в Bing Translate](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ru.png)
+
+1. Добавьте ключ API и местоположение сервиса перевода ниже `SPEECH_LOCATION`:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    Замените `<KEY>` на ключ API вашего ресурса сервиса перевода. Замените `<LOCATION>` на местоположение, которое вы указали при создании ресурса сервиса перевода.
+
+1. Добавьте URL триггера перевода ниже `VOICE_URL`:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    Замените `<URL>` на URL для HTTP-триггера `translate-text` в вашем приложении функций. Это будет то же значение, что и для `TEXT_TO_TIMER_FUNCTION_URL`, за исключением того, что имя функции будет `translate-text` вместо `text-to-timer`.
+
+1. Добавьте новый файл в папку `src` с именем `text_translator.h`.
+
+1. Этот новый заголовочный файл `text_translator.h` будет содержать класс для перевода текста. Добавьте следующее в этот файл, чтобы объявить этот класс:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    
+    class TextTranslator
+    {
+    public:   
+    private:
+        WiFiClient _client;
+    };
+    
+    TextTranslator textTranslator;
+    ```
+
+    Это объявляет класс `TextTranslator`, а также экземпляр этого класса. Класс имеет одно поле для WiFi-клиента.
+
+1. В секцию `public` этого класса добавьте метод для перевода текста:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    Этот метод принимает язык, с которого нужно перевести, и язык, на который нужно перевести. При обработке речи текст будет переводиться с языка пользователя на язык сервера LUIS, а при предоставлении ответов - с языка сервера LUIS на язык пользователя.
+
+1. В этом методе добавьте код для создания JSON-тела, содержащего текст для перевода и языки:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+    doc["from_language"] = from_language;
+    doc["to_language"] = to_language;
+
+    String body;
+    serializeJson(doc, body);
+
+    Serial.print("Translating ");
+    Serial.print(text);
+    Serial.print(" from ");
+    Serial.print(from_language);
+    Serial.print(" to ");
+    Serial.print(to_language);
+    ```
+
+1. Ниже добавьте следующий код для отправки тела в серверлесс-приложение функций:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. Далее добавьте код для получения ответа:
+
+    ```cpp
+    String translated_text = "";
+
+    if (httpResponseCode == 200)
+    {
+        translated_text = httpClient.getString();
+        Serial.print("Translated: ");
+        Serial.println(translated_text);
+    }
+    else
+    {
+        Serial.print("Failed to translate text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. Наконец, добавьте код для закрытия соединения и возврата переведенного текста:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### Задача - перевод распознанной речи и ответов
+
+1. Откройте файл `main.cpp`.
+
+1. Добавьте директиву include в начале файла для заголовочного файла класса `TextTranslator`:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. Текст, который произносится при установке или завершении таймера, нужно перевести. Для этого добавьте следующую строку в начало функции `say`:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Это переведет текст на язык пользователя.
+
+1. В функции `processAudio` текст извлекается из записанного аудио с помощью вызова `String text = speechToText.convertSpeechToText();`. После этого вызова переведите текст:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    Это переведет текст с языка пользователя на язык, используемый на сервере.
+
+1. Соберите этот код, загрузите его на ваш Wio Terminal и протестируйте через последовательный монитор. Как только вы увидите `Ready` в последовательном мониторе, нажмите кнопку C (левую кнопку, ближайшую к переключателю питания) и говорите. Убедитесь, что ваше приложение функций запущено, и запросите таймер на языке пользователя, либо говоря на этом языке самостоятельно, либо используя приложение для перевода.
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
+    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
+    Translated: Set a timer of 2 minutes 27 seconds.
+    Set a timer of 2 minutes 27 seconds.
+    {"seconds": 147}
+    Translating 2 minute 27 second timer started. from en-US to fr-FR
+    Translated: 2 minute 27 seconde minute a commencé.
+    2 minute 27 seconde minute a commencé.
+    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+> 💁 Этот код можно найти в папке [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal).
+
+😀 Ваш многоязычный таймер успешно работает!
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/CODE_OF_CONDUCT.md b/translations/ru/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..b91951d2
--- /dev/null
+++ b/translations/ru/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T21:24:29+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "ru"
+}
+-->
+# Кодекс поведения Microsoft для проектов с открытым исходным кодом
+
+Этот проект принял [Кодекс поведения Microsoft для проектов с открытым исходным кодом](https://opensource.microsoft.com/codeofconduct/).
+
+Ресурсы:
+
+- [Кодекс поведения Microsoft для проектов с открытым исходным кодом](https://opensource.microsoft.com/codeofconduct/)
+- [Часто задаваемые вопросы о Кодексе поведения](https://opensource.microsoft.com/codeofconduct/faq/)
+- Свяжитесь с [opencode@microsoft.com](mailto:opencode@microsoft.com) для вопросов или обсуждения проблем
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/CONTRIBUTING.md b/translations/ru/CONTRIBUTING.md
new file mode 100644
index 00000000..49b86650
--- /dev/null
+++ b/translations/ru/CONTRIBUTING.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T21:27:46+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "ru"
+}
+-->
+# Участие в проекте
+
+Этот проект приветствует вклад и предложения. Большинство вкладов требуют, чтобы вы
+согласились с Лицензионным соглашением участника (Contributor License Agreement, CLA), подтверждающим, что у вас есть право, и вы действительно предоставляете нам права на использование вашего вклада. Для получения подробной информации посетите
+https://cla.microsoft.com.
+
+> Важно: при переводе текста в этом репозитории, пожалуйста, убедитесь, что вы не используете машинный перевод. Мы будем проверять переводы через сообщество, поэтому участвуйте в переводах только на те языки, которыми вы владеете.
+
+Когда вы отправляете pull request, CLA-бот автоматически определит, нужно ли вам
+предоставить CLA, и оформит PR соответствующим образом (например, добавит метку, комментарий). Просто следуйте
+инструкциям, предоставленным ботом. Вам нужно будет сделать это только один раз для всех репозиториев, использующих наш CLA.
+
+Этот проект принял [Кодекс поведения Microsoft для проектов с открытым исходным кодом](https://opensource.microsoft.com/codeofconduct/).
+Для получения дополнительной информации прочитайте [Часто задаваемые вопросы о Кодексе поведения](https://opensource.microsoft.com/codeofconduct/faq/)
+или свяжитесь с [opencode@microsoft.com](mailto:opencode@microsoft.com) для любых дополнительных вопросов или комментариев.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/README.md b/translations/ru/README.md
new file mode 100644
index 00000000..db8e3860
--- /dev/null
+++ b/translations/ru/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T21:18:41+00:00",
+  "source_file": "README.md",
+  "language_code": "ru"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# IoT для начинающих - учебная программа  
+
+Команда Azure Cloud Advocates в Microsoft рада предложить 12-недельную учебную программу, состоящую из 24 уроков, посвященных основам Интернета вещей (IoT). Каждый урок включает тесты до и после занятия, письменные инструкции для выполнения задания, готовое решение, домашнее задание и многое другое. Проектный подход к обучению позволяет вам учиться, создавая, что доказано способствует лучшему усвоению новых навыков.  
+
+Проекты охватывают путь еды от фермы до стола. Это включает сельское хозяйство, логистику, производство, розничную торговлю и потребление — все популярные отрасли для устройств IoT.  
+
+![Дорожная карта курса, показывающая 24 урока, охватывающих введение, сельское хозяйство, транспорт, обработку, розничную торговлю и приготовление пищи](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ru.jpg)  
+
+> Скетчноут от [Nitya Narasimhan](https://github.com/nitya). Нажмите на изображение, чтобы увидеть его в большем размере.  
+
+**Огромная благодарность нашим авторам [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), и нашему художнику скетчноутов [Nitya Narasimhan](https://github.com/nitya).**  
+
+**Также благодарим нашу команду [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), которые помогали с обзором и переводом этой учебной программы — [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform), и [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).**  
+
+Познакомьтесь с командой!  
+
+[![Промо-видео](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**Gif создан** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте!  
+
+> **Учителя**, мы [включили несколько предложений](for-teachers.md) о том, как использовать эту учебную программу. Если вы хотите создать свои собственные уроки, мы также включили [шаблон урока](lesson-template/README.md).  
+
+> **[Студенты](https://aka.ms/student-page)**, чтобы использовать эту учебную программу самостоятельно, сделайте форк всего репозитория и выполните задания самостоятельно, начиная с теста перед лекцией, затем прочитайте лекцию и выполните остальные задания. Постарайтесь создавать проекты, понимая уроки, а не копируя готовый код; однако этот код доступен в папках /solutions в каждом проектно-ориентированном уроке. Еще одна идея — создать учебную группу с друзьями и изучать материал вместе. Для дальнейшего изучения мы рекомендуем [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn).  
+
+Для видеообзора этого курса посмотрите это видео:  
+
+[![Промо-видео](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Промо-видео")  
+
+> 🎥 Нажмите на изображение выше, чтобы посмотреть видео о проекте!  
+
+## Педагогика  
+
+Мы выбрали два педагогических принципа при создании этой учебной программы: обеспечение проектного подхода и включение частых тестов. К концу этой серии студенты создадут систему мониторинга и полива растений, трекер транспортных средств, умную фабрику для отслеживания и проверки продуктов питания, а также голосовой таймер для приготовления пищи, и изучат основы Интернета вещей, включая написание кода для устройств, подключение к облаку, анализ телеметрии и запуск ИИ на периферии.  
+
+Обеспечивая связь контента с проектами, процесс становится более увлекательным для студентов, а усвоение концепций усиливается.  
+
+Кроме того, тесты с низкими ставками перед занятием настраивают студента на изучение темы, а второй тест после занятия обеспечивает дальнейшее закрепление материала. Эта учебная программа была разработана как гибкая и увлекательная, и ее можно пройти полностью или частично. Проекты начинаются с простых и становятся все более сложными к концу 12-недельного цикла.  
+
+Каждый проект основан на реальном оборудовании, доступном студентам и любителям. Каждый проект исследует конкретную область проекта, предоставляя соответствующие базовые знания. Чтобы стать успешным разработчиком, полезно понимать область, в которой вы решаете задачи. Предоставление этих базовых знаний позволяет студентам думать о своих IoT-решениях и изучении в контексте реальных задач, которые они могут решать как разработчики IoT. Студенты узнают «почему» решений, которые они создают, и получают представление о конечном пользователе.  
+
+## Оборудование  
+
+У нас есть два варианта оборудования IoT для использования в проектах в зависимости от личных предпочтений, знаний или предпочтений в языках программирования, целей обучения и доступности. Мы также предоставили версию «виртуального оборудования» для тех, у кого нет доступа к оборудованию или кто хочет узнать больше перед покупкой. Вы можете узнать больше и найти «список покупок» на [странице оборудования](./hardware.md), включая ссылки на покупку комплектов у наших друзей из Seeed Studio.  
+
+> 💁 Ознакомьтесь с нашими [Правилами поведения](CODE_OF_CONDUCT.md), [Руководством по внесению изменений](CONTRIBUTING.md) и [Руководством по переводу](TRANSLATIONS.md). Мы приветствуем ваши конструктивные отзывы!  
+
+## Каждый урок включает:  
+
+- скетчноут  
+- дополнительное видео (опционально)  
+- тест для разминки перед уроком  
+- письменный урок  
+- для проектных уроков — пошаговые инструкции по созданию проекта  
+- проверка знаний  
+- вызов  
+- дополнительное чтение  
+- задание  
+- тест после урока  
+
+> **Примечание о тестах**: Все тесты находятся в папке quiz-app, всего 48 тестов по три вопроса в каждом. Они связаны с уроками, но приложение для тестов можно запустить локально или развернуть в Azure; следуйте инструкциям в папке `quiz-app`. Они постепенно переводятся.  
+
+## Уроки  
+
+|       |              Название проекта              |                       Изучаемые концепции                       | Цели обучения                                                                                                                                                 |                                                        Связанный урок                                                         |
+| :---: | :----------------------------------------: | :-------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: |
+|  01   | [Начало работы](./1-getting-started/README.md) |                     Введение в IoT                     | Узнайте основные принципы IoT и основные строительные блоки IoT-решений, такие как датчики и облачные сервисы, пока вы настраиваете свое первое IoT-устройство |                      [Введение в IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |
+|  02   | [Начало работы](./1-getting-started/README.md) |                   Более глубокое погружение в IoT                    | Узнайте больше о компонентах системы IoT, а также о микроконтроллерах и одноплатных компьютерах                                                            |                        [Более глубокое погружение в IoT](./1-getting-started/lessons/2-deeper-dive/README.md)                         |
+|  03   | [Начало работы](./1-getting-started/README.md) | Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов | Узнайте о датчиках для сбора данных из физического мира и исполнительных механизмах для отправки обратной связи, пока вы создаете ночник                                           | [Взаимодействие с физическим миром с помощью датчиков и исполнительных механизмов](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |
+|  04   | [Начало работы](./1-getting-started/README.md) |             Подключите ваше устройство к Интернету             | Узнайте, как подключить устройство IoT к Интернету для отправки и получения сообщений, подключив ваш ночник к брокеру MQTT                               |               [Подключите ваше устройство к Интернету](./1-getting-started/lessons/4-connect-internet/README.md)                |
+|  05   |            [Ферма](./2-farm/README.md)            |                    Прогноз роста растений                     | Узнайте, как прогнозировать рост растений, используя данные о температуре, собранные устройством IoT                                                                                  |                          [Прогноз роста растений](./2-farm/lessons/1-predict-plant-growth/README.md)                           |
+|  06   |            [Ферма](./2-farm/README.md)            |                    Определение влажности почвы                     | Узнайте, как определить влажность почвы и откалибровать датчик влажности почвы                                                                                              |                          [Определение влажности почвы](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |
+|  07   |            [Ферма](./2-farm/README.md)            |                  Автоматический полив растений                   | Узнайте, как автоматизировать и настроить полив с помощью реле и MQTT                                                                                                      |                      [Автоматический полив растений](./2-farm/lessons/3-automated-plant-watering/README.md)                       |
+|  08   |            [Ферма](./2-farm/README.md)            |               Перенос вашего растения в облако               | Узнайте об облаке и облачных IoT-сервисах, а также о том, как подключить ваше растение к одному из них вместо публичного брокера MQTT                                   |               [Перенос вашего растения в облако](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |
+|  09   |            [Ферма](./2-farm/README.md)            |         Перенос логики приложения в облако         | Узнайте, как можно писать логику приложения в облаке, которая реагирует на сообщения IoT                                                                          |         [Перенос логики приложения в облако](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |
+|  10   |            [Farm](./2-farm/README.md)            |                   Обеспечьте безопасность вашего растения                   | Узнайте о безопасности в IoT и о том, как защитить ваше растение с помощью ключей и сертификатов                                                                          |                        [Обеспечьте безопасность вашего растения](./2-farm/lessons/6-keep-your-plant-secure/README.md)                         |
+|  11   |       [Transport](./3-transport/README.md)       |                      Отслеживание местоположения                      | Узнайте об отслеживании местоположения с помощью GPS для устройств IoT                                                                                                                   |                           [Отслеживание местоположения](./3-transport/lessons/1-location-tracking/README.md)                           |
+|  12   |       [Transport](./3-transport/README.md)       |                     Хранение данных о местоположении                     | Узнайте, как хранить данные IoT для их последующей визуализации или анализа                                                                                                      |                         [Хранение данных о местоположении](./3-transport/lessons/2-store-location-data/README.md)                         |
+|  13   |       [Transport](./3-transport/README.md)       |                   Визуализация данных о местоположении                   | Узнайте, как визуализировать данные о местоположении на карте, и как карты представляют реальный 3D мир в двух измерениях                                                            |                     [Визуализация данных о местоположении](./3-transport/lessons/3-visualize-location-data/README.md)                     |
+|  14   |       [Transport](./3-transport/README.md)       |                          Геозоны                          | Узнайте о геозонах и о том, как их можно использовать для оповещения, когда транспортные средства в цепочке поставок приближаются к месту назначения                                           |                                   [Геозоны](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               Обучение детектора качества фруктов                | Узнайте, как обучить классификатор изображений в облаке для определения качества фруктов                                                                                       |                 [Обучение детектора качества фруктов](./4-manufacturing/lessons/1-train-fruit-detector/README.md)                 |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           Проверка качества фруктов с устройства IoT            | Узнайте, как использовать детектор качества фруктов с устройства IoT                                                                                                    |           [Проверка качества фруктов с устройства IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)            |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             Запуск детектора фруктов на периферии             | Узнайте, как запустить детектор фруктов на устройстве IoT на периферии                                                                                                |             [Запуск детектора фруктов на периферии](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        Запуск проверки качества фруктов с датчика        | Узнайте, как запускать проверку качества фруктов с помощью датчика                                                                                                        |        [Запуск проверки качества фруктов с датчика](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)         |
+|  19   |          [Retail](./5-retail/README.md)          |                   Обучение детектора запасов                    | Узнайте, как использовать обнаружение объектов для обучения детектора запасов, чтобы подсчитывать товары в магазине                                                                                |                        [Обучение детектора запасов](./5-retail/lessons/1-train-stock-detector/README.md)                         |
+|  20   |          [Retail](./5-retail/README.md)          |               Проверка запасов с устройства IoT                | Узнайте, как проверять запасы с устройства IoT, используя модель обнаружения объектов                                                                                         |                     [Проверка запасов с устройства IoT](./5-retail/lessons/2-check-stock-device/README.md)                      |
+|  21   |        [Consumer](./6-consumer/README.md)        |             Распознавание речи с устройства IoT             | Узнайте, как распознавать речь с устройства IoT для создания умного таймера                                                                                             |                  [Распознавание речи с устройства IoT](./6-consumer/lessons/1-speech-recognition/README.md)                  |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     Понимание языка                     | Узнайте, как понимать фразы, произнесенные устройству IoT                                                                                                           |                        [Понимание языка](./6-consumer/lessons/2-language-understanding/README.md)                        |
+|  23   |        [Consumer](./6-consumer/README.md)        |           Установка таймера и голосовая обратная связь           | Узнайте, как установить таймер на устройстве IoT и предоставить голосовую обратную связь о том, когда таймер установлен и когда он завершает работу                                                    |                 [Установка таймера и голосовая обратная связь](./6-consumer/lessons/3-spoken-feedback/README.md)                  |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 Поддержка нескольких языков                  | Узнайте, как поддерживать несколько языков, как для ввода, так и для ответов вашего умного таймера                                                               |                   [Поддержка нескольких языков](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## Оффлайн-доступ
+
+Вы можете использовать эту документацию в оффлайн-режиме с помощью [Docsify](https://docsify.js.org/#/). Форкните этот репозиторий, [установите Docsify](https://docsify.js.org/#/quickstart) на вашем локальном компьютере, а затем в корневой папке этого репозитория введите `docsify serve`. Веб-сайт будет доступен на порту 3000 вашего локального хоста: `localhost:3000`.
+
+### PDF
+
+Вы можете создать PDF-версию этого контента для оффлайн-доступа, если это необходимо. Для этого убедитесь, что у вас установлен [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm), и выполните следующие команды в корневой папке этого репозитория:
+
+```sh
+npm i
+npm run convert
+```
+
+### Презентации
+
+Для некоторых уроков доступны презентации в папке [slides](../../slides).
+
+## Нужна помощь!
+
+Хотите внести свой вклад в перевод? Ознакомьтесь с нашими [руководствами по переводу](TRANSLATIONS.md) и добавьте свои предложения [в одну из задач по переводу](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation). Если вы хотите перевести на новый язык, создайте новую задачу для отслеживания.
+
+## Другие учебные материалы
+
+Наша команда создает и другие учебные материалы! Ознакомьтесь с ними:
+
+- [Generative AI for Beginners](https://aka.ms/genai-beginners)
+- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI for Beginners](https://aka.ms/ai-beginners)
+- [Data Science for Beginners](https://aka.ms/datascience-beginners)
+- [ML for Beginners](https://aka.ms/ml-beginners)
+- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
+- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
+- [IoT for Beginners](https://aka.ms/iot-beginners)
+- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
+- [Mastering GitHub Copilot for Agentic use](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
+
+## Атрибуции изображений
+
+Вы можете найти все атрибуции для изображений, использованных в этом учебном материале, в разделе [Attributions](./attributions.md).
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/SECURITY.md b/translations/ru/SECURITY.md
new file mode 100644
index 00000000..860080bf
--- /dev/null
+++ b/translations/ru/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T21:27:01+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "ru"
+}
+-->
+# Безопасность
+
+Microsoft уделяет большое внимание безопасности своих программных продуктов и услуг, включая все репозитории исходного кода, управляемые через наши организации на GitHub, такие как [Microsoft](https://github.com/Microsoft), [Azure](https://github.com/Azure), [DotNet](https://github.com/dotnet), [AspNet](https://github.com/aspnet), [Xamarin](https://github.com/xamarin) и [наши организации на GitHub](https://opensource.microsoft.com/).
+
+Если вы считаете, что обнаружили уязвимость безопасности в любом репозитории, принадлежащем Microsoft, которая соответствует [определению уязвимости безопасности Microsoft](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)), пожалуйста, сообщите нам об этом, как описано ниже.
+
+## Сообщение о проблемах безопасности
+
+**Пожалуйста, не сообщайте об уязвимостях безопасности через публичные проблемы на GitHub.**
+
+Вместо этого сообщите о них в Центр реагирования на угрозы безопасности Microsoft (MSRC) по адресу [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report).
+
+Если вы предпочитаете отправить сообщение без входа в систему, отправьте письмо на [secure@microsoft.com](mailto:secure@microsoft.com). Если возможно, зашифруйте ваше сообщение с помощью нашего PGP-ключа; его можно скачать на странице [PGP-ключ Центра реагирования на угрозы безопасности Microsoft](https://www.microsoft.com/en-us/msrc/pgp-key-msrc).
+
+Вы должны получить ответ в течение 24 часов. Если по какой-то причине вы его не получили, пожалуйста, отправьте повторное письмо, чтобы убедиться, что мы получили ваше первоначальное сообщение. Дополнительную информацию можно найти на [microsoft.com/msrc](https://www.microsoft.com/msrc).  
+
+Пожалуйста, включите запрашиваемую информацию, указанную ниже (насколько это возможно), чтобы помочь нам лучше понять природу и масштаб возможной проблемы:
+
+  * Тип проблемы (например, переполнение буфера, SQL-инъекция, межсайтовый скриптинг и т.д.)
+  * Полные пути к файлам исходного кода, связанным с проявлением проблемы
+  * Местоположение затронутого исходного кода (тег/ветка/коммит или прямой URL)
+  * Любая специальная конфигурация, необходимая для воспроизведения проблемы
+  * Пошаговые инструкции для воспроизведения проблемы
+  * Пример кода или эксплойт (если возможно)
+  * Влияние проблемы, включая способы, которыми злоумышленник может использовать уязвимость
+
+Эта информация поможет нам быстрее обработать ваш отчет.
+
+Если вы сообщаете о проблеме в рамках программы вознаграждения за обнаружение ошибок, более полные отчеты могут способствовать увеличению размера вознаграждения. Пожалуйста, посетите страницу [Программа вознаграждений Microsoft за обнаружение ошибок](https://microsoft.com/msrc/bounty) для получения дополнительной информации о наших активных программах.
+
+## Предпочтительные языки
+
+Мы предпочитаем, чтобы вся коммуникация велась на английском языке.
+
+## Политика
+
+Microsoft придерживается принципа [Координированного раскрытия уязвимостей](https://www.microsoft.com/en-us/msrc/cvd).
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/SUPPORT.md b/translations/ru/SUPPORT.md
new file mode 100644
index 00000000..94b6c436
--- /dev/null
+++ b/translations/ru/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T21:22:56+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "ru"
+}
+-->
+# Поддержка
+
+## Как сообщить о проблемах и получить помощь  
+
+Этот проект использует GitHub Issues для отслеживания ошибок и запросов на новые функции. Пожалуйста, проверьте существующие проблемы перед созданием новой, чтобы избежать дублирования. Для новых проблем создайте запрос на исправление ошибки или добавление функции как новую задачу.
+
+Если вам нужна помощь или у вас есть вопросы по использованию этого проекта, свяжитесь с нами, создав задачу в этом репозитории.
+
+## Политика поддержки Microsoft  
+
+Поддержка для этого **ПРОЕКТА или ПРОДУКТА** ограничивается перечисленными выше ресурсами.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/attributions.md b/translations/ru/attributions.md
new file mode 100644
index 00000000..69a55621
--- /dev/null
+++ b/translations/ru/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T21:16:40+00:00",
+  "source_file": "attributions.md",
+  "language_code": "ru"
+}
+-->
+# Атрибуция изображений
+
+* Бананы от abderraouf omara из [Noun Project](https://thenounproject.com)
+* Мозг от Icon Market из [Noun Project](https://thenounproject.com)
+* Трансляция от RomStu из [Noun Project](https://thenounproject.com)
+* Кнопка от Dan Hetteix из [Noun Project](https://thenounproject.com)
+* Малодиафрагменный конденсаторный микрофон C451B от AKG Acoustics. [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) на [en.wikipedia](https://en.wikipedia.org/) / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Календарь от Alice-vector из [Noun Project](https://thenounproject.com)
+* Сертификат от alimasykurm из [Noun Project](https://thenounproject.com)
+* Чип от Astatine Lab из [Noun Project](https://thenounproject.com)
+* Облако от Debi Alpa Nugraha из [Noun Project](https://thenounproject.com)
+* Контейнер от ProSymbols из [Noun Project](https://thenounproject.com)
+* Процессор от Icon Lauk из [Noun Project](https://thenounproject.com)
+* База данных от Icons Bazaar из [Noun Project](https://thenounproject.com)
+* Циферблат от Jamie Dickinson из [Noun Project](https://thenounproject.com)
+* GPS от mim studio из [Noun Project](https://thenounproject.com)
+* Обогреватель от Pascal Heß из [Noun Project](https://thenounproject.com)
+* Идея от Pause08 из [Noun Project](https://thenounproject.com)
+* IoT от Adrien Coquet из [Noun Project](https://thenounproject.com)
+* Светодиод от abderraouf omara из [Noun Project](https://thenounproject.com)
+* Фоторезистор от Eucalyp из [Noun Project](https://thenounproject.com)
+* Лампочка от Maxim Kulikov из [Noun Project](https://thenounproject.com)
+* Микроконтроллер от Template из [Noun Project](https://thenounproject.com)
+* Мобильный телефон от Alice-vector из [Noun Project](https://thenounproject.com)
+* Мотор от Bakunetsu Kaito из [Noun Project](https://thenounproject.com)
+* Патти Смит, поющая в микрофон Shure SM58 (динамический кардиоидный тип). Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* Растение от Alex Muravev из [Noun Project](https://thenounproject.com)
+* Клетка растения от Léa Lortal из [Noun Project](https://thenounproject.com)
+* Зонд от Adnen Kadri из [Noun Project](https://thenounproject.com)
+* Оперативная память от Atif Arshad из [Noun Project](https://thenounproject.com)
+* Raspberry Pi 4. Michael Henzler / [Wikimedia Commons](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
+* Запись от Aybige Speaker из [Noun Project](https://thenounproject.com)
+* Спутник от Noura Mbarki из [Noun Project](https://thenounproject.com)
+* Умный датчик от Andrei Yushchenko из [Noun Project](https://thenounproject.com)
+* Громкоговоритель от Gregor Cresnar из [Noun Project](https://thenounproject.com)
+* Переключатель от Chattapat из [Noun Project](https://thenounproject.com)
+* Температура от Vectors Market из [Noun Project](https://thenounproject.com)
+* Томат от parkjisun из Noun Project из [Noun Project](https://thenounproject.com)
+* Лейка от Daria Moskvina из [Noun Project](https://thenounproject.com)
+* Погода от Adrien Coquet из [Noun Project](https://thenounproject.com)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/clean-up.md b/translations/ru/clean-up.md
new file mode 100644
index 00000000..4a781acb
--- /dev/null
+++ b/translations/ru/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T21:23:56+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "ru"
+}
+-->
+# Очистите ваш проект
+
+После завершения каждого проекта рекомендуется удалить облачные ресурсы.
+
+В уроках для каждого проекта вы могли создать некоторые из следующих ресурсов:
+
+* Группа ресурсов
+* IoT Hub
+* Регистрации IoT-устройств
+* Учетная запись хранилища
+* Приложение Functions
+* Учетная запись Azure Maps
+* Проект Custom Vision
+* Реестр контейнеров Azure
+* Ресурс когнитивных сервисов
+
+Большинство этих ресурсов не требуют затрат — либо они полностью бесплатны, либо вы используете бесплатный уровень. Для сервисов, которые требуют платного уровня, вы, скорее всего, использовали их на уровне, включенном в бесплатное предложение, или они стоили всего несколько центов.
+
+Несмотря на относительно низкие затраты, стоит удалить эти ресурсы, когда вы завершите работу. Например, вы можете иметь только один IoT Hub на бесплатном уровне, поэтому, если вы захотите создать еще один, вам придется использовать платный уровень.
+
+Все ваши сервисы были созданы внутри групп ресурсов, что упрощает управление. Вы можете удалить группу ресурсов, и все сервисы в этой группе будут удалены вместе с ней.
+
+Чтобы удалить группу ресурсов, выполните следующую команду в терминале или командной строке:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+Замените `<resource-group-name>` на имя группы ресурсов, которая вас интересует.
+
+Появится подтверждение:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+Введите `y`, чтобы подтвердить и удалить группу ресурсов.
+
+Удаление всех сервисов займет некоторое время.
+
+> 💁 Вы можете узнать больше об удалении групп ресурсов в [документации Microsoft Docs о удалении групп ресурсов и ресурсов в Azure Resource Manager](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/docs/_sidebar.md b/translations/ru/docs/_sidebar.md
new file mode 100644
index 00000000..eeb9d106
--- /dev/null
+++ b/translations/ru/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T23:08:12+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "ru"
+}
+-->
+- Введение
+  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)
+  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)
+  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)
+  - [4](../1-getting-started/lessons/4-connect-internet/README.md)
+  
+- Ферма
+  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)
+  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)
+  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)
+  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)
+  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)
+  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)
+  
+- Транспорт
+  - [11](../3-transport/lessons/1-location-tracking/README.md)
+  - [12](../3-transport/lessons/2-store-location-data/README.md)
+  - [13](../3-transport/lessons/3-visualize-location-data/README.md)
+  - [14](../3-transport/lessons/4-geofences/README.md)
+  
+- Производство
+  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)
+  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)
+  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)
+  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)
+  
+- Розничная торговля
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)
+  
+- Потребитель
+  - [21](../6-consumer/lessons/1-speech-recognition/README.md)
+  - [22](../6-consumer/lessons/2-language-understanding/README.md)
+  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)
+  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/for-teachers.md b/translations/ru/for-teachers.md
new file mode 100644
index 00000000..22e7da87
--- /dev/null
+++ b/translations/ru/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T21:23:18+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "ru"
+}
+-->
+# Для преподавателей
+
+Хотите использовать эту учебную программу в своем классе? Пожалуйста, не стесняйтесь!
+
+На самом деле, вы можете использовать её прямо в GitHub, воспользовавшись GitHub Classroom.
+
+Для этого сделайте форк этого репозитория. Вам нужно будет создать отдельный репозиторий для каждого урока, поэтому потребуется извлечь каждую папку в отдельный репозиторий. Таким образом, [GitHub Classroom](https://classroom.github.com/classrooms) сможет обрабатывать каждый урок отдельно.
+
+Эти [подробные инструкции](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) помогут вам понять, как настроить ваш класс.
+
+## Рекомендуемая модель обучения
+
+Вы можете узнать больше о рекомендуемой модели обучения для преподавания этой учебной программы в нашем [руководстве по рекомендуемой модели обучения](recommended-learning-model.md).
+
+## Использование репозитория как есть
+
+Если вы хотите использовать этот репозиторий в его текущем виде, без использования GitHub Classroom, это тоже возможно. Вам нужно будет сообщить своим студентам, какой урок изучать вместе.
+
+В онлайн-формате (Zoom, Teams или другие платформы) вы можете организовать комнаты для обсуждений, чтобы студенты могли проходить викторины, а также наставлять их, помогая подготовиться к обучению. Затем пригласите студентов пройти викторины и отправить свои ответы в виде 'issues' в определённое время. То же самое можно сделать с заданиями, если вы хотите, чтобы студенты работали совместно и открыто.
+
+Если вы предпочитаете более приватный формат, попросите студентов форкнуть учебную программу, урок за уроком, в свои собственные приватные репозитории на GitHub и предоставить вам доступ. Тогда они смогут проходить викторины и выполнять задания приватно, отправляя их вам через 'issues' в вашем репозитории для класса.
+
+Существует множество способов организовать это в формате онлайн-класса. Пожалуйста, дайте нам знать, какой из них работает для вас лучше всего!
+
+## Поделитесь своим мнением!
+
+Мы хотим, чтобы эта учебная программа была полезной для вас и ваших студентов. Пожалуйста, оставьте нам [обратную связь](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u).
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/hardware.md b/translations/ru/hardware.md
new file mode 100644
index 00000000..e6ed3b88
--- /dev/null
+++ b/translations/ru/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T21:24:55+00:00",
+  "source_file": "hardware.md",
+  "language_code": "ru"
+}
+-->
+# Аппаратное обеспечение
+
+**T** в IoT означает **Things** (вещи) и относится к устройствам, которые взаимодействуют с окружающим миром. Каждый проект основан на реальном оборудовании, доступном для студентов и любителей. У нас есть два варианта аппаратного обеспечения IoT, которые можно использовать в зависимости от личных предпочтений, знаний или предпочтений в программировании, учебных целей и доступности. Также мы предоставили версию с "виртуальным оборудованием" для тех, у кого нет доступа к физическому оборудованию, или кто хочет узнать больше перед покупкой.
+
+> 💁 Вам не нужно приобретать какое-либо оборудование IoT для выполнения заданий. Вы можете сделать всё, используя виртуальное оборудование IoT.
+
+Физические варианты оборудования — это Arduino или Raspberry Pi. У каждой платформы есть свои плюсы и минусы, которые рассматриваются в одном из начальных уроков. Если вы ещё не выбрали платформу, вы можете ознакомиться с [вторым уроком первого проекта](./1-getting-started/lessons/2-deeper-dive/README.md), чтобы решить, какое оборудование вам интереснее изучать.
+
+Конкретное оборудование было выбрано для упрощения уроков и заданий. Хотя другое оборудование может работать, мы не можем гарантировать, что все задания будут поддерживаться на вашем устройстве без дополнительного оборудования. Например, многие устройства Arduino не имеют WiFi, который необходим для подключения к облаку — Wio Terminal был выбран, потому что WiFi встроен.
+
+Вам также понадобятся несколько нетехнических предметов, таких как почва или комнатное растение, а также фрукты или овощи.
+
+## Покупка наборов
+
+![Логотип Seeed Studios](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ru.png)
+
+Seeed Studios любезно предоставили всё оборудование в виде удобных для покупки наборов:
+
+### Arduino - Wio Terminal
+
+**[IoT для начинающих с Seeed и Microsoft - стартовый набор Wio Terminal](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![Набор оборудования Wio Terminal](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ru.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[IoT для начинающих с Seeed и Microsoft - стартовый набор Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![Набор оборудования Raspberry Pi Terminal](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ru.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Весь код для устройств Arduino написан на C++. Для выполнения всех заданий вам понадобится следующее:
+
+### Аппаратное обеспечение Arduino
+
+* [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *Опционально* - кабель USB-C или адаптер USB-A на USB-C. Wio Terminal имеет порт USB-C и поставляется с кабелем USB-C на USB-A. Если на вашем ПК или Mac только порты USB-C, вам понадобится кабель USB-C или адаптер USB-A на USB-C.
+
+### Специфические датчики и исполнительные устройства для Arduino
+
+Эти устройства специфичны для использования с Wio Terminal и не применимы для Raspberry Pi.
+
+* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+* [Провода для макетной платы](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* Наушники или другой динамик с разъёмом 3.5 мм, или динамик JST, например:
+  * [Моно-динамик в корпусе - 2W 6 Ом](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* Карта microSD объёмом 16 ГБ или меньше, а также адаптер для подключения карты к компьютеру, если у вас нет встроенного слота. **NOTE** - Wio Terminal поддерживает только карты SD до 16 ГБ, более ёмкие карты не поддерживаются.
+
+## Raspberry Pi
+
+Весь код для устройств Raspberry Pi написан на Python. Для выполнения всех заданий вам понадобится следующее:
+
+### Аппаратное обеспечение Raspberry Pi
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Версии начиная с Pi 2B и выше должны работать с заданиями в этих уроках. Если вы планируете запускать VS Code непосредственно на Pi, то потребуется Pi 4 с 2 ГБ или более оперативной памяти. Если вы будете подключаться к Pi удалённо, то подойдёт любая версия начиная с Pi 2B.
+* Карта microSD (можно приобрести наборы Raspberry Pi, которые включают карту microSD), а также адаптер для подключения карты к компьютеру, если у вас нет встроенного слота.
+* USB-адаптер питания (можно приобрести наборы Raspberry Pi 4, которые включают адаптер питания). Если вы используете Raspberry Pi 4, вам понадобится адаптер питания USB-C, для более ранних устройств — адаптер micro-USB.
+
+### Специфические датчики и исполнительные устройства для Raspberry Pi
+
+Эти устройства специфичны для использования с Raspberry Pi и не применимы для Arduino.
+
+* [Grove Pi base hat](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Модуль камеры Raspberry Pi](https://www.raspberrypi.org/products/camera-module-v2/)
+* Микрофон и динамик:
+
+  Используйте одно из следующих устройств (или эквивалент):
+  * Любой USB-микрофон с любым USB-динамиком, или динамик с кабелем 3.5 мм, или HDMI-аудиовыход, если ваш Raspberry Pi подключён к монитору или телевизору с динамиками
+  * Любая USB-гарнитура с встроенным микрофоном
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) с
+    * Наушниками или другим динамиком с разъёмом 3.5 мм, или динамиком JST, например:
+    * [Моно-динамик в корпусе - 2W 6 Ом](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [USB-спикерфон](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [Датчик освещённости Grove](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Кнопка Grove](https://www.seeedstudio.com/Grove-Button.html)
+
+## Датчики и исполнительные устройства
+
+Большинство датчиков и исполнительных устройств используются как в обучении Arduino, так и Raspberry Pi:
+
+* [Светодиод Grove](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Датчик влажности и температуры Grove](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Емкостной датчик влажности почвы Grove](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Реле Grove](https://www.seeedstudio.com/Grove-Relay.html)
+* [GPS Grove (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Датчик расстояния Grove Time of Flight](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## Опциональное оборудование
+
+Уроки по автоматическому поливу работают с использованием реле. В качестве опции вы можете подключить это реле к водяному насосу, работающему от USB, используя оборудование, указанное ниже.
+
+* [6V водяной насос](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [USB-терминал](https://www.adafruit.com/product/3628)
+* Силиконовые трубки
+* Красные и чёрные провода
+* Маленькая плоская отвёртка
+
+## Виртуальное оборудование
+
+Виртуальный путь предоставляет симуляторы для датчиков и исполнительных устройств, реализованных на Python. В зависимости от доступности оборудования, вы можете запускать это на своём обычном устройстве для разработки, таком как Mac, ПК, или на Raspberry Pi, симулируя только то оборудование, которого у вас нет. Например, если у вас есть камера Raspberry Pi, но нет датчиков Grove, вы сможете запустить виртуальный код устройства на вашем Pi и симулировать датчики Grove, но использовать физическую камеру.
+
+Виртуальное оборудование будет использовать проект [CounterFit](https://github.com/CounterFit-IoT/CounterFit).
+
+Для выполнения этих уроков вам понадобится веб-камера, микрофон и аудиовыход, такие как динамики или наушники. Они могут быть встроенными или внешними, и должны быть настроены для работы с вашей операционной системой и доступны для использования во всех приложениях.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/images/README.md b/translations/ru/images/README.md
new file mode 100644
index 00000000..9840d155
--- /dev/null
+++ b/translations/ru/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T21:28:15+00:00",
+  "source_file": "images/README.md",
+  "language_code": "ru"
+}
+-->
+# Изображения
+
+Изображения в папке [icons](../../../images/icons) взяты из [Noun Project](https://thenounproject.com) и требуют указания авторства. Каждое изображение содержит информацию о необходимом авторстве. Эти изображения следует использовать для любых диаграмм, где они нужны, чтобы сохранить единообразие визуального оформления.
+
+Файл [Diagrams.sketch](../../../images/Diagrams.sketch) — это документ [Sketch](https://www.sketch.com), содержащий все диаграммы, используемые в уроках и проектах. Если вы участвуете в переводе, пожалуйста, переведите их, либо скопировав и обновив документ, либо предоставив список слов, которые нужно перевести, в виде задачи на GitHub.
+
+Остальные изображения используются на протяжении всех уроков и проектов.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/lesson-template/README.md b/translations/ru/lesson-template/README.md
new file mode 100644
index 00000000..6715ae17
--- /dev/null
+++ b/translations/ru/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-27T01:03:35+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "ru"
+}
+-->
+# [Тема урока]
+
+![Вставьте видео здесь](../../../lesson-template/video-url)
+
+## [Вопросы перед лекцией](../../../lesson-template/quiz-url)
+
+[Опишите, чему мы будем учиться]
+
+### Введение
+
+Опишите, что будет рассмотрено в этом уроке.
+
+> Заметки
+
+### Предварительные знания
+
+Какие шаги должны быть выполнены до начала этого урока?
+
+### Подготовка
+
+Подготовительные шаги для начала этого урока.
+
+---
+
+[Изучайте материал по блокам]
+
+## [Тема 1]
+
+### Задание:
+
+Работайте вместе, чтобы постепенно улучшать ваш код и строить проект с использованием общего кода:
+
+```html
+code blocks
+```
+
+✅ Проверка знаний - используйте этот момент, чтобы расширить знания студентов с помощью открытых вопросов.
+
+## [Тема 2]
+
+## [Тема 3]
+
+🚀 Задание: Добавьте задание для совместной работы студентов в классе, чтобы улучшить проект.
+
+Опционально: добавьте скриншот пользовательского интерфейса завершенного урока, если это уместно.
+
+## [Вопросы после лекции](../../../lesson-template/quiz-url)
+
+## Обзор и самостоятельное изучение
+
+**Срок сдачи задания [MM/YY]**: [Название задания](assignment.md)
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/lesson-template/assignment.md b/translations/ru/lesson-template/assignment.md
new file mode 100644
index 00000000..df999a45
--- /dev/null
+++ b/translations/ru/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-27T01:04:08+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "ru"
+}
+-->
+# [Assignment Name]
+
+## Инструкции
+
+## Критерии оценки
+
+| Критерии | Превосходно | Удовлетворительно | Требует улучшения |
+| -------- | ----------- | ----------------- | ----------------- |
+|          |             |                   |                   |
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия по обеспечению точности, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникающие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/quiz-app/README.md b/translations/ru/quiz-app/README.md
new file mode 100644
index 00000000..0314bb97
--- /dev/null
+++ b/translations/ru/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-27T01:04:27+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "ru"
+}
+-->
+# Викторины
+
+Эти викторины предназначены для предварительных и итоговых проверок знаний в рамках учебного курса "IoT для начинающих", доступного по адресу https://aka.ms/iot-beginners
+
+## Настройка проекта
+
+```
+npm install
+```
+
+### Компиляция и горячая перезагрузка для разработки
+
+```
+npm run serve
+```
+
+### Компиляция и минимизация для продакшена
+
+```
+npm run build
+```
+
+### Линтинг и исправление файлов
+
+```
+npm run lint
+```
+
+### Настройка конфигурации
+
+См. [Справочник по конфигурации](https://cli.vuejs.org/config/).
+
+Благодарности: Спасибо за оригинальную версию этого приложения для викторин: https://github.com/arpan45/simple-quiz-vue
+
+## Развертывание в Azure
+
+Вот пошаговое руководство, которое поможет вам начать:
+
+1. Форкните репозиторий на GitHub  
+Убедитесь, что код вашего статического веб-приложения находится в вашем репозитории на GitHub. Сделайте форк этого репозитория.
+
+2. Создайте статическое веб-приложение в Azure  
+- Создайте [учетную запись Azure](http://azure.microsoft.com)  
+- Перейдите в [портал Azure](https://portal.azure.com)  
+- Нажмите «Создать ресурс» и найдите «Static Web App».  
+- Нажмите «Создать».
+
+3. Настройте статическое веб-приложение  
+- Основные параметры:  
+  - Подписка: Выберите вашу подписку Azure.  
+  - Группа ресурсов: Создайте новую группу ресурсов или используйте существующую.  
+  - Имя: Укажите имя для вашего статического веб-приложения.  
+  - Регион: Выберите регион, ближайший к вашим пользователям.
+
+- #### Детали развертывания:  
+  - Источник: Выберите «GitHub».  
+  - Учетная запись GitHub: Авторизуйте Azure для доступа к вашей учетной записи GitHub.  
+  - Организация: Выберите вашу организацию на GitHub.  
+  - Репозиторий: Выберите репозиторий, содержащий ваш статический веб-приложение.  
+  - Ветка: Выберите ветку, из которой будет выполняться развертывание.
+
+- #### Детали сборки:  
+  - Предустановки сборки: Выберите фреймворк, на котором построено ваше приложение (например, React, Angular, Vue и т. д.).  
+  - Расположение приложения: Укажите папку, содержащую код вашего приложения (например, /, если оно находится в корне).  
+  - Расположение API: Если у вас есть API, укажите его расположение (опционально).  
+  - Расположение вывода: Укажите папку, где генерируется результат сборки (например, build или dist).
+
+4. Проверьте и создайте  
+Проверьте настройки и нажмите «Создать». Azure настроит необходимые ресурсы и создаст файл рабочего процесса GitHub Actions в вашем репозитории.
+
+5. Рабочий процесс GitHub Actions  
+Azure автоматически создаст файл рабочего процесса GitHub Actions в вашем репозитории (.github/workflows/azure-static-web-apps-<name>.yml). Этот рабочий процесс будет обрабатывать процесс сборки и развертывания.
+
+6. Мониторинг развертывания  
+Перейдите на вкладку «Actions» в вашем репозитории на GitHub.  
+Вы должны увидеть запущенный рабочий процесс. Этот процесс соберет и развернет ваше статическое веб-приложение в Azure.  
+После завершения рабочего процесса ваше приложение будет доступно по предоставленному URL-адресу Azure.
+
+### Пример файла рабочего процесса
+
+Вот пример того, как может выглядеть файл рабочего процесса GitHub Actions:  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```
+
+### Дополнительные ресурсы  
+- [Документация по статическим веб-приложениям Azure](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [Документация по GitHub Actions](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с использованием сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Хотя мы стремимся к точности, пожалуйста, учитывайте, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ru/recommended-learning-model.md b/translations/ru/recommended-learning-model.md
new file mode 100644
index 00000000..26721b69
--- /dev/null
+++ b/translations/ru/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T21:17:39+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "ru"
+}
+-->
+# Рекомендуемая модель обучения
+
+Для достижения наилучших результатов в обучении **мы рекомендуем подход “перевернутой модели”**, подобный лабораторным занятиям по науке: студенты работают над проектами во время занятий, с возможностью обсуждения, вопросов и ответов, а также получения помощи по проектам, а лекционные элементы изучают самостоятельно в свободное время.
+
+## Почему перевернутое обучение?
+
+1. Этот метод обучения задействует различные способы восприятия – визуальный, аудиальный, практический, решение задач и т.д.[[1]](../..)
+2. Перевернутые классы показали увеличение концентрации, вовлеченности, мотивации, самостоятельности, запоминания знаний и улучшение коммуникации (как между учителем и студентом, так и между самими студентами).[[2,3]](../..)
+3. Преподаватели могут уделять больше времени студентам, испытывающим трудности, при этом позволяя более продвинутым учащимся работать с опережением.[[4]](../..)
+
+Мы также рекомендуем преподавателям взять на себя роль **“со-фасилитатора”**, который учится вместе со студентами и поддерживает их, когда они исследуют вопросы и темы, основанные на их собственных интересах и идеях.
+
+Здесь нет “единственно правильного способа” что-либо делать. Иногда у вас не будет всех ответов. Некоторые студенты могут не успеть завершить все проекты. Ваша цель – помочь студентам органично находить способы решения задач, которые могут быть более творческими, совместными или самостоятельными, чем они ожидали.
+
+## Полезные советы по фасилитации:
+
+* Обращайте внимание на то, что вы замечаете, задавайте вопросы и делайте наблюдения.
+* Используйте фразы вроде “Я замечаю…” и “Мне интересно…”
+* Соединяйте студентов, которые испытывают трудности, с теми, кто уже нашел решения.
+* Указывайте на компоненты и части или предлагайте попробовать разные подходы, если студент застрял. Попросите студента изменить что-то одно и понаблюдать за результатом.
+* Признавайте разочарование и отмечайте усилия.
+* Избегайте выполнения сборки или написания кода за студентов, за исключением случаев, когда им требуется физическая помощь.
+
+## Примеры языка фасилитации:
+
+* “Спроси двух других, прежде чем спросить меня.”
+* “Попробуй еще две минуты…”
+* “Давай попробуем сделать перерыв. Может быть, ты мог бы помочь другим студентам с их электрическими соединениями, раз ты уже разобрался с этим?”
+* “Интересно, был ли у другого студента такой же вопрос. Давай проверим!”
+* “Ты действительно вложил усилия и разобрался! Могу ли я направить к тебе других за помощью с этим?”
+* “Это странно, мне тоже это непонятно. Может, мы могли бы спросить другого студента, или, если ты разберешься, поделишься с классом?”
+
+## Ссылки
+
+[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Дата обращения: 21.04.21.
+
+[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Дата обращения: 21.04.21.
+
+[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Дата обращения: 21.04.21.
+
+[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Дата обращения: 21.04.21.
+
+---
+
+**Отказ от ответственности**:  
+Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода.
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/README.md b/translations/ur/1-getting-started/README.md
new file mode 100644
index 00000000..20eeb290
--- /dev/null
+++ b/translations/ur/1-getting-started/README.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e2b1b891b08ef7633d285547fbe73290",
+  "translation_date": "2025-08-26T23:09:05+00:00",
+  "source_file": "1-getting-started/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی کے ساتھ شروعات
+
+اس نصاب کے اس حصے میں، آپ کو انٹرنیٹ آف تھنگز سے متعارف کرایا جائے گا، اور بنیادی تصورات سیکھیں گے، جن میں آپ کا پہلا 'ہیلو ورلڈ' آئی او ٹی پروجیکٹ شامل ہوگا جو کلاؤڈ سے جڑتا ہے۔ یہ پروجیکٹ ایک نائٹ لائٹ ہے جو اس وقت روشن ہوتی ہے جب سینسر کے ذریعے ماپے گئے روشنی کے درجے کم ہو جاتے ہیں۔
+
+![ایل ای ڈی جو روشنی کی سطح کے بدلنے پر WIO سے جڑ کر آن اور آف ہو رہی ہے](../../../images/wio-running-assignment-1-1.gif)
+
+## موضوعات
+
+1. [آئی او ٹی کا تعارف](lessons/1-introduction-to-iot/README.md)  
+1. [آئی او ٹی میں مزید گہرائی](lessons/2-deeper-dive/README.md)  
+1. [سینسرز اور ایکچیویٹرز کے ذریعے فزیکل دنیا کے ساتھ تعامل کریں](lessons/3-sensors-and-actuators/README.md)  
+1. [اپنے ڈیوائس کو انٹرنیٹ سے جوڑیں](lessons/4-connect-internet/README.md)  
+
+## کریڈٹس
+
+تمام اسباق کو ♥️ کے ساتھ [جم بینیٹ](https://GitHub.com/JimBobBennett) نے لکھا۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md
new file mode 100644
index 00000000..2b4fcdb9
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md
@@ -0,0 +1,242 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9bae08314d8487cb76ddf3d8797e1544",
+  "translation_date": "2025-08-26T23:33:53+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/README.md",
+  "language_code": "ur"
+}
+-->
+# انٹرنیٹ آف تھنگز کا تعارف
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی جانب سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔
+
+یہ سبق [ہیلو IoT سیریز](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) کے حصے کے طور پر [مائیکروسافٹ ری ایکٹر](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) میں پڑھایا گیا۔ یہ سبق دو ویڈیوز میں پیش کیا گیا - ایک گھنٹے کا سبق اور ایک گھنٹے کا سوال و جواب کا سیشن جس میں سبق کے مختلف حصوں پر مزید تفصیل سے بات کی گئی۔
+
+[![سبق 1: انٹرنیٹ آف تھنگز کا تعارف](https://img.youtube.com/vi/bVFfcYh6UBw/0.jpg)](https://youtu.be/bVFfcYh6UBw)
+
+[![سبق 1: انٹرنیٹ آف تھنگز - سوال و جواب کا سیشن](https://img.youtube.com/vi/YI772q5v3yI/0.jpg)](https://youtu.be/YI772q5v3yI)
+
+> 🎥 اوپر دی گئی تصاویر پر کلک کریں تاکہ ویڈیوز دیکھ سکیں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/1)
+
+## تعارف
+
+یہ سبق انٹرنیٹ آف تھنگز کے ابتدائی موضوعات پر روشنی ڈالتا ہے اور آپ کو اپنے ہارڈویئر کو سیٹ اپ کرنے میں مدد فراہم کرتا ہے۔
+
+اس سبق میں ہم درج ذیل موضوعات پر بات کریں گے:
+
+* [انٹرنیٹ آف تھنگز کیا ہے؟](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [IoT ڈیوائسز](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [اپنی ڈیوائس سیٹ اپ کریں](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [IoT کے اطلاقات](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+* [آپ کے آس پاس موجود IoT ڈیوائسز کی مثالیں](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+## انٹرنیٹ آف تھنگز کیا ہے؟
+
+'انٹرنیٹ آف تھنگز' کی اصطلاح [کیون ایشٹن](https://wikipedia.org/wiki/Kevin_Ashton) نے 1999 میں ایجاد کی، جس کا مطلب تھا انٹرنیٹ کو سینسرز کے ذریعے فزیکل دنیا سے جوڑنا۔ تب سے، یہ اصطلاح کسی بھی ایسی ڈیوائس کے لیے استعمال ہوتی ہے جو اپنے ارد گرد کی فزیکل دنیا کے ساتھ تعامل کرتی ہے، چاہے وہ سینسرز کے ذریعے ڈیٹا اکٹھا کرے یا ایکچیویٹرز کے ذریعے حقیقی دنیا میں کچھ کرے (جیسے سوئچ آن کرنا یا LED جلانا)، اور عام طور پر دیگر ڈیوائسز یا انٹرنیٹ سے جڑی ہوتی ہے۔
+
+> **سینسرز** دنیا سے معلومات اکٹھا کرتے ہیں، جیسے رفتار، درجہ حرارت یا مقام کی پیمائش۔
+>
+> **ایکچیویٹرز** الیکٹریکل سگنلز کو حقیقی دنیا کے تعاملات میں تبدیل کرتے ہیں، جیسے سوئچ کو چالو کرنا، لائٹس آن کرنا، آوازیں پیدا کرنا، یا دیگر ہارڈویئر کو کنٹرول سگنلز بھیجنا، مثلاً پاور ساکٹ کو آن کرنا۔
+
+IoT صرف ڈیوائسز تک محدود نہیں ہے - یہ کلاؤڈ پر مبنی سروسز کو بھی شامل کرتا ہے جو سینسر ڈیٹا کو پروسیس کر سکتی ہیں یا IoT ڈیوائسز سے جڑے ایکچیویٹرز کو درخواستیں بھیج سکتی ہیں۔ اس میں وہ ڈیوائسز بھی شامل ہیں جنہیں انٹرنیٹ کنیکٹیویٹی کی ضرورت نہیں ہوتی، جنہیں اکثر ایج ڈیوائسز کہا جاتا ہے۔ یہ ڈیوائسز خود سینسر ڈیٹا کو پروسیس اور جواب دے سکتی ہیں، عام طور پر کلاؤڈ میں تربیت یافتہ AI ماڈلز کا استعمال کرتے ہوئے۔
+
+IoT ایک تیزی سے بڑھتا ہوا ٹیکنالوجی کا میدان ہے۔ اندازہ ہے کہ 2020 کے آخر تک 30 ارب IoT ڈیوائسز انٹرنیٹ سے جڑی ہوئی تھیں۔ مستقبل کی طرف دیکھتے ہوئے، اندازہ ہے کہ 2025 تک IoT ڈیوائسز تقریباً 80 زیٹا بائٹس یا 80 ٹریلین گیگا بائٹس ڈیٹا اکٹھا کریں گی۔ یہ بہت زیادہ ڈیٹا ہے!
+
+![ایک گراف جو وقت کے ساتھ فعال IoT ڈیوائسز کو دکھاتا ہے، 2015 میں 5 ارب سے کم سے 2025 میں 30 ارب سے زیادہ تک کا رجحان](../../../../../images/connected-iot-devices.svg)
+
+✅ تھوڑی تحقیق کریں: IoT ڈیوائسز کے ذریعے پیدا ہونے والے ڈیٹا کا کتنا حصہ واقعی استعمال ہوتا ہے، اور کتنا ضائع ہوتا ہے؟ اتنا زیادہ ڈیٹا کیوں نظر انداز کیا جاتا ہے؟
+
+یہ ڈیٹا IoT کی کامیابی کی کلید ہے۔ ایک کامیاب IoT ڈویلپر بننے کے لیے، آپ کو یہ سمجھنا ہوگا کہ آپ کو کون سا ڈیٹا اکٹھا کرنا ہے، اسے کیسے اکٹھا کرنا ہے، اس پر مبنی فیصلے کیسے کرنے ہیں، اور اگر ضرورت ہو تو ان فیصلوں کو حقیقی دنیا کے ساتھ کیسے جوڑنا ہے۔
+
+## IoT ڈیوائسز
+
+IoT میں **T** کا مطلب **چیزیں** ہیں - وہ ڈیوائسز جو اپنے ارد گرد کی فزیکل دنیا کے ساتھ تعامل کرتی ہیں، چاہے وہ سینسرز کے ذریعے ڈیٹا اکٹھا کریں یا ایکچیویٹرز کے ذریعے حقیقی دنیا میں کچھ کریں۔
+
+پروڈکشن یا کمرشل استعمال کے لیے ڈیوائسز، جیسے صارفین کے فٹنس ٹریکرز یا صنعتی مشین کنٹرولرز، عام طور پر کسٹم بنائے جاتے ہیں۔ یہ کسٹم سرکٹ بورڈز، شاید حتیٰ کہ کسٹم پروسیسرز استعمال کرتے ہیں، جو کسی خاص کام کی ضروریات کو پورا کرنے کے لیے ڈیزائن کیے گئے ہیں، چاہے وہ کلائی پر فٹ ہونے کے لیے چھوٹا ہو یا فیکٹری کے سخت ماحول میں کام کرنے کے لیے مضبوط ہو۔
+
+ایک ڈویلپر کے طور پر، چاہے آپ IoT کے بارے میں سیکھ رہے ہوں یا ڈیوائس پروٹوٹائپ بنا رہے ہوں، آپ کو ایک ڈویلپر کٹ سے شروع کرنے کی ضرورت ہوگی۔ یہ عام مقصد کے IoT ڈیوائسز ہیں جو ڈویلپرز کے استعمال کے لیے ڈیزائن کیے گئے ہیں، اکثر ایسے فیچرز کے ساتھ جو پروڈکشن ڈیوائسز پر نہیں ہوں گے، جیسے سینسرز یا ایکچیویٹرز کو جوڑنے کے لیے بیرونی پنز، ڈیبگنگ کے لیے ہارڈویئر، یا اضافی وسائل جو بڑے پیمانے پر مینوفیکچرنگ کے دوران غیر ضروری لاگت میں اضافہ کریں گے۔
+
+یہ ڈویلپر کٹس عام طور پر دو اقسام میں آتی ہیں - مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز۔ ان کا یہاں تعارف دیا جائے گا، اور ہم اگلے سبق میں مزید تفصیل سے بات کریں گے۔
+
+> 💁 آپ کا فون بھی ایک عام مقصد کا IoT ڈیوائس سمجھا جا سکتا ہے، جس میں سینسرز اور ایکچیویٹرز بلٹ ان ہیں، مختلف ایپس سینسرز اور ایکچیویٹرز کو مختلف طریقوں سے مختلف کلاؤڈ سروسز کے ساتھ استعمال کرتی ہیں۔ آپ کچھ IoT ٹیوٹوریلز بھی تلاش کر سکتے ہیں جو فون ایپ کو IoT ڈیوائس کے طور پر استعمال کرتے ہیں۔
+
+### مائیکرو کنٹرولرز
+
+مائیکرو کنٹرولر (جسے MCU بھی کہا جاتا ہے، جو مائیکرو کنٹرولر یونٹ کا مخفف ہے) ایک چھوٹا کمپیوٹر ہے جو درج ذیل پر مشتمل ہوتا ہے:
+
+🧠 ایک یا زیادہ سینٹرل پروسیسنگ یونٹس (CPUs) - مائیکرو کنٹرولر کا 'دماغ' جو آپ کا پروگرام چلاتا ہے
+
+💾 میموری (RAM اور پروگرام میموری) - جہاں آپ کا پروگرام، ڈیٹا اور ویریبلز محفوظ ہوتے ہیں
+
+🔌 پروگرام ایبل ان پٹ/آؤٹ پٹ (I/O) کنکشنز - بیرونی آلات (جیسے سینسرز اور ایکچیویٹرز) سے بات کرنے کے لیے
+
+مائیکرو کنٹرولرز عام طور پر کم قیمت والے کمپیوٹنگ ڈیوائسز ہوتے ہیں، جن کی اوسط قیمت تقریباً US$0.50 تک کم ہو سکتی ہے، اور کچھ ڈیوائسز US$0.03 جتنی سستی ہو سکتی ہیں۔ ڈویلپر کٹس US$4 سے شروع ہو سکتی ہیں، اور قیمتیں فیچرز کے اضافے کے ساتھ بڑھتی ہیں۔ [Wio Terminal](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)، ایک مائیکرو کنٹرولر ڈویلپر کٹ [Seeed studios](https://www.seeedstudio.com) کی جانب سے، جس میں سینسرز، ایکچیویٹرز، WiFi اور ایک اسکرین شامل ہے، تقریباً US$30 کی قیمت میں دستیاب ہے۔
+
+![ایک Wio Terminal](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ur.png)
+
+> 💁 انٹرنیٹ پر مائیکرو کنٹرولرز تلاش کرتے وقت، **MCU** کی اصطلاح تلاش کرنے سے گریز کریں کیونکہ اس سے مارول سینیمیٹک یونیورس کے بہت سے نتائج سامنے آئیں گے، نہ کہ مائیکرو کنٹرولرز۔
+
+مائیکرو کنٹرولرز کو محدود تعداد میں بہت مخصوص کام کرنے کے لیے پروگرام کیا جاتا ہے، بجائے اس کے کہ وہ عام مقصد کے کمپیوٹرز ہوں جیسے PCs یا Macs۔ بہت مخصوص حالات کے علاوہ، آپ ان سے مانیٹر، کی بورڈ اور ماؤس کو جوڑ کر عام مقصد کے کام نہیں کر سکتے۔
+
+مائیکرو کنٹرولر ڈویلپر کٹس عام طور پر بورڈ پر اضافی سینسرز اور ایکچیویٹرز کے ساتھ آتی ہیں۔ زیادہ تر بورڈز میں ایک یا زیادہ LEDs ہوتے ہیں جنہیں آپ پروگرام کر سکتے ہیں، ساتھ ہی دیگر آلات جیسے سینسرز یا ایکچیویٹرز کو جوڑنے کے لیے معیاری پلگ یا بلٹ ان سینسرز (عام طور پر سب سے زیادہ مقبول جیسے درجہ حرارت سینسرز)۔ کچھ مائیکرو کنٹرولرز میں بلٹ ان وائرلیس کنیکٹیویٹی ہوتی ہے جیسے بلوٹوتھ یا WiFi، یا بورڈ پر اضافی مائیکرو کنٹرولرز ہوتے ہیں تاکہ یہ کنیکٹیویٹی شامل کی جا سکے۔
+
+> 💁 مائیکرو کنٹرولرز عام طور پر C/C++ میں پروگرام کیے جاتے ہیں۔
+
+### سنگل بورڈ کمپیوٹرز
+
+سنگل بورڈ کمپیوٹر ایک چھوٹا کمپیوٹنگ ڈیوائس ہے جس میں ایک چھوٹے بورڈ پر مکمل کمپیوٹر کے تمام عناصر موجود ہوتے ہیں۔ یہ وہ ڈیوائسز ہیں جن کی خصوصیات ڈیسک ٹاپ یا لیپ ٹاپ PC یا Mac کے قریب ہوتی ہیں، مکمل آپریٹنگ سسٹم چلاتی ہیں، لیکن چھوٹی ہوتی ہیں، کم پاور استعمال کرتی ہیں، اور نمایاں طور پر سستی ہوتی ہیں۔
+
+![ایک Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg)
+
+Raspberry Pi سب سے زیادہ مقبول سنگل بورڈ کمپیوٹرز میں سے ایک ہے۔
+
+مائیکرو کنٹرولر کی طرح، سنگل بورڈ کمپیوٹرز میں CPU، میموری اور ان پٹ/آؤٹ پٹ پنز ہوتے ہیں، لیکن ان میں اضافی خصوصیات ہوتی ہیں جیسے گرافکس چپ تاکہ آپ مانیٹرز، آڈیو آؤٹ پٹس، اور USB پورٹس کو کی بورڈز، ماؤس اور دیگر معیاری USB آلات جیسے ویب کیمز یا بیرونی اسٹوریج کو جوڑ سکیں۔ پروگرامز SD کارڈز یا ہارڈ ڈرائیوز پر محفوظ کیے جاتے ہیں، ساتھ ہی آپریٹنگ سسٹم، بجائے اس کے کہ بورڈ میں بلٹ ان میموری چپ ہو۔
+
+> 🎓 آپ سنگل بورڈ کمپیوٹر کو اس PC یا Mac کا چھوٹا، سستا ورژن سمجھ سکتے ہیں جس پر آپ یہ پڑھ رہے ہیں، GPIO (جنرل پرپز ان پٹ/آؤٹ پٹ) پنز کے اضافے کے ساتھ تاکہ سینسرز اور ایکچیویٹرز کے ساتھ تعامل کیا جا سکے۔
+
+سنگل بورڈ کمپیوٹرز مکمل طور پر فعال کمپیوٹرز ہیں، لہذا انہیں کسی بھی زبان میں پروگرام کیا جا سکتا ہے۔ IoT ڈیوائسز عام طور پر Python میں پروگرام کی جاتی ہیں۔
+
+### باقی اسباق کے لیے ہارڈویئر کے انتخاب
+
+تمام اگلے اسباق میں IoT ڈیوائس کا استعمال کرتے ہوئے حقیقی دنیا کے ساتھ تعامل اور کلاؤڈ کے ساتھ بات چیت کرنے کے لیے اسائنمنٹس شامل ہیں۔ ہر سبق 3 ڈیوائس کے انتخاب کی حمایت کرتا ہے - Arduino (Seeed Studios Wio Terminal کا استعمال کرتے ہوئے)، یا سنگل بورڈ کمپیوٹر، یا تو ایک فزیکل ڈیوائس (Raspberry Pi 4) یا آپ کے PC یا Mac پر چلنے والا ورچوئل سنگل بورڈ کمپیوٹر۔
+
+آپ تمام اسائنمنٹس کو مکمل کرنے کے لیے درکار ہارڈویئر کے بارے میں [ہارڈویئر گائیڈ](../../../hardware.md) میں پڑھ سکتے ہیں۔
+
+> 💁 آپ کو اسائنمنٹس مکمل کرنے کے لیے کوئی IoT ہارڈویئر خریدنے کی ضرورت نہیں ہے، آپ سب کچھ ورچوئل سنگل بورڈ کمپیوٹر کا استعمال کرتے ہوئے کر سکتے ہیں۔
+
+آپ کون سا ہارڈویئر منتخب کرتے ہیں یہ آپ پر منحصر ہے - یہ اس بات پر منحصر ہے کہ آپ کے پاس گھر پر یا اسکول میں کیا دستیاب ہے، اور آپ کون سی پروگرامنگ زبان جانتے ہیں یا سیکھنے کا ارادہ رکھتے ہیں۔ دونوں ہارڈویئر ویریئنٹس ایک ہی سینسر ایکو سسٹم استعمال کریں گے، لہذا اگر آپ ایک راستے پر شروع کرتے ہیں، تو آپ دوسرے پر منتقل ہو سکتے ہیں بغیر زیادہ تر کٹ کو تبدیل کیے۔ ورچوئل سنگل بورڈ کمپیوٹر Raspberry Pi پر سیکھنے کے برابر ہوگا، زیادہ تر کوڈ Pi پر منتقل کیا جا سکتا ہے اگر آپ آخر کار ایک ڈیوائس اور سینسرز حاصل کرتے ہیں۔
+
+### Arduino ڈویلپر کٹ
+
+اگر آپ مائیکرو کنٹرولر ڈویلپمنٹ سیکھنے میں دلچسپی رکھتے ہیں، تو آپ اسائنمنٹس کو Arduino ڈیوائس کا استعمال کرتے ہوئے مکمل کر سکتے ہیں۔ آپ کو C/C++ پروگرامنگ کی بنیادی سمجھ ہونی چاہیے، کیونکہ اسباق صرف Arduino فریم ورک، استعمال کیے جانے والے سینسرز اور ایکچیویٹرز، اور کلاؤڈ کے ساتھ تعامل کرنے والی لائبریریز کے متعلقہ کوڈ سکھائیں گے۔
+
+اسائنمنٹس [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) کے ساتھ [PlatformIO مائیکرو کنٹرولر ڈویلپمنٹ کے لیے ایکسٹینشن](https://platformio.org) استعمال کریں گے۔ اگر آپ اس ٹول کے ساتھ تجربہ رکھتے ہیں تو آپ Arduino IDE بھی استعمال کر سکتے ہیں، کیونکہ ہدایات فراہم نہیں کی جائیں گی۔
+
+### سنگل بورڈ کمپیوٹر ڈویلپر کٹ
+
+اگر آپ سنگل بورڈ کمپیوٹرز کا استعمال کرتے ہوئے IoT ڈویلپمنٹ سیکھنے میں دلچسپی رکھتے ہیں، تو آپ اسائنمنٹس کو Raspberry Pi یا آپ کے PC یا Mac پر چلنے والے ورچوئل ڈیوائس کا استعمال کرتے ہوئے مکمل کر سکتے ہیں۔
+
+آپ کو Python پروگرامنگ کی بنیادی سمجھ ہونی چاہیے، کیونکہ اسباق صرف استعمال کیے جانے والے سینسرز اور ایکچیویٹرز، اور کلاؤڈ کے ساتھ تعامل کرنے والی لائبریریز کے متعلقہ کوڈ سکھائیں گے۔
+
+> 💁 اگر آپ Python میں کوڈ کرنا سیکھنا چاہتے ہیں، تو درج ذیل دو ویڈیو سیریز دیکھیں:
+>
+> * [Python کے لیے ابتدائی رہنما](https://channel9.msdn.com/Series/Intro-to-Python-Development?WT.mc_id=academic-17441-jabenn)
+> * [Python کے لیے مزید رہنما](https://channel9.msdn.com/Series/More-Python-for-Beginners?WT.mc_id=academic-7372-jabenn)
+
+اسائنمنٹس [Visual Studio Code](https://code.visualstudio.com/?WT.mc_id=academic-17441-jabenn) استعمال کریں گے۔
+
+اگر آپ Raspberry Pi استعمال کر رہے ہیں، تو آپ اپنے Pi کو Raspberry Pi OS کے مکمل ڈیسک ٹاپ ورژن کا استعمال کرتے ہوئے چلا سکتے ہیں، اور Pi پر براہ راست کوڈنگ کر سکتے ہیں [Raspberry Pi OS ورژن کے ساتھ VS Code](https://code.visualstudio.com/docs/setup/raspberry-pi?WT.mc_id=academic-17441-jabenn) کا استعمال کرتے ہوئے، یا اپنے Pi کو ہیڈلیس ڈیوائس کے طور پر چلا سکتے ہیں اور اپنے PC یا Mac سے کوڈ کر سکتے ہیں [Remote SSH ایکسٹینشن](https://code.visualstudio.com/docs/remote/ssh?WT.mc_id=academic-17441-jabenn) کا استعمال کرتے ہوئے جو آپ کو اپنے Pi سے جڑنے اور کوڈ کو ایڈٹ، ڈیبگ اور چلانے کی اجازت دیتا ہے جیسے آپ براہ راست اس پر کوڈنگ کر رہے ہوں۔
+
+اگر آپ ورچوئل ڈیوائس آپشن استعمال کرتے ہیں، تو آپ براہ راست اپنے کمپیوٹر پر کوڈ کریں گے۔ سینسرز اور ایکچیویٹرز تک رسائی کے بجائے، آپ ایک ٹول استعمال کریں گے جو اس ہارڈویئر کو سیمولیٹ کرے گا، سینسر ویلیوز فراہم کرے گا جنہیں آپ ڈیفائن کر سکتے ہیں، اور اسکرین پر ایکچیویٹرز کے نتائج دکھائے گا۔
+
+## اپنی ڈیوائس سیٹ اپ کریں
+
+اس سے پہلے کہ آپ اپنی IoT ڈیوائس کو پروگرام کرنا شروع کریں، آپ کو تھوڑی سی سیٹ اپ کرنے کی ضرورت ہوگی۔ نیچے دی گئی متعلقہ ہدایات پر عمل کریں اس بات پر منحصر ہے کہ آپ کون سی ڈیوائس استعمال کریں گے۔
+💁 اگر آپ کے پاس ابھی تک کوئی ڈیوائس نہیں ہے، تو [ہارڈویئر گائیڈ](../../../hardware.md) کا حوالہ دیں تاکہ آپ فیصلہ کر سکیں کہ کون سی ڈیوائس استعمال کرنی ہے اور کون سا اضافی ہارڈویئر خریدنا ضروری ہے۔ آپ کو ہارڈویئر خریدنے کی ضرورت نہیں ہے، کیونکہ تمام پروجیکٹس ورچوئل ہارڈویئر پر چلائے جا سکتے ہیں۔
+یہ ہدایات ان ہارڈویئر یا ٹولز کے تخلیق کاروں کی ویب سائٹس کے لنکس شامل کرتی ہیں جنہیں آپ استعمال کریں گے۔ اس کا مقصد یہ ہے کہ آپ ہمیشہ مختلف ٹولز اور ہارڈویئر کے لیے جدید ترین ہدایات استعمال کریں۔
+
+اپنے متعلقہ گائیڈ کے ذریعے کام کریں تاکہ اپنا ڈیوائس سیٹ اپ کریں اور ایک 'ہیلو ورلڈ' پروجیکٹ مکمل کریں۔ یہ اس ابتدائی حصے کے چار اسباق میں IoT نائٹ لائٹ بنانے کا پہلا قدم ہوگا۔
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Single-board computer - Raspberry Pi](pi.md)
+* [Single-board computer - Virtual device](virtual-device.md)
+
+✅ آپ Arduino اور سنگل بورڈ کمپیوٹرز دونوں کے لیے VS Code استعمال کریں گے۔ اگر آپ نے پہلے اسے استعمال نہیں کیا ہے، تو [VS Code کی ویب سائٹ](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) پر مزید پڑھیں۔
+
+## IoT کے اطلاقات
+
+IoT مختلف استعمالات کے وسیع دائرے کو کور کرتا ہے، جو چند عمومی گروپس میں تقسیم ہیں:
+
+* صارفین کے لیے IoT
+* تجارتی IoT
+* صنعتی IoT
+* بنیادی ڈھانچے کا IoT
+
+✅ تھوڑی تحقیق کریں: نیچے بیان کردہ ہر علاقے کے لیے ایک ٹھوس مثال تلاش کریں جو متن میں نہیں دی گئی۔
+
+### صارفین کے لیے IoT
+
+صارفین کے لیے IoT ان ڈیوائسز کو کہتے ہیں جو صارفین اپنے گھروں میں خریدتے اور استعمال کرتے ہیں۔ ان میں سے کچھ ڈیوائسز انتہائی مفید ہیں، جیسے اسمارٹ اسپیکرز، اسمارٹ ہیٹنگ سسٹمز اور روبوٹک ویکیوم کلینرز۔ جبکہ کچھ کی افادیت مشکوک ہے، جیسے آواز سے کنٹرول ہونے والے نل جو پھر اس وقت بند نہیں کیے جا سکتے جب آواز کنٹرول بہتے پانی کی آواز کے اوپر آپ کو سن نہیں سکتا۔
+
+صارفین کے IoT ڈیوائسز لوگوں کو اپنے ماحول میں زیادہ حاصل کرنے کے قابل بنا رہے ہیں، خاص طور پر وہ 1 ارب افراد جو کسی نہ کسی معذوری کے ساتھ زندگی گزار رہے ہیں۔ روبوٹک ویکیوم کلینرز ان لوگوں کو صاف فرش فراہم کر سکتے ہیں جنہیں نقل و حرکت میں دشواری ہے اور وہ خود صفائی نہیں کر سکتے، آواز سے کنٹرول ہونے والے اوون ان لوگوں کو اجازت دیتے ہیں جن کی نظر یا موٹر کنٹرول محدود ہے کہ وہ صرف اپنی آواز سے اوون کو گرم کریں، صحت کی نگرانی کرنے والے آلات مریضوں کو اپنی دائمی حالتوں کی زیادہ باقاعدہ اور تفصیلی اپ ڈیٹس کے ساتھ خود نگرانی کرنے کی اجازت دیتے ہیں۔ یہ ڈیوائسز اتنی عام ہو گئی ہیں کہ یہاں تک کہ چھوٹے بچے بھی انہیں اپنی روزمرہ کی زندگی کا حصہ بنا رہے ہیں، مثال کے طور پر، COVID وبا کے دوران ورچوئل اسکولنگ کرنے والے طلباء اسمارٹ ہوم ڈیوائسز پر ٹائمر سیٹ کر رہے ہیں تاکہ اپنے اسکول کے کام کو ٹریک کریں یا آنے والے کلاس میٹنگز کی یاد دہانی کے لیے الارم لگائیں۔
+
+✅ آپ کے پاس کون سے صارفین کے IoT ڈیوائسز ہیں جو آپ کے ساتھ یا آپ کے گھر میں موجود ہیں؟
+
+### تجارتی IoT
+
+تجارتی IoT کام کی جگہ میں IoT کے استعمال کو کور کرتا ہے۔ دفتر کے ماحول میں، وہاں روشنی اور حرارت کو منظم کرنے کے لیے قبضے کے سینسرز اور حرکت کے ڈیٹیکٹرز ہو سکتے ہیں تاکہ صرف ضرورت کے وقت روشنی اور حرارت بند رکھی جائے، جس سے لاگت اور کاربن کے اخراجات کم ہوں۔ فیکٹری میں، IoT ڈیوائسز حفاظتی خطرات کی نگرانی کر سکتے ہیں جیسے کہ کارکنوں کا سخت ٹوپی نہ پہننا یا شور جو خطرناک سطح تک پہنچ گیا ہو۔ ریٹیل میں، IoT ڈیوائسز کولڈ اسٹوریج کے درجہ حرارت کی پیمائش کر سکتے ہیں، دکان کے مالک کو مطلع کر سکتے ہیں اگر فریج یا فریزر مطلوبہ درجہ حرارت کی حد سے باہر ہو، یا وہ شیلف پر موجود اشیاء کی نگرانی کر سکتے ہیں تاکہ ملازمین کو فروخت شدہ مصنوعات کو دوبارہ بھرنے کی ہدایت دی جا سکے۔ ٹرانسپورٹ انڈسٹری IoT پر زیادہ سے زیادہ انحصار کر رہی ہے تاکہ گاڑیوں کے مقامات کی نگرانی کی جا سکے، روڈ یوزر چارجنگ کے لیے سڑک پر مائلیج کو ٹریک کیا جا سکے، ڈرائیور کے اوقات اور وقفے کی تعمیل کو ٹریک کیا جا سکے، یا عملے کو مطلع کیا جا سکے جب کوئی گاڑی لوڈنگ یا ان لوڈنگ کی تیاری کے لیے ڈپو کے قریب پہنچ رہی ہو۔
+
+✅ آپ کے اسکول یا کام کی جگہ میں کون سے تجارتی IoT ڈیوائسز موجود ہیں؟
+
+### صنعتی IoT (IIoT)
+
+صنعتی IoT، یا IIoT، بڑے پیمانے پر مشینری کو کنٹرول اور منظم کرنے کے لیے IoT ڈیوائسز کے استعمال کو کہتے ہیں۔ یہ مختلف استعمالات کو کور کرتا ہے، جیسے فیکٹریز سے لے کر ڈیجیٹل زراعت تک۔
+
+فیکٹریز IoT ڈیوائسز کو مختلف طریقوں سے استعمال کرتی ہیں۔ مشینری کو متعدد سینسرز کے ذریعے مانیٹر کیا جا سکتا ہے تاکہ درجہ حرارت، کمپن اور گردش کی رفتار جیسی چیزوں کو ٹریک کیا جا سکے۔ یہ ڈیٹا پھر مانیٹر کیا جا سکتا ہے تاکہ مشین کو روکا جا سکے اگر یہ مخصوص حدود سے باہر ہو جائے - مثال کے طور پر، اگر یہ بہت زیادہ گرم ہو جائے تو اسے بند کر دیا جائے۔ یہ ڈیٹا وقت کے ساتھ جمع اور تجزیہ کیا جا سکتا ہے تاکہ پیش گوئی کی دیکھ بھال کی جا سکے، جہاں AI ماڈلز ناکامی سے پہلے کے ڈیٹا کو دیکھیں گے، اور اس کا استعمال دیگر ناکامیوں کی پیش گوئی کرنے کے لیے کریں گے۔
+
+ڈیجیٹل زراعت بڑھتی ہوئی آبادی کو کھلانے کے لیے اہم ہے، خاص طور پر ان 2 ارب لوگوں کے لیے جو 500 ملین گھروں میں [معاشی زراعت](https://wikipedia.org/wiki/Subsistence_agriculture) پر انحصار کرتے ہیں۔ ڈیجیٹل زراعت چند ڈالر کے سینسرز سے لے کر بڑے تجارتی سیٹ اپ تک ہو سکتی ہے۔ ایک کسان درجہ حرارت کی نگرانی کر کے اور [گروئنگ ڈگری ڈیز](https://wikipedia.org/wiki/Growing_degree-day) کا استعمال کر کے پیش گوئی کر سکتا ہے کہ فصل کب تیار ہو گی۔ وہ مٹی کی نمی کی نگرانی کو خودکار پانی دینے کے نظام سے جوڑ سکتے ہیں تاکہ ان کے پودوں کو جتنا پانی درکار ہو دیا جائے، لیکن اس سے زیادہ نہیں تاکہ ان کی فصلیں خشک نہ ہوں اور پانی ضائع نہ ہو۔ کسان اسے مزید آگے لے جا رہے ہیں اور ڈرونز، سیٹلائٹ ڈیٹا اور AI کا استعمال کر کے فصل کی نشوونما، بیماری اور مٹی کے معیار کی نگرانی کر رہے ہیں۔
+
+✅ کون سے دیگر IoT ڈیوائسز کسانوں کی مدد کر سکتے ہیں؟
+
+### بنیادی ڈھانچے کا IoT
+
+بنیادی ڈھانچے کا IoT مقامی اور عالمی بنیادی ڈھانچے کی نگرانی اور کنٹرول ہے جسے لوگ روزانہ استعمال کرتے ہیں۔
+
+[اسمارٹ سٹیز](https://wikipedia.org/wiki/Smart_city) وہ شہری علاقے ہیں جو IoT ڈیوائسز کا استعمال کر کے شہر کے بارے میں ڈیٹا جمع کرتے ہیں اور اس کا استعمال شہر کے چلنے کے طریقے کو بہتر بنانے کے لیے کرتے ہیں۔ یہ شہر عام طور پر مقامی حکومتوں، اکیڈمیا اور مقامی کاروباروں کے تعاون سے چلائے جاتے ہیں، مختلف چیزوں کی نگرانی اور انتظام کرتے ہیں جیسے کہ ٹرانسپورٹ، پارکنگ اور آلودگی۔ مثال کے طور پر، کوپن ہیگن، ڈنمارک میں، ہوا کی آلودگی مقامی رہائشیوں کے لیے اہم ہے، اس لیے اس کی پیمائش کی جاتی ہے اور اس ڈیٹا کا استعمال سائیکلنگ اور جاگنگ کے صاف ترین راستوں کے بارے میں معلومات فراہم کرنے کے لیے کیا جاتا ہے۔
+
+[اسمارٹ پاور گرڈز](https://wikipedia.org/wiki/Smart_grid) انفرادی گھروں کی سطح پر استعمال کے ڈیٹا کو جمع کر کے بجلی کی طلب کے بہتر تجزیے کی اجازت دیتے ہیں۔ یہ ڈیٹا ملک کی سطح پر فیصلوں کی رہنمائی کر سکتا ہے، جیسے کہ نئے پاور اسٹیشنز کہاں بنائے جائیں، اور ذاتی سطح پر صارفین کو یہ بصیرت فراہم کر سکتا ہے کہ وہ کتنی بجلی استعمال کر رہے ہیں، کب استعمال کر رہے ہیں، اور یہاں تک کہ اخراجات کو کم کرنے کے لیے تجاویز، جیسے کہ رات کے وقت الیکٹرک گاڑیاں چارج کرنا۔
+
+✅ اگر آپ اپنے علاقے میں کسی چیز کی پیمائش کے لیے IoT ڈیوائسز شامل کر سکتے ہیں، تو وہ کیا ہو گی؟
+
+## آپ کے ارد گرد موجود IoT ڈیوائسز کی مثالیں
+
+آپ حیران ہوں گے کہ آپ کے ارد گرد کتنے IoT ڈیوائسز موجود ہیں۔ میں یہ گھر سے لکھ رہا ہوں اور میرے پاس درج ذیل ڈیوائسز ہیں جو انٹرنیٹ سے جڑی ہوئی ہیں اور اسمارٹ فیچرز جیسے ایپ کنٹرول، آواز کنٹرول، یا میرے فون کے ذریعے ڈیٹا بھیجنے کی صلاحیت رکھتی ہیں:
+
+* متعدد اسمارٹ اسپیکرز  
+* فریج، ڈش واشر، اوون اور مائیکروویو  
+* سولر پینلز کے لیے بجلی کی نگرانی کرنے والا آلہ  
+* اسمارٹ پلگز  
+* ویڈیو ڈور بیل اور سیکیورٹی کیمرے  
+* اسمارٹ تھرمو اسٹیٹ اور متعدد اسمارٹ روم سینسرز  
+* گیراج کا دروازہ کھولنے والا آلہ  
+* ہوم انٹرٹینمنٹ سسٹمز اور آواز سے کنٹرول ہونے والے ٹی وی  
+* لائٹس  
+* فٹنس اور صحت کی نگرانی کرنے والے آلات  
+
+یہ تمام قسم کے آلات سینسرز اور/یا ایکچوئیٹرز رکھتے ہیں اور انٹرنیٹ سے بات کرتے ہیں۔ میں اپنے فون سے بتا سکتا ہوں کہ میرا گیراج کا دروازہ کھلا ہے، اور اپنے اسمارٹ اسپیکر سے کہہ سکتا ہوں کہ اسے بند کر دے۔ میں اسے ٹائمر پر بھی سیٹ کر سکتا ہوں تاکہ اگر یہ رات کو کھلا ہو تو خود بخود بند ہو جائے۔ جب میری ڈور بیل بجتی ہے، تو میں دنیا میں کہیں بھی ہوں، اپنے فون سے دیکھ سکتا ہوں کہ کون وہاں ہے، اور ڈور بیل میں موجود اسپیکر اور مائیکروفون کے ذریعے ان سے بات کر سکتا ہوں۔ میں اپنے خون میں گلوکوز، دل کی دھڑکن اور نیند کے انداز کی نگرانی کر سکتا ہوں، ڈیٹا میں پیٹرنز تلاش کر کے اپنی صحت کو بہتر بنا سکتا ہوں۔ میں کلاؤڈ کے ذریعے اپنی لائٹس کو کنٹرول کر سکتا ہوں، اور جب میرا انٹرنیٹ کنکشن بند ہو جائے تو اندھیرے میں بیٹھ سکتا ہوں۔
+
+---
+
+## 🚀 چیلنج
+
+اپنے گھر، اسکول یا کام کی جگہ میں موجود IoT ڈیوائسز کی زیادہ سے زیادہ فہرست بنائیں - شاید آپ کے خیال سے زیادہ ہوں!
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/2)
+
+## جائزہ اور خود مطالعہ
+
+صارفین کے IoT پروجیکٹس کے فوائد اور ناکامیوں کے بارے میں پڑھیں۔ نیوز سائٹس پر ایسے مضامین چیک کریں جب یہ غلط ہو گیا ہو، جیسے کہ پرائیویسی کے مسائل، ہارڈویئر کے مسائل یا کنیکٹیویٹی کی کمی کی وجہ سے مسائل۔
+
+کچھ مثالیں:
+
+* **[Internet of Sh*t](https://twitter.com/internetofshit)** *(گالیوں کی وارننگ)* کے ٹویٹر اکاؤنٹ کو چیک کریں تاکہ صارفین کے IoT کی ناکامیوں کی اچھی مثالیں دیکھ سکیں۔  
+* [c|net - میری ایپل واچ نے میری جان بچائی: 5 افراد اپنی کہانیاں شیئر کرتے ہیں](https://www.cnet.com/news/apple-watch-lifesaving-health-features-read-5-peoples-stories/)  
+* [c|net - ADT ٹیکنیشن نے سالوں تک کسٹمر کیمرہ فیڈز پر جاسوسی کرنے کا جرم قبول کیا](https://www.cnet.com/news/adt-home-security-technician-pleads-guilty-to-spying-on-customer-camera-feeds-for-years/) *(ٹریگر وارننگ - غیر رضامندی کے ساتھ جاسوسی)*  
+
+## اسائنمنٹ
+
+[ایک IoT پروجیکٹ کی تحقیق کریں](assignment.md)  
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/assignment.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/assignment.md
new file mode 100644
index 00000000..3ed1ec50
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7ef1cec2d27b086032d46ab1958f3e99",
+  "translation_date": "2025-08-26T23:36:22+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/assignment.md",
+  "language_code": "ur"
+}
+-->
+# IoT پروجیکٹ کی تحقیق کریں
+
+## ہدایات
+
+دنیا بھر میں بہت سے بڑے اور چھوٹے پیمانے کے IoT پروجیکٹس نافذ کیے جا رہے ہیں، جیسے کہ اسمارٹ فارمز سے لے کر اسمارٹ شہروں تک، صحت کی نگرانی، ٹرانسپورٹ، اور عوامی جگہوں کے استعمال کے لیے۔
+
+ویب پر ایسے پروجیکٹ کی تفصیلات تلاش کریں جو آپ کو دلچسپ لگے، ترجیحاً ایسا پروجیکٹ جو آپ کے قریب ہو۔ اس پروجیکٹ کے فوائد اور نقصانات کی وضاحت کریں، جیسے کہ اس سے کیا فائدہ حاصل ہوتا ہے، اس سے پیدا ہونے والے کسی بھی مسئلے اور پرائیویسی کو کیسے مدنظر رکھا گیا ہے۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت ہے |
+| ------ | ------- | ------ | ------------------ |
+| فوائد اور نقصانات کی وضاحت کریں | پروجیکٹ کے فوائد اور نقصانات کی واضح وضاحت دی | فوائد اور نقصانات کی مختصر وضاحت دی | فوائد یا نقصانات کی وضاحت نہیں کی |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/pi.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/pi.md
new file mode 100644
index 00000000..8093c987
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/pi.md
@@ -0,0 +1,278 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8ff0d0a1d29832bb896b9c103b69a452",
+  "translation_date": "2025-08-26T23:40:20+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/pi.md",
+  "language_code": "ur"
+}
+-->
+# راسپبیری پائی
+
+[راسپبیری پائی](https://raspberrypi.org) ایک سنگل بورڈ کمپیوٹر ہے۔ آپ مختلف قسم کے آلات اور ایکوسسٹمز کا استعمال کرتے ہوئے سینسرز اور ایکچویٹرز شامل کر سکتے ہیں، اور ان اسباق کے لیے ایک ہارڈویئر ایکوسسٹم استعمال کیا جا رہا ہے جسے [Grove](https://www.seeedstudio.com/category/Grove-c-1003.html) کہا جاتا ہے۔ آپ اپنے پائی کو Python کے ذریعے کوڈ کریں گے اور Grove سینسرز تک رسائی حاصل کریں گے۔
+
+![راسپبیری پائی 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg)
+
+## سیٹ اپ
+
+اگر آپ راسپبیری پائی کو اپنے IoT ہارڈویئر کے طور پر استعمال کر رہے ہیں، تو آپ کے پاس دو اختیارات ہیں - آپ ان تمام اسباق کو مکمل کر سکتے ہیں اور پائی پر براہ راست کوڈ لکھ سکتے ہیں، یا آپ 'ہیڈ لیس' پائی سے دور سے جڑ سکتے ہیں اور اپنے کمپیوٹر سے کوڈ لکھ سکتے ہیں۔
+
+شروع کرنے سے پہلے، آپ کو Grove Base Hat کو اپنے پائی سے جوڑنا ہوگا۔
+
+### کام - سیٹ اپ
+
+Grove Base Hat کو اپنے پائی پر انسٹال کریں اور پائی کو ترتیب دیں۔
+
+1. Grove Base Hat کو اپنے پائی سے جوڑیں۔ ہیٹ پر موجود ساکٹ پائی کے تمام GPIO پنز پر فٹ ہو جاتا ہے، اور یہ پنز پر نیچے تک سلائیڈ کرتا ہے تاکہ مضبوطی سے بیس پر بیٹھ سکے۔ یہ پائی کے اوپر بیٹھتا ہے اور اسے ڈھانپ لیتا ہے۔
+
+    ![Grove Hat کو فٹ کرنا](../../../../../images/pi-grove-hat-fitting.gif)
+
+1. فیصلہ کریں کہ آپ اپنے پائی کو کیسے پروگرام کرنا چاہتے ہیں، اور نیچے دیے گئے متعلقہ سیکشن پر جائیں:
+
+    * [اپنے پائی پر براہ راست کام کریں](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+    * [پائی کوڈنگ کے لیے ریموٹ ایکسیس](../../../../../1-getting-started/lessons/1-introduction-to-iot)
+
+### اپنے پائی پر براہ راست کام کریں
+
+اگر آپ اپنے پائی پر براہ راست کام کرنا چاہتے ہیں، تو آپ راسپبیری پائی OS کے ڈیسک ٹاپ ورژن کا استعمال کر سکتے ہیں اور تمام ضروری ٹولز انسٹال کر سکتے ہیں۔
+
+#### کام - اپنے پائی پر براہ راست کام کریں
+
+اپنے پائی کو ڈویلپمنٹ کے لیے سیٹ اپ کریں۔
+
+1. [راسپبیری پائی سیٹ اپ گائیڈ](https://projects.raspberrypi.org/en/projects/raspberry-pi-setting-up) میں دی گئی ہدایات پر عمل کریں تاکہ اپنے پائی کو سیٹ اپ کریں، اسے کی بورڈ/ماؤس/مانیٹر سے جوڑیں، اسے اپنے WiFi یا ایتھرنیٹ نیٹ ورک سے جوڑیں، اور سافٹ ویئر کو اپ ڈیٹ کریں۔
+
+Grove سینسرز اور ایکچویٹرز کے ساتھ پائی کو پروگرام کرنے کے لیے، آپ کو ایک ایڈیٹر انسٹال کرنے کی ضرورت ہوگی تاکہ آپ ڈیوائس کوڈ لکھ سکیں، اور مختلف لائبریریاں اور ٹولز جو Grove ہارڈویئر کے ساتھ تعامل کرتے ہیں۔
+
+1. جب آپ کا پائی ریبوٹ ہو جائے، تو ٹرمینل لانچ کریں۔ **ٹرمینل** آئیکن پر اوپر والے مینو بار پر کلک کریں، یا *Menu -> Accessories -> Terminal* منتخب کریں۔
+
+1. درج ذیل کمانڈ چلائیں تاکہ OS اور انسٹال شدہ سافٹ ویئر کو اپ ڈیٹ کیا جا سکے:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes
+    ```
+
+1. Grove ہارڈویئر کے لیے تمام ضروری لائبریریاں انسٹال کرنے کے لیے درج ذیل کمانڈز چلائیں:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    یہ Git اور Python پیکجز انسٹال کرنے کے لیے Pip کے ساتھ شروع ہوتا ہے۔
+
+    Python کی ایک طاقتور خصوصیت [Pip پیکجز](https://pypi.org) انسٹال کرنے کی صلاحیت ہے - یہ دوسرے لوگوں کے لکھے ہوئے کوڈ کے پیکجز ہیں جو انٹرنیٹ پر شائع کیے گئے ہیں۔ آپ ایک کمانڈ کے ذریعے اپنے کمپیوٹر پر Pip پیکج انسٹال کر سکتے ہیں، اور پھر اپنے کوڈ میں اس پیکج کا استعمال کر سکتے ہیں۔
+
+    Seeed Grove Python پیکجز کو سورس سے انسٹال کرنے کی ضرورت ہے۔ یہ کمانڈز اس پیکج کے سورس کوڈ پر مشتمل ریپو کو کلون کریں گی، اور پھر اسے لوکل طور پر انسٹال کریں گی۔
+
+    > 💁 جب آپ ایک پیکج انسٹال کرتے ہیں تو یہ آپ کے کمپیوٹر پر ہر جگہ دستیاب ہوتا ہے، اور یہ پیکج ورژنز کے مسائل پیدا کر سکتا ہے - جیسے کہ ایک ایپلیکیشن ایک پیکج کے ایک ورژن پر انحصار کرتی ہے جو دوسرے ایپلیکیشن کے لیے نیا ورژن انسٹال کرنے پر خراب ہو جاتا ہے۔ اس مسئلے سے بچنے کے لیے، آپ [Python ورچوئل انوائرمنٹ](https://docs.python.org/3/library/venv.html) استعمال کر سکتے ہیں، جو کہ Python کی ایک کاپی ایک مخصوص فولڈر میں ہوتی ہے، اور جب آپ Pip پیکجز انسٹال کرتے ہیں تو وہ صرف اسی فولڈر میں انسٹال ہوتے ہیں۔ پائی استعمال کرتے وقت آپ ورچوئل انوائرمنٹس استعمال نہیں کریں گے۔ Grove انسٹال اسکرپٹ Grove Python پیکجز کو گلوبلی انسٹال کرتا ہے، لہذا اگر آپ ورچوئل انوائرمنٹ استعمال کرنا چاہتے ہیں تو آپ کو ورچوئل انوائرمنٹ سیٹ اپ کرنا ہوگا اور پھر Grove پیکجز کو اس انوائرمنٹ کے اندر دوبارہ انسٹال کرنا ہوگا۔ گلوبل پیکجز استعمال کرنا آسان ہے، خاص طور پر کیونکہ بہت سے پائی ڈویلپرز ہر پروجیکٹ کے لیے ایک صاف SD کارڈ کو دوبارہ فلیش کرتے ہیں۔
+
+    آخر میں، یہ I<sup>2</sup>C انٹرفیس کو فعال کرتا ہے۔
+
+1. پائی کو ریبوٹ کریں، یا تو مینو کا استعمال کرتے ہوئے یا ٹرمینل میں درج ذیل کمانڈ چلا کر:
+
+    ```sh
+    sudo reboot
+    ```
+
+1. جب پائی ریبوٹ ہو جائے، تو ٹرمینل کو دوبارہ لانچ کریں اور درج ذیل کمانڈ چلائیں تاکہ [Visual Studio Code (VS Code)](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) انسٹال کیا جا سکے - یہ وہ ایڈیٹر ہے جسے آپ Python میں ڈیوائس کوڈ لکھنے کے لیے استعمال کریں گے۔
+
+    ```sh
+    sudo apt install code
+    ```
+
+    جب یہ انسٹال ہو جائے، تو VS Code اوپر والے مینو سے دستیاب ہوگا۔
+
+    > 💁 آپ ان اسباق کے لیے کسی بھی Python IDE یا ایڈیٹر کا استعمال کر سکتے ہیں اگر آپ کے پاس کوئی پسندیدہ ٹول ہے، لیکن اسباق میں دی گئی ہدایات VS Code کے استعمال پر مبنی ہوں گی۔
+
+1. Pylance انسٹال کریں۔ یہ VS Code کے لیے ایک ایکسٹینشن ہے جو Python زبان کی سپورٹ فراہم کرتی ہے۔ [Pylance ایکسٹینشن دستاویزات](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) میں دی گئی ہدایات کے مطابق اس ایکسٹینشن کو VS Code میں انسٹال کریں۔
+
+### پائی کوڈنگ کے لیے ریموٹ ایکسیس
+
+پائی پر براہ راست کوڈنگ کرنے کے بجائے، یہ 'ہیڈ لیس' موڈ میں چل سکتا ہے، یعنی کی بورڈ/ماؤس/مانیٹر سے جڑا نہ ہو، اور آپ اپنے کمپیوٹر سے اسے کنفیگر اور کوڈ کر سکتے ہیں، Visual Studio Code کا استعمال کرتے ہوئے۔
+
+#### پائی OS سیٹ اپ کریں
+
+ریموٹ کوڈنگ کے لیے، پائی OS کو SD کارڈ پر انسٹال کرنے کی ضرورت ہے۔
+
+##### کام - پائی OS سیٹ اپ کریں
+
+ہیڈ لیس پائی OS سیٹ اپ کریں۔
+
+1. [راسپبیری پائی OS سافٹ ویئر پیج](https://www.raspberrypi.org/software/) سے **راسپبیری پائی امیجر** ڈاؤن لوڈ کریں اور انسٹال کریں۔
+
+1. SD کارڈ کو اپنے کمپیوٹر میں ڈالیں، اگر ضروری ہو تو اڈاپٹر کا استعمال کریں۔
+
+1. راسپبیری پائی امیجر لانچ کریں۔
+
+1. راسپبیری پائی امیجر سے، **CHOOSE OS** بٹن منتخب کریں، پھر *Raspberry Pi OS (Other)* منتخب کریں، اور اس کے بعد *Raspberry Pi OS Lite (32-bit)* منتخب کریں۔
+
+    ![راسپبیری پائی امیجر کے ساتھ Raspberry Pi OS Lite منتخب کیا گیا](../../../../../translated_images/raspberry-pi-imager.24aedeab9e233d841a1504ed7cfeb871b1f8e1134cfcd8370e7f60a092056be2.ur.png)
+
+    > 💁 Raspberry Pi OS Lite راسپبیری پائی OS کا ایک ورژن ہے جس میں ڈیسک ٹاپ UI یا UI پر مبنی ٹولز شامل نہیں ہیں۔ یہ ہیڈ لیس پائی کے لیے ضروری نہیں ہیں اور انسٹال کو چھوٹا اور بوٹ اپ وقت کو تیز بناتے ہیں۔
+
+1. **CHOOSE STORAGE** بٹن منتخب کریں، پھر اپنا SD کارڈ منتخب کریں۔
+
+1. **Advanced Options** لانچ کریں `Ctrl+Shift+X` دباکر۔ یہ آپشنز راسپبیری پائی OS کو SD کارڈ پر امیج کرنے سے پہلے کچھ پری کنفیگریشن کی اجازت دیتے ہیں۔
+
+    1. **Enable SSH** چیک باکس کو چیک کریں، اور `pi` یوزر کے لیے پاس ورڈ سیٹ کریں۔ یہ وہ پاس ورڈ ہے جسے آپ بعد میں پائی میں لاگ ان کرنے کے لیے استعمال کریں گے۔
+
+    1. اگر آپ WiFi کے ذریعے پائی سے جڑنے کا ارادہ رکھتے ہیں، تو **Configure WiFi** چیک باکس کو چیک کریں، اور اپنا WiFi SSID اور پاس ورڈ درج کریں، نیز اپنا WiFi ملک منتخب کریں۔ اگر آپ ایتھرنیٹ کیبل استعمال کریں گے تو یہ کرنے کی ضرورت نہیں ہے۔ اس بات کو یقینی بنائیں کہ آپ جس نیٹ ورک سے جڑتے ہیں وہی نیٹ ورک ہے جس پر آپ کا کمپیوٹر ہے۔
+
+    1. **Set locale settings** چیک باکس کو چیک کریں، اور اپنا ملک اور ٹائم زون سیٹ کریں۔
+
+    1. **SAVE** بٹن منتخب کریں۔
+
+1. **WRITE** بٹن منتخب کریں تاکہ OS کو SD کارڈ پر لکھا جا سکے۔ اگر آپ macOS استعمال کر رہے ہیں، تو آپ سے پاس ورڈ مانگا جائے گا کیونکہ ڈسک امیجز لکھنے والا بنیادی ٹول مراعات یافتہ رسائی کی ضرورت رکھتا ہے۔
+
+OS SD کارڈ پر لکھا جائے گا، اور مکمل ہونے کے بعد کارڈ کو OS کے ذریعے نکال دیا جائے گا، اور آپ کو مطلع کیا جائے گا۔ SD کارڈ کو اپنے کمپیوٹر سے نکالیں، اسے پائی میں ڈالیں، پائی کو پاور اپ کریں اور اسے صحیح طریقے سے بوٹ ہونے کے لیے تقریباً 2 منٹ انتظار کریں۔
+
+#### پائی سے جڑیں
+
+اگلا مرحلہ پائی تک ریموٹ رسائی حاصل کرنا ہے۔ آپ یہ `ssh` کا استعمال کرتے ہوئے کر سکتے ہیں، جو macOS، Linux اور Windows کے حالیہ ورژنز پر دستیاب ہے۔
+
+##### کام - پائی سے جڑیں
+
+پائی تک ریموٹ رسائی حاصل کریں۔
+
+1. ٹرمینل یا کمانڈ پرامپٹ لانچ کریں، اور پائی سے جڑنے کے لیے درج ذیل کمانڈ درج کریں:
+
+    ```sh
+    ssh pi@raspberrypi.local
+    ```
+
+    اگر آپ Windows پر ہیں اور ایک پرانا ورژن استعمال کر رہے ہیں جس میں `ssh` انسٹال نہیں ہے، تو آپ OpenSSH استعمال کر سکتے ہیں۔ [OpenSSH انسٹالیشن دستاویزات](https://docs.microsoft.com//windows-server/administration/openssh/openssh_install_firstuse?WT.mc_id=academic-17441-jabenn) میں انسٹالیشن کی ہدایات تلاش کریں۔
+
+1. یہ آپ کو آپ کے پائی سے جوڑ دے گا اور پاس ورڈ مانگے گا۔
+
+    آپ کے نیٹ ورک پر کمپیوٹرز کو `<hostname>.local` کے ذریعے تلاش کرنے کی صلاحیت لینکس اور ونڈوز میں ایک حالیہ اضافہ ہے۔ اگر آپ لینکس یا ونڈوز استعمال کر رہے ہیں اور آپ کو Hostname نہ ملنے کی کوئی غلطی ملتی ہے، تو آپ کو ZeroConf نیٹ ورکنگ (جسے Apple Bonjour بھی کہتا ہے) کو فعال کرنے کے لیے اضافی سافٹ ویئر انسٹال کرنے کی ضرورت ہوگی:
+
+    1. اگر آپ لینکس استعمال کر رہے ہیں، تو Avahi کو درج ذیل کمانڈ کے ذریعے انسٹال کریں:
+
+        ```sh
+        sudo apt-get install avahi-daemon
+        ```
+
+    1. اگر آپ Windows استعمال کر رہے ہیں، تو ZeroConf کو فعال کرنے کا سب سے آسان طریقہ [Bonjour Print Services for Windows](http://support.apple.com/kb/DL999) انسٹال کرنا ہے۔ آپ [iTunes for Windows](https://www.apple.com/itunes/download/) بھی انسٹال کر سکتے ہیں تاکہ یوٹیلیٹی کا نیا ورژن حاصل کیا جا سکے (جو اسٹینڈ الون دستیاب نہیں ہے)۔
+
+    > 💁 اگر آپ `raspberrypi.local` کا استعمال کرتے ہوئے جڑ نہیں سکتے، تو آپ اپنے پائی کے IP ایڈریس کا استعمال کر سکتے ہیں۔ [راسپبیری پائی IP ایڈریس دستاویزات](https://www.raspberrypi.org/documentation/remote-access/ip-address.md) میں اپنے پائی کا IP ایڈریس حاصل کرنے کے مختلف طریقوں کی ہدایات موجود ہیں۔
+
+1. وہ پاس ورڈ درج کریں جو آپ نے راسپبیری پائی امیجر Advanced Options میں سیٹ کیا تھا۔
+
+#### پائی پر سافٹ ویئر کو کنفیگر کریں
+
+جب آپ پائی سے جڑ جائیں، تو آپ کو یہ یقینی بنانا ہوگا کہ OS اپ ڈیٹ ہے، اور Grove ہارڈویئر کے ساتھ تعامل کرنے کے لیے مختلف لائبریریاں اور ٹولز انسٹال کریں۔
+
+##### کام - پائی پر سافٹ ویئر کو کنفیگر کریں
+
+انسٹال شدہ پائی سافٹ ویئر کو کنفیگر کریں اور Grove لائبریریاں انسٹال کریں۔
+
+1. اپنے `ssh` سیشن سے، درج ذیل کمانڈ چلائیں تاکہ پائی کو اپ ڈیٹ کیا جا سکے اور پھر ریبوٹ کیا جا سکے:
+
+    ```sh
+    sudo apt update && sudo apt full-upgrade --yes && sudo reboot
+    ```
+
+    پائی اپ ڈیٹ ہو جائے گا اور ریبوٹ ہو جائے گا۔ جب پائی ریبوٹ ہو، تو `ssh` سیشن ختم ہو جائے گا، لہذا تقریباً 30 سیکنڈ انتظار کریں اور پھر دوبارہ جڑیں۔
+
+1. دوبارہ جڑے ہوئے `ssh` سیشن سے، Grove ہارڈویئر کے لیے تمام ضروری لائبریریاں انسٹال کرنے کے لیے درج ذیل کمانڈز چلائیں:
+
+    ```sh
+    sudo apt install git python3-dev python3-pip --yes
+
+    git clone https://github.com/Seeed-Studio/grove.py
+    cd grove.py
+    sudo pip3 install .
+
+    sudo raspi-config nonint do_i2c 0
+    ```
+
+    یہ Git اور Python پیکجز انسٹال کرنے کے لیے Pip کے ساتھ شروع ہوتا ہے۔
+
+    Python کی ایک طاقتور خصوصیت [Pip پیکجز](https://pypi.org) انسٹال کرنے کی صلاحیت ہے - یہ دوسرے لوگوں کے لکھے ہوئے کوڈ کے پیکجز ہیں جو انٹرنیٹ پر شائع کیے گئے ہیں۔ آپ ایک کمانڈ کے ذریعے اپنے کمپیوٹر پر Pip پیکج انسٹال کر سکتے ہیں، اور پھر اپنے کوڈ میں اس پیکج کا استعمال کر سکتے ہیں۔
+
+    Seeed Grove Python پیکجز کو سورس سے انسٹال کرنے کی ضرورت ہے۔ یہ کمانڈز اس پیکج کے سورس کوڈ پر مشتمل ریپو کو کلون کریں گی، اور پھر اسے لوکل طور پر انسٹال کریں گی۔
+
+    > 💁 جب آپ ایک پیکج انسٹال کرتے ہیں تو یہ آپ کے کمپیوٹر پر ہر جگہ دستیاب ہوتا ہے، اور یہ پیکج ورژنز کے مسائل پیدا کر سکتا ہے - جیسے کہ ایک ایپلیکیشن ایک پیکج کے ایک ورژن پر انحصار کرتی ہے جو دوسرے ایپلیکیشن کے لیے نیا ورژن انسٹال کرنے پر خراب ہو جاتا ہے۔ اس مسئلے سے بچنے کے لیے، آپ [Python ورچوئل انوائرمنٹ](https://docs.python.org/3/library/venv.html) استعمال کر سکتے ہیں، جو کہ Python کی ایک کاپی ایک مخصوص فولڈر میں ہوتی ہے، اور جب آپ Pip پیکجز انسٹال کرتے ہیں تو وہ صرف اسی فولڈر میں انسٹال ہوتے ہیں۔ پائی استعمال کرتے وقت آپ ورچوئل انوائرمنٹس استعمال نہیں کریں گے۔ Grove انسٹال اسکرپٹ Grove Python پیکجز کو گلوبلی انسٹال کرتا ہے، لہذا اگر آپ ورچوئل انوائرمنٹ استعمال کرنا چاہتے ہیں تو آپ کو ورچوئل انوائرمنٹ سیٹ اپ کرنا ہوگا اور پھر Grove پیکجز کو اس انوائرمنٹ کے اندر دوبارہ انسٹال کرنا ہوگا۔ گلوبل پیکجز استعمال کرنا آسان ہے، خاص طور پر کیونکہ بہت سے پائی ڈویلپرز ہر پروجیکٹ کے لیے ایک صاف SD کارڈ کو دوبارہ فلیش کرتے ہیں۔
+
+    آخر میں، یہ I<sup>2</sup>C انٹرفیس کو فعال کرتا ہے۔
+
+1. درج ذیل کمانڈ چلا کر پائی کو ریبوٹ کریں:
+
+    ```sh
+    sudo reboot
+    ```
+
+    جب پائی ریبوٹ ہو، تو `ssh` سیشن ختم ہو جائے گا۔ دوبارہ جڑنے کی ضرورت نہیں ہے۔
+
+#### ریموٹ ایکسیس کے لیے VS Code کو کنفیگر کریں
+
+جب پائی کنفیگر ہو جائے، تو آپ اپنے کمپیوٹر سے Visual Studio Code (VS Code) کا استعمال کرتے ہوئے اس سے جڑ سکتے ہیں - یہ ایک مفت ڈویلپر ٹیکسٹ ایڈیٹر ہے جسے آپ Python میں ڈیوائس کوڈ لکھنے کے لیے استعمال کریں گے۔
+
+##### کام - ریموٹ ایکسیس کے لیے VS Code کو کنفیگر کریں
+
+ضروری سافٹ ویئر انسٹال کریں اور اپنے پائی سے ریموٹلی جڑیں۔
+
+1. اپنے کمپیوٹر پر VS Code انسٹال کریں، [VS Code دستاویزات](
+جب آپ کسی نئی پروگرامنگ زبان یا ٹیکنالوجی کے ساتھ شروعات کرتے ہیں تو روایتی طور پر ایک 'ہیلو ورلڈ' ایپلیکیشن بنائی جاتی ہے - ایک چھوٹی سی ایپلیکیشن جو کچھ ایسا متن `"Hello World"` ظاہر کرتی ہے تاکہ یہ ثابت ہو کہ تمام ٹولز صحیح طریقے سے ترتیب دیے گئے ہیں۔
+
+Pi کے لیے ہیلو ورلڈ ایپ یہ یقینی بنائے گی کہ آپ نے Python اور Visual Studio Code صحیح طریقے سے انسٹال کیے ہیں۔
+
+یہ ایپ ایک فولڈر میں ہوگی جسے `nightlight` کہا جائے گا، اور اس اسائنمنٹ کے بعد کے حصوں میں مختلف کوڈ کے ساتھ دوبارہ استعمال کی جائے گی تاکہ نائٹ لائٹ ایپلیکیشن بنائی جا سکے۔
+
+### کام - ہیلو ورلڈ
+
+ہیلو ورلڈ ایپ بنائیں۔
+
+1. VS Code لانچ کریں، یا تو براہ راست Pi پر، یا اپنے کمپیوٹر پر اور Pi سے Remote SSH ایکسٹینشن کے ذریعے جڑیں۔
+
+1. VS Code ٹرمینل لانچ کریں، *Terminal -> New Terminal* منتخب کرکے، یا `` CTRL+` `` دباکر۔ یہ `pi` یوزر کے ہوم ڈائریکٹری میں کھلے گا۔
+
+1. درج ذیل کمانڈز چلائیں تاکہ اپنے کوڈ کے لیے ایک ڈائریکٹری بنائیں، اور اس ڈائریکٹری کے اندر ایک Python فائل `app.py` بنائیں:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    touch app.py
+    ```
+
+1. اس فولڈر کو VS Code میں کھولیں، *File -> Open...* منتخب کریں اور *nightlight* فولڈر منتخب کریں، پھر **OK** پر کلک کریں۔
+
+    ![VS Code اوپن ڈائیلاگ جو نائٹ لائٹ فولڈر دکھا رہا ہے](../../../../../translated_images/vscode-open-nightlight-remote.d3d2a4011e30d535c4b70084f6e94bf6b5b1327fd8e77affe64465ac151ee766.ur.png)
+
+1. VS Code ایکسپلورر سے `app.py` فائل کھولیں اور درج ذیل کوڈ شامل کریں:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` فنکشن جو بھی اس کو دیا جاتا ہے اسے کنسول پر ظاہر کرتا ہے۔
+
+1. VS Code ٹرمینل سے درج ذیل کمانڈ چلائیں تاکہ اپنی Python ایپ چلائیں:
+
+    ```sh
+    python app.py
+    ```
+
+    > 💁 اگر آپ کے پاس Python 2 کے ساتھ Python 3 بھی انسٹال ہے تو آپ کو اس کوڈ کو چلانے کے لیے واضح طور پر `python3` کال کرنا پڑ سکتا ہے۔ اگر Python 2 انسٹال ہے تو `python` کال کرنے سے Python 2 استعمال ہوگا بجائے Python 3 کے۔ ڈیفالٹ طور پر، تازہ ترین Raspberry Pi OS ورژنز میں صرف Python 3 انسٹال ہوتا ہے۔
+
+    درج ذیل آؤٹ پٹ ٹرمینل میں ظاہر ہوگا:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py
+    Hello World!
+    ```
+
+> 💁 آپ یہ کوڈ [code/pi](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا 'ہیلو ورلڈ' پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
new file mode 100644
index 00000000..a2849674
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md
@@ -0,0 +1,245 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52b4de6144b2efdced7797a5339d6035",
+  "translation_date": "2025-08-26T23:37:36+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/virtual-device.md",
+  "language_code": "ur"
+}
+-->
+# ورچوئل سنگل بورڈ کمپیوٹر
+
+آئی او ٹی ڈیوائس، سینسرز اور ایکچیویٹرز خریدنے کے بجائے، آپ اپنے کمپیوٹر کو آئی او ٹی ہارڈویئر کی نقل کرنے کے لیے استعمال کر سکتے ہیں۔ [CounterFit پروجیکٹ](https://github.com/CounterFit-IoT/CounterFit) آپ کو ایک ایپ لوکل طور پر چلانے کی اجازت دیتا ہے جو آئی او ٹی ہارڈویئر جیسے سینسرز اور ایکچیویٹرز کی نقل کرتا ہے، اور آپ لوکل Python کوڈ کے ذریعے ان سینسرز اور ایکچیویٹرز تک رسائی حاصل کر سکتے ہیں، بالکل اسی طرح جیسے آپ Raspberry Pi پر فزیکل ہارڈویئر کے ساتھ کوڈ لکھتے ہیں۔
+
+## سیٹ اپ
+
+CounterFit استعمال کرنے کے لیے، آپ کو اپنے کمپیوٹر پر کچھ مفت سافٹ ویئر انسٹال کرنا ہوگا۔
+
+### کام
+
+ضروری سافٹ ویئر انسٹال کریں۔
+
+1. Python انسٹال کریں۔ Python کے تازہ ترین ورژن کو انسٹال کرنے کے لیے [Python ڈاؤنلوڈز پیج](https://www.python.org/downloads/) کا حوالہ دیں۔
+
+1. Visual Studio Code (VS Code) انسٹال کریں۔ یہ وہ ایڈیٹر ہے جسے آپ Python میں اپنے ورچوئل ڈیوائس کوڈ لکھنے کے لیے استعمال کریں گے۔ VS Code کو انسٹال کرنے کے لیے [VS Code دستاویزات](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) کا حوالہ دیں۔
+
+    > 💁 آپ ان اسباق کے لیے اپنی پسندیدہ Python IDE یا ایڈیٹر استعمال کرنے کے لیے آزاد ہیں، لیکن اسباق VS Code استعمال کرنے کی بنیاد پر ہدایات دیں گے۔
+
+1. VS Code Pylance ایکسٹینشن انسٹال کریں۔ یہ VS Code کے لیے ایک ایکسٹینشن ہے جو Python زبان کی سپورٹ فراہم کرتی ہے۔ VS Code میں اس ایکسٹینشن کو انسٹال کرنے کے لیے [Pylance ایکسٹینشن دستاویزات](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) کا حوالہ دیں۔
+
+CounterFit ایپ کو انسٹال اور کنفیگر کرنے کی ہدایات متعلقہ وقت پر اسائنمنٹ ہدایات میں دی جائیں گی کیونکہ یہ ہر پروجیکٹ کی بنیاد پر انسٹال کی جاتی ہے۔
+
+## ہیلو ورلڈ
+
+روایتی طور پر، جب کسی نئی پروگرامنگ زبان یا ٹیکنالوجی کے ساتھ شروعات کی جاتی ہے، تو ایک 'ہیلو ورلڈ' ایپلیکیشن بنائی جاتی ہے - ایک چھوٹی ایپلیکیشن جو کچھ ایسا متن جیسے `"Hello World"` آؤٹ پٹ کرتی ہے تاکہ یہ ظاہر ہو کہ تمام ٹولز صحیح طریقے سے کنفیگر کیے گئے ہیں۔
+
+ورچوئل آئی او ٹی ہارڈویئر کے لیے ہیلو ورلڈ ایپ یہ یقینی بنائے گی کہ آپ نے Python اور Visual Studio Code صحیح طریقے سے انسٹال کیا ہے۔ یہ CounterFit سے ورچوئل آئی او ٹی سینسرز اور ایکچیویٹرز کے لیے بھی کنیکٹ کرے گی۔ یہ کسی ہارڈویئر کا استعمال نہیں کرے گی، یہ صرف کنیکٹ کرے گی تاکہ ثابت ہو سکے کہ سب کچھ کام کر رہا ہے۔
+
+یہ ایپ `nightlight` نامی فولڈر میں ہوگی، اور اس اسائنمنٹ کے بعد کے حصوں میں مختلف کوڈ کے ساتھ دوبارہ استعمال کی جائے گی تاکہ نائٹ لائٹ ایپلیکیشن بنائی جا سکے۔
+
+### Python ورچوئل ماحول کو کنفیگر کریں
+
+Python کی ایک طاقتور خصوصیت [Pip پیکجز](https://pypi.org) انسٹال کرنے کی صلاحیت ہے - یہ دوسرے لوگوں کے لکھے ہوئے کوڈ کے پیکجز ہیں جو انٹرنیٹ پر شائع کیے گئے ہیں۔ آپ ایک کمانڈ کے ساتھ اپنے کمپیوٹر پر Pip پیکج انسٹال کر سکتے ہیں، پھر اپنے کوڈ میں اس پیکج کو استعمال کر سکتے ہیں۔ آپ CounterFit سے بات کرنے کے لیے ایک پیکج انسٹال کرنے کے لیے Pip استعمال کریں گے۔
+
+ڈیفالٹ طور پر جب آپ کوئی پیکج انسٹال کرتے ہیں تو وہ آپ کے کمپیوٹر پر ہر جگہ دستیاب ہوتا ہے، اور یہ پیکج ورژنز کے ساتھ مسائل پیدا کر سکتا ہے - جیسے ایک ایپلیکیشن ایک پیکج کے ایک ورژن پر منحصر ہوتی ہے جو دوسرے ایپلیکیشن کے لیے ایک نیا ورژن انسٹال کرنے پر خراب ہو جاتی ہے۔ اس مسئلے سے بچنے کے لیے، آپ [Python ورچوئل ماحول](https://docs.python.org/3/library/venv.html) استعمال کر سکتے ہیں، جو بنیادی طور پر Python کی ایک کاپی ایک مخصوص فولڈر میں ہوتی ہے، اور جب آپ Pip پیکجز انسٹال کرتے ہیں تو وہ صرف اس فولڈر میں انسٹال ہوتے ہیں۔
+
+> 💁 اگر آپ Raspberry Pi استعمال کر رہے ہیں تو آپ نے اس ڈیوائس پر Pip پیکجز کو منظم کرنے کے لیے ورچوئل ماحول سیٹ اپ نہیں کیا، بلکہ آپ گلوبل پیکجز استعمال کر رہے ہیں، کیونکہ Grove پیکجز انسٹالر اسکرپٹ کے ذریعے گلوبل طور پر انسٹال کیے گئے ہیں۔
+
+#### کام - Python ورچوئل ماحول کو کنفیگر کریں
+
+Python ورچوئل ماحول کو کنفیگر کریں اور CounterFit کے لیے Pip پیکجز انسٹال کریں۔
+
+1. اپنے ٹرمینل یا کمانڈ لائن سے، درج ذیل کمانڈز کو چلائیں تاکہ ایک نئی ڈائریکٹری بنائی جائے اور اس میں جائیں:
+
+    ```sh
+    mkdir nightlight
+    cd nightlight
+    ```
+
+1. اب درج ذیل کمانڈ چلائیں تاکہ `.venv` فولڈر میں ایک ورچوئل ماحول بنایا جا سکے:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 آپ کو ورچوئل ماحول بنانے کے لیے واضح طور پر `python3` کو کال کرنا ہوگا، اس بات کو یقینی بنانے کے لیے کہ آپ کے پاس Python 2 کے ساتھ Python 3 بھی انسٹال ہے (تازہ ترین ورژن)۔ اگر آپ کے پاس Python 2 انسٹال ہے تو `python` کو کال کرنے سے Python 2 استعمال ہوگا بجائے Python 3 کے۔
+
+1. ورچوئل ماحول کو ایکٹیویٹ کریں:
+
+    * ونڈوز پر:
+        * اگر آپ کمانڈ پرامپٹ یا ونڈوز ٹرمینل کے ذریعے کمانڈ پرامپٹ استعمال کر رہے ہیں، تو درج ذیل کمانڈ چلائیں:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * اگر آپ پاور شیل استعمال کر رہے ہیں، تو درج ذیل کمانڈ چلائیں:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+            > اگر آپ کو اس سسٹم پر اسکرپٹس چلانے کے بارے میں ایرر ملتا ہے، تو آپ کو مناسب ایکزیکیوشن پالیسی سیٹ کرکے اسکرپٹس چلانے کی اجازت دینی ہوگی۔ آپ یہ پاور شیل کو ایڈمنسٹریٹر کے طور پر لانچ کرکے اور درج ذیل کمانڈ چلانے سے کر سکتے ہیں:
+
+            ```powershell
+            Set-ExecutionPolicy -ExecutionPolicy Unrestricted
+            ```
+
+            جب تصدیق کے لیے پوچھا جائے تو `Y` درج کریں۔ پھر پاور شیل کو دوبارہ لانچ کریں اور دوبارہ کوشش کریں۔
+
+            اگر ضرورت ہو تو آپ بعد میں اس ایکزیکیوشن پالیسی کو ری سیٹ کر سکتے ہیں۔ آپ اس کے بارے میں مزید معلومات [Microsoft Docs پر Execution Policies صفحہ](https://docs.microsoft.com/powershell/module/microsoft.powershell.core/about/about_execution_policies?WT.mc_id=academic-17441-jabenn) پر پڑھ سکتے ہیں۔
+
+    * macOS یا Linux پر، درج ذیل کمانڈ چلائیں:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 یہ کمانڈز اسی مقام سے چلائی جانی چاہئیں جہاں آپ نے ورچوئل ماحول بنانے کے لیے کمانڈ چلائی تھی۔ آپ کو کبھی بھی `.venv` فولڈر میں نیویگیٹ کرنے کی ضرورت نہیں ہوگی، آپ کو ہمیشہ ایکٹیویٹ کمانڈ اور پیکجز انسٹال کرنے یا کوڈ چلانے کے لیے کمانڈز اسی فولڈر سے چلانی چاہئیں جہاں آپ نے ورچوئل ماحول بنایا تھا۔
+
+1. ایک بار ورچوئل ماحول ایکٹیویٹ ہو جائے، ڈیفالٹ `python` کمانڈ وہ Python ورژن چلائے گی جو ورچوئل ماحول بنانے کے لیے استعمال ہوا تھا۔ درج ذیل کمانڈ چلائیں تاکہ ورژن حاصل کیا جا سکے:
+
+    ```sh
+    python --version
+    ```
+
+    آؤٹ پٹ میں درج ذیل شامل ہونا چاہیے:
+
+    ```output
+    (.venv) ➜  nightlight python --version
+    Python 3.9.1
+    ```
+
+    > 💁 آپ کا Python ورژن مختلف ہو سکتا ہے - جب تک یہ ورژن 3.6 یا اس سے زیادہ ہے، آپ ٹھیک ہیں۔ اگر نہیں، تو اس فولڈر کو ڈیلیٹ کریں، Python کا نیا ورژن انسٹال کریں اور دوبارہ کوشش کریں۔
+
+1. درج ذیل کمانڈز چلائیں تاکہ CounterFit کے لیے Pip پیکجز انسٹال کیے جا سکیں۔ ان پیکجز میں CounterFit ایپ کے ساتھ ساتھ Grove ہارڈویئر کے لیے شمز شامل ہیں۔ یہ شمز آپ کو کوڈ لکھنے کی اجازت دیتے ہیں جیسے آپ Grove ایکو سسٹم کے فزیکل سینسرز اور ایکچیویٹرز کے ساتھ پروگرامنگ کر رہے ہوں لیکن ورچوئل آئی او ٹی ڈیوائسز سے کنیکٹ ہوں۔
+
+    ```sh
+    pip install CounterFit
+    pip install counterfit-connection
+    pip install counterfit-shims-grove
+    ```
+
+    یہ Pip پیکجز صرف ورچوئل ماحول میں انسٹال کیے جائیں گے، اور باہر دستیاب نہیں ہوں گے۔
+
+### کوڈ لکھیں
+
+ایک بار Python ورچوئل ماحول تیار ہو جائے، آپ 'ہیلو ورلڈ' ایپلیکیشن کے لیے کوڈ لکھ سکتے ہیں۔
+
+#### کام - کوڈ لکھیں
+
+ایک Python ایپلیکیشن بنائیں جو کنسول پر `"Hello World"` پرنٹ کرے۔
+
+1. اپنے ٹرمینل یا کمانڈ لائن سے، ورچوئل ماحول کے اندر درج ذیل کمانڈ چلائیں تاکہ `app.py` نامی Python فائل بنائی جا سکے:
+
+    * ونڈوز سے چلائیں:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * macOS یا Linux پر چلائیں:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. موجودہ فولڈر کو VS Code میں کھولیں:
+
+    ```sh
+    code .
+    ```
+
+    > 💁 اگر آپ کے ٹرمینل پر macOS پر `command not found` واپس آتا ہے تو اس کا مطلب ہے کہ VS Code کو آپ کے PATH میں شامل نہیں کیا گیا۔ آپ VS Code کو اپنے PATH میں شامل کر سکتے ہیں [VS Code دستاویزات کے لانچنگ سیکشن](https://code.visualstudio.com/docs/setup/mac?WT.mc_id=academic-17441-jabenn#_launching-from-the-command-line) کی ہدایات پر عمل کرکے اور کمانڈ کو بعد میں چلائیں۔ VS Code ڈیفالٹ طور پر ونڈوز اور Linux پر آپ کے PATH میں انسٹال ہوتا ہے۔
+
+1. جب VS Code لانچ ہوتا ہے، تو یہ Python ورچوئل ماحول کو ایکٹیویٹ کرے گا۔ منتخب ورچوئل ماحول نیچے اسٹیٹس بار میں ظاہر ہوگا:
+
+    ![VS Code منتخب ورچوئل ماحول دکھا رہا ہے](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ur.png)
+
+1. اگر VS Code ٹرمینل پہلے سے چل رہا ہے جب VS Code شروع ہوتا ہے، تو اس میں ورچوئل ماحول ایکٹیویٹ نہیں ہوگا۔ سب سے آسان کام یہ ہے کہ **Kill the active terminal instance** بٹن استعمال کرکے ٹرمینل کو ختم کریں:
+
+    ![VS Code Kill the active terminal instance بٹن](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ur.png)
+
+    آپ یہ بتا سکتے ہیں کہ آیا ٹرمینل میں ورچوئل ماحول ایکٹیویٹ ہے کیونکہ ٹرمینل پرامپٹ پر ورچوئل ماحول کا نام ایک پری فکس ہوگا۔ مثال کے طور پر، یہ ہو سکتا ہے:
+
+    ```sh
+    (.venv) ➜  nightlight
+    ```
+
+    اگر آپ کے پرامپٹ پر `.venv` پری فکس کے طور پر نہیں ہے، تو ٹرمینل میں ورچوئل ماحول ایکٹیویٹ نہیں ہے۔
+
+1. ایک نیا VS Code ٹرمینل لانچ کریں *Terminal -> New Terminal* کو منتخب کرکے، یا `` CTRL+` `` دباکر۔ نیا ٹرمینل ورچوئل ماحول کو لوڈ کرے گا، اور اس کو ایکٹیویٹ کرنے کی کال ٹرمینل میں ظاہر ہوگی۔ پرامپٹ پر ورچوئل ماحول کا نام (`.venv`) ہوگا:
+
+    ```output
+    ➜  nightlight source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. VS Code ایکسپلورر سے `app.py` فائل کھولیں اور درج ذیل کوڈ شامل کریں:
+
+    ```python
+    print('Hello World!')
+    ```
+
+    `print` فنکشن جو بھی اس کو پاس کیا جاتا ہے اسے کنسول پر پرنٹ کرتا ہے۔
+
+1. VS Code ٹرمینل سے، درج ذیل کمانڈ چلائیں تاکہ آپ کی Python ایپ چلائی جا سکے:
+
+    ```sh
+    python app.py
+    ```
+
+    آؤٹپٹ میں درج ذیل ہوگا:
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    Hello World!
+    ```
+
+😀 آپ کا 'ہیلو ورلڈ' پروگرام کامیاب رہا!
+
+### 'ہارڈویئر' کنیکٹ کریں
+
+ایک دوسرے 'ہیلو ورلڈ' قدم کے طور پر، آپ CounterFit ایپ چلائیں گے اور اپنے کوڈ کو اس سے کنیکٹ کریں گے۔ یہ آئی او ٹی ہارڈویئر کو کسی ڈیو کٹ سے پلگ ان کرنے کے ورچوئل متبادل کے طور پر ہوگا۔
+
+#### کام - 'ہارڈویئر' کنیکٹ کریں
+
+1. VS Code ٹرمینل سے، درج ذیل کمانڈ کے ساتھ CounterFit ایپ لانچ کریں:
+
+    ```sh
+    counterfit
+    ```
+
+    ایپ چلنا شروع ہو جائے گی اور آپ کے ویب براؤزر میں کھل جائے گی:
+
+    ![Counter Fit ایپ براؤزر میں چل رہی ہے](../../../../../translated_images/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.ur.png)
+
+    یہ *Disconnected* کے طور پر نشان زد ہوگی، اور اوپر دائیں کونے میں ایل ای ڈی بند ہوگی۔
+
+1. `app.py` کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+    یہ کوڈ `counterfit_connection` ماڈیول سے `CounterFitConnection` کلاس کو امپورٹ کرتا ہے، جو آپ کے پہلے انسٹال کیے گئے `counterfit-connection` pip پیکج سے آتا ہے۔ پھر یہ `127.0.0.1` پر چلنے والی CounterFit ایپ سے کنیکشن کو انیشیئلائز کرتا ہے، جو ایک آئی پی ایڈریس ہے جسے آپ ہمیشہ اپنے لوکل کمپیوٹر تک رسائی کے لیے استعمال کر سکتے ہیں (اکثر *localhost* کہا جاتا ہے)، پورٹ 5000 پر۔
+
+    > 💁 اگر آپ کے پاس پورٹ 5000 پر دیگر ایپس چل رہی ہیں، تو آپ کوڈ میں پورٹ کو اپ ڈیٹ کرکے اور CounterFit کو `CounterFit --port <port_number>` کے ساتھ چلانے کے ذریعے اسے تبدیل کر سکتے ہیں، `<port_number>` کو اپنی مطلوبہ پورٹ کے ساتھ تبدیل کریں۔
+
+1. آپ کو ایک نیا VS Code ٹرمینل لانچ کرنا ہوگا **Create a new integrated terminal** بٹن کو منتخب کرکے۔ اس کی وجہ یہ ہے کہ CounterFit ایپ موجودہ ٹرمینل میں چل رہی ہے۔
+
+    ![VS Code Create a new integrated terminal بٹن](../../../../../translated_images/vscode-new-terminal.77db8fc0f9cd31824b0e49a201beafe4ae4616d6c7339992cb2819e789b3eff9.ur.png)
+
+1. اس نئے ٹرمینل میں، پہلے کی طرح `app.py` فائل چلائیں۔ CounterFit کی اسٹیٹس **Connected** میں تبدیل ہو جائے گی اور ایل ای ڈی روشن ہو جائے گی۔
+
+    ![Counter Fit کنیکٹڈ دکھا رہا ہے](../../../../../translated_images/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.ur.png)
+
+> 💁 آپ اس کوڈ کو [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا ہارڈویئر سے کنیکشن کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
new file mode 100644
index 00000000..617c759e
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md
@@ -0,0 +1,222 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a4f0c166010e31fd7b6ca20bc88dec6d",
+  "translation_date": "2025-08-26T23:43:12+00:00",
+  "source_file": "1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل
+
+[سیڈ اسٹوڈیوز کا وائیو ٹرمینل](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) ایک آرڈوینو کے ساتھ مطابقت رکھنے والا مائیکرو کنٹرولر ہے، جس میں وائی فائی، کچھ سینسرز اور ایکچیویٹرز شامل ہیں، اور اضافی سینسرز اور ایکچیویٹرز شامل کرنے کے لیے پورٹس موجود ہیں، جو ایک ہارڈویئر ایکوسسٹم [گروو](https://www.seeedstudio.com/category/Grove-c-1003.html) کے ذریعے کام کرتا ہے۔
+
+![سیڈ اسٹوڈیوز کا وائیو ٹرمینل](../../../../../translated_images/wio-terminal.b8299ee16587db9aa9e05fabf9721bccd9eb8fb541b7c1a8267241282d81b603.ur.png)
+
+## سیٹ اپ
+
+وائیو ٹرمینل استعمال کرنے کے لیے، آپ کو اپنے کمپیوٹر پر کچھ مفت سافٹ ویئر انسٹال کرنے کی ضرورت ہوگی۔ اس کے علاوہ، وائیو ٹرمینل کو وائی فائی سے منسلک کرنے سے پہلے اس کا فرم ویئر اپ ڈیٹ کرنا ہوگا۔
+
+### کام - سیٹ اپ
+
+ضروری سافٹ ویئر انسٹال کریں اور فرم ویئر اپ ڈیٹ کریں۔
+
+1. ویژول اسٹوڈیو کوڈ (VS Code) انسٹال کریں۔ یہ وہ ایڈیٹر ہے جسے آپ اپنے ڈیوائس کے کوڈ کو C/C++ میں لکھنے کے لیے استعمال کریں گے۔ VS Code انسٹال کرنے کے لیے [VS Code دستاویزات](https://code.visualstudio.com?WT.mc_id=academic-17441-jabenn) کا حوالہ دیں۔
+
+    > 💁 آرڈوینو ڈویلپمنٹ کے لیے ایک اور مشہور آئی ڈی ای [Arduino IDE](https://www.arduino.cc/en/software) ہے۔ اگر آپ اس ٹول سے پہلے سے واقف ہیں، تو آپ اسے VS Code اور PlatformIO کے بجائے استعمال کر سکتے ہیں، لیکن اسباق VS Code استعمال کرنے کی ہدایات فراہم کریں گے۔
+
+1. VS Code کے لیے PlatformIO ایکسٹینشن انسٹال کریں۔ یہ ایکسٹینشن مائیکرو کنٹرولرز کو C/C++ میں پروگرام کرنے کے لیے سپورٹ فراہم کرتی ہے۔ اس ایکسٹینشن کو انسٹال کرنے کے لیے [PlatformIO ایکسٹینشن دستاویزات](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=platformio.platformio-ide) کا حوالہ دیں۔ یہ ایکسٹینشن Microsoft C/C++ ایکسٹینشن پر انحصار کرتی ہے، جو PlatformIO انسٹال کرنے پر خود بخود انسٹال ہو جاتی ہے۔
+
+1. اپنے وائیو ٹرمینل کو کمپیوٹر سے منسلک کریں۔ وائیو ٹرمینل کے نیچے ایک USB-C پورٹ ہے، جسے آپ کے کمپیوٹر کے USB پورٹ سے منسلک کرنے کی ضرورت ہے۔ وائیو ٹرمینل کے ساتھ ایک USB-C سے USB-A کیبل آتی ہے، لیکن اگر آپ کے کمپیوٹر میں صرف USB-C پورٹس ہیں تو آپ کو یا تو ایک USB-C کیبل یا USB-A سے USB-C اڈاپٹر کی ضرورت ہوگی۔
+
+1. [وائیو ٹرمینل وکی وائی فائی اوورویو دستاویزات](https://wiki.seeedstudio.com/Wio-Terminal-Network-Overview/) میں دی گئی ہدایات پر عمل کریں تاکہ اپنے وائیو ٹرمینل کو سیٹ اپ کریں اور فرم ویئر اپ ڈیٹ کریں۔
+
+## ہیلو ورلڈ
+
+جب آپ کسی نئی پروگرامنگ زبان یا ٹیکنالوجی کے ساتھ شروعات کرتے ہیں تو یہ روایت ہے کہ ایک 'ہیلو ورلڈ' ایپلیکیشن بنائی جائے - ایک چھوٹی سی ایپلیکیشن جو کچھ ایسا متن جیسے `"Hello World"` آؤٹ پٹ کرتی ہے تاکہ یہ دکھایا جا سکے کہ تمام ٹولز صحیح طریقے سے ترتیب دیے گئے ہیں۔
+
+وائیو ٹرمینل کے لیے ہیلو ورلڈ ایپ اس بات کو یقینی بنائے گی کہ آپ نے ویژول اسٹوڈیو کوڈ کو صحیح طریقے سے انسٹال کیا ہے، PlatformIO کے ساتھ، اور مائیکرو کنٹرولر ڈویلپمنٹ کے لیے ترتیب دیا ہے۔
+
+### PlatformIO پروجیکٹ بنائیں
+
+پہلا قدم یہ ہے کہ PlatformIO کا استعمال کرتے ہوئے وائیو ٹرمینل کے لیے ترتیب دیا گیا ایک نیا پروجیکٹ بنایا جائے۔
+
+#### کام - PlatformIO پروجیکٹ بنائیں
+
+PlatformIO پروجیکٹ بنائیں۔
+
+1. وائیو ٹرمینل کو اپنے کمپیوٹر سے منسلک کریں۔
+
+1. ویژول اسٹوڈیو کوڈ لانچ کریں۔
+
+1. PlatformIO آئیکن سائیڈ مینو بار پر ہوگا:
+
+    ![PlatformIO مینو آپشن](../../../../../translated_images/vscode-platformio-menu.297be26b9733e5c4635d9d8e636e93fed2015809eafb7cc8fd409c37b3ef2ef5.ur.png)
+
+    اس مینو آئٹم کو منتخب کریں، پھر *PIO Home -> Open* منتخب کریں۔
+
+    ![PlatformIO اوپن آپشن](../../../../../translated_images/vscode-platformio-home-open.3f9a41bfd3f4da1c866ec3e69f1675faa30b823b5b58ab58ac88e5df9a85da19.ur.png)
+
+1. ویلکم اسکرین سے، **+ نیا پروجیکٹ** بٹن منتخب کریں۔
+
+    ![نیا پروجیکٹ بٹن](../../../../../translated_images/vscode-platformio-welcome-new-button.ba6fc8a4c7b78cc822e1ce47ba29c5db96668cce7c5f4adbfd2f1196422baa26.ur.png)
+
+1. پروجیکٹ کو *پروجیکٹ وزرڈ* میں ترتیب دیں:
+
+    1. اپنے پروجیکٹ کا نام `nightlight` رکھیں۔
+
+    1. *بورڈ* ڈراپ ڈاؤن سے، `WIO` ٹائپ کریں تاکہ بورڈز کو فلٹر کریں، اور *Seeeduino Wio Terminal* منتخب کریں۔
+
+    1. *فریم ورک* کو *Arduino* پر چھوڑ دیں۔
+
+    1. یا تو *ڈیفالٹ لوکیشن استعمال کریں* چیک باکس کو چیک رہنے دیں، یا اسے ان چیک کریں اور اپنے پروجیکٹ کے لیے ایک لوکیشن منتخب کریں۔
+
+    1. **فنش** بٹن منتخب کریں۔
+
+    ![مکمل پروجیکٹ وزرڈ](../../../../../translated_images/vscode-platformio-nightlight-project-wizard.5c64db4da6037420827c2597507897233457210ee23975711fa2285efdcd0dc7.ur.png)
+
+    PlatformIO ان اجزاء کو ڈاؤن لوڈ کرے گا جن کی اسے وائیو ٹرمینل کے لیے کوڈ کمپائل کرنے اور آپ کے پروجیکٹ کو بنانے کے لیے ضرورت ہے۔ اس میں کچھ منٹ لگ سکتے ہیں۔
+
+### PlatformIO پروجیکٹ کا جائزہ لیں
+
+VS Code ایکسپلورر PlatformIO وزرڈ کے ذریعے بنائی گئی فائلز اور فولڈرز دکھائے گا۔
+
+#### فولڈرز
+
+* `.pio` - یہ فولڈر PlatformIO کے لیے ضروری عارضی ڈیٹا جیسے لائبریریاں یا کمپائل شدہ کوڈ پر مشتمل ہوتا ہے۔ اگر حذف کر دیا جائے تو یہ خود بخود دوبارہ بن جاتا ہے، اور اگر آپ اپنا پروجیکٹ GitHub جیسے سائٹس پر شیئر کر رہے ہیں تو آپ کو اسے سورس کوڈ کنٹرول میں شامل کرنے کی ضرورت نہیں ہے۔
+* `.vscode` - یہ فولڈر PlatformIO اور VS Code کے ذریعے استعمال ہونے والی کنفیگریشن پر مشتمل ہوتا ہے۔ اگر حذف کر دیا جائے تو یہ خود بخود دوبارہ بن جاتا ہے، اور اگر آپ اپنا پروجیکٹ GitHub جیسے سائٹس پر شیئر کر رہے ہیں تو آپ کو اسے سورس کوڈ کنٹرول میں شامل کرنے کی ضرورت نہیں ہے۔
+* `include` - یہ فولڈر اضافی لائبریریوں کے لیے ہیڈر فائلز کے لیے ہے۔ آپ ان اسباق میں اس فولڈر کو استعمال نہیں کریں گے۔
+* `lib` - یہ فولڈر ان لائبریریوں کے لیے ہے جنہیں آپ اپنے کوڈ سے کال کرنا چاہتے ہیں۔ آپ ان اسباق میں اس فولڈر کو استعمال نہیں کریں گے۔
+* `src` - یہ فولڈر آپ کی ایپلیکیشن کے مین سورس کوڈ پر مشتمل ہوتا ہے۔ ابتدائی طور پر، اس میں ایک ہی فائل ہوگی - `main.cpp`۔
+* `test` - یہ فولڈر آپ کے کوڈ کے لیے کسی بھی یونٹ ٹیسٹ کے لیے ہے۔
+
+#### فائلز
+
+* `main.cpp` - یہ فائل `src` فولڈر میں آپ کی ایپلیکیشن کے انٹری پوائنٹ پر مشتمل ہوتی ہے۔ اس فائل کو کھولیں، اور اس میں درج ذیل کوڈ ہوگا:
+
+    ```cpp
+    #include <Arduino.h>
+    
+    void setup() {
+      // put your setup code here, to run once:
+    }
+    
+    void loop() {
+      // put your main code here, to run repeatedly:
+    }
+    ```
+
+    جب ڈیوائس شروع ہوتی ہے، تو آرڈوینو فریم ورک `setup` فنکشن کو ایک بار چلاتا ہے، پھر `loop` فنکشن کو بار بار چلاتا ہے جب تک کہ ڈیوائس بند نہ ہو جائے۔
+
+* `.gitignore` - یہ فائل ان فائلز اور ڈائریکٹریز کی فہرست پر مشتمل ہوتی ہے جنہیں Git سورس کوڈ کنٹرول میں شامل کرتے وقت نظرانداز کیا جانا چاہیے، جیسے کہ GitHub پر ریپوزٹری اپ لوڈ کرتے وقت۔
+
+* `platformio.ini` - یہ فائل آپ کے ڈیوائس اور ایپ کے لیے کنفیگریشن پر مشتمل ہوتی ہے۔ اس فائل کو کھولیں، اور اس میں درج ذیل کوڈ ہوگا:
+
+    ```ini
+    [env:seeed_wio_terminal]
+    platform = atmelsam
+    board = seeed_wio_terminal
+    framework = arduino
+    ```
+
+    `[env:seeed_wio_terminal]` سیکشن وائیو ٹرمینل کے لیے کنفیگریشن پر مشتمل ہے۔ آپ کے کوڈ کو متعدد بورڈز کے لیے کمپائل کرنے کے لیے متعدد `env` سیکشنز ہو سکتے ہیں۔
+
+    دیگر ویلیوز پروجیکٹ وزرڈ کی کنفیگریشن سے میل کھاتی ہیں:
+
+  * `platform = atmelsam` وائیو ٹرمینل کے ہارڈویئر کو ڈیفائن کرتا ہے (ایک ATSAMD51 پر مبنی مائیکرو کنٹرولر)۔
+  * `board = seeed_wio_terminal` مائیکرو کنٹرولر بورڈ کی قسم کو ڈیفائن کرتا ہے (وائیو ٹرمینل)۔
+  * `framework = arduino` اس پروجیکٹ کے آرڈوینو فریم ورک استعمال کرنے کو ڈیفائن کرتا ہے۔
+
+### ہیلو ورلڈ ایپ لکھیں
+
+اب آپ ہیلو ورلڈ ایپ لکھنے کے لیے تیار ہیں۔
+
+#### کام - ہیلو ورلڈ ایپ لکھیں
+
+ہیلو ورلڈ ایپ لکھیں۔
+
+1. VS Code میں `main.cpp` فائل کھولیں۔
+
+1. کوڈ کو درج ذیل کے مطابق تبدیل کریں:
+
+    ```cpp
+    #include <Arduino.h>
+
+    void setup()
+    {
+        Serial.begin(9600);
+
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    
+    void loop()
+    {
+        Serial.println("Hello World");
+        delay(5000);
+    }
+    ```
+
+    `setup` فنکشن سیریل پورٹ سے کنکشن کو انیشیالائز کرتا ہے - اس کیس میں، USB پورٹ جو وائیو ٹرمینل کو آپ کے کمپیوٹر سے منسلک کرنے کے لیے استعمال ہوتا ہے۔ پیرامیٹر `9600` [باڈ ریٹ](https://wikipedia.org/wiki/Symbol_rate) (جسے سمبل ریٹ بھی کہا جاتا ہے) یا وہ رفتار ہے جس پر ڈیٹا سیریل پورٹ کے ذریعے بھیجا جائے گا، بٹس فی سیکنڈ میں۔ یہ سیٹنگ 9,600 بٹس (0 اور 1) فی سیکنڈ بھیجنے کا مطلب ہے۔ اس کے بعد یہ سیریل پورٹ کے تیار ہونے کا انتظار کرتا ہے۔
+
+    `loop` فنکشن لائن `Hello World!` سیریل پورٹ پر بھیجتا ہے، تاکہ `Hello World!` کے حروف کے ساتھ ایک نیا لائن کریکٹر بھیجا جا سکے۔ اس کے بعد یہ 5,000 ملی سیکنڈ یا 5 سیکنڈ کے لیے سوتا ہے۔ جب `loop` ختم ہو جاتا ہے، تو یہ دوبارہ چلتا ہے، اور بار بار، جب تک کہ مائیکرو کنٹرولر آن ہو۔
+
+1. اپنے وائیو ٹرمینل کو اپ لوڈ موڈ میں ڈالیں۔ آپ کو ہر بار جب آپ ڈیوائس پر نیا کوڈ اپ لوڈ کریں گے، یہ کرنا ہوگا:
+
+    1. پاور سوئچ کو دو بار جلدی سے نیچے کھینچیں - یہ ہر بار آن پوزیشن پر واپس آجائے گا۔
+
+    1. USB پورٹ کے دائیں جانب نیلی اسٹیٹس ایل ای ڈی چیک کریں۔ یہ پلسیٹ کر رہی ہونی چاہیے۔
+    
+    [![وائیو ٹرمینل کو اپ لوڈ موڈ میں ڈالنے کا ویڈیو](https://img.youtube.com/vi/LeKU_7zLRrQ/0.jpg)](https://youtu.be/LeKU_7zLRrQ)
+    
+    اس عمل کو دکھانے کے لیے ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں۔
+
+1. کوڈ کو وائیو ٹرمینل پر بنائیں اور اپ لوڈ کریں۔
+
+    1. VS Code کمانڈ پیلیٹ کھولیں۔
+
+    1. اپ لوڈ آپشن تلاش کرنے کے لیے `PlatformIO Upload` ٹائپ کریں، اور *PlatformIO: Upload* منتخب کریں۔
+
+        ![کمانڈ پیلیٹ میں PlatformIO اپ لوڈ آپشن](../../../../../translated_images/vscode-platformio-upload-command-palette.9e0f49cf80d1f1c3eb5c6689b8705ad8b89f0374b21698e996fec11e4ed09347.ur.png)
+
+        PlatformIO اپ لوڈ کرنے سے پہلے ضرورت پڑنے پر کوڈ کو خود بخود بنائے گا۔
+
+    1. کوڈ کمپائل ہوگا اور وائیو ٹرمینل پر اپ لوڈ ہوگا۔
+
+        > 💁 اگر آپ macOS استعمال کر رہے ہیں، تو *DISK NOT EJECTED PROPERLY* کے بارے میں ایک نوٹیفکیشن ظاہر ہوگا۔ یہ اس لیے ہے کہ وائیو ٹرمینل فلیشنگ کے عمل کے حصے کے طور پر ایک ڈرائیو کے طور پر ماؤنٹ ہو جاتا ہے، اور جب کمپائل شدہ کوڈ ڈیوائس پر لکھا جاتا ہے تو یہ منقطع ہو جاتا ہے۔ آپ اس نوٹیفکیشن کو نظرانداز کر سکتے ہیں۔
+
+    ⚠️ اگر آپ کو اپ لوڈ پورٹ دستیاب نہ ہونے کے بارے میں ایرر ملے، تو پہلے یہ یقینی بنائیں کہ آپ نے وائیو ٹرمینل کو اپنے کمپیوٹر سے منسلک کیا ہے، اور اسکرین کے بائیں جانب سوئچ کا استعمال کرتے ہوئے آن کیا ہے، اور اپ لوڈ موڈ میں سیٹ کیا ہے۔ نیچے سبز روشنی آن ہونی چاہیے، اور نیلی روشنی پلسیٹ کر رہی ہونی چاہیے۔ اگر آپ کو اب بھی ایرر ملتا ہے، تو پاور سوئچ کو دو بار جلدی سے نیچے کھینچیں تاکہ وائیو ٹرمینل کو اپ لوڈ موڈ میں زبردستی ڈالیں اور دوبارہ اپ لوڈ کرنے کی کوشش کریں۔
+
+PlatformIO میں ایک سیریل مانیٹر ہے جو USB کیبل کے ذریعے وائیو ٹرمینل سے بھیجے گئے ڈیٹا کی نگرانی کر سکتا ہے۔ یہ آپ کو `Serial.println("Hello World");` کمانڈ کے ذریعے بھیجے گئے ڈیٹا کی نگرانی کرنے کی اجازت دیتا ہے۔
+
+1. VS Code کمانڈ پیلیٹ کھولیں۔
+
+1. سیریل مانیٹر آپشن تلاش کرنے کے لیے `PlatformIO Serial` ٹائپ کریں، اور *PlatformIO: Serial Monitor* منتخب کریں۔
+
+    ![کمانڈ پیلیٹ میں PlatformIO سیریل مانیٹر آپشن](../../../../../translated_images/vscode-platformio-serial-monitor-command-palette.b348ec841b8a1c14af503d6fc0bf73c657c79c9acc12a6b6dd485ce3b5826f48.ur.png)
+
+    ایک نیا ٹرمینل کھلے گا، اور سیریل پورٹ کے ذریعے بھیجا گیا ڈیٹا اس ٹرمینل میں اسٹریم ہوگا:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Hello World
+    Hello World
+    ```
+
+    `Hello World` ہر 5 سیکنڈ میں سیریل مانیٹر پر پرنٹ ہوگا۔
+
+> 💁 آپ اس کوڈ کو [code/wio-terminal](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا 'ہیلو ورلڈ' پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md b/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md
new file mode 100644
index 00000000..d91481f4
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md
@@ -0,0 +1,257 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9dd7f645ad1c6f20b72fee512987f772",
+  "translation_date": "2025-08-26T23:47:27+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی پر گہری نظر
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.ur.jpg)
+
+> خاکہ از [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ سبق [ہیلو آئی او ٹی سیریز](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) کے حصے کے طور پر [مائیکروسافٹ ری ایکٹر](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) میں پڑھایا گیا۔ یہ سبق دو ویڈیوز پر مشتمل تھا - ایک گھنٹے کا سبق اور ایک گھنٹے کا سوال و جواب سیشن جس میں سبق کے مختلف حصوں پر مزید تفصیل سے بات کی گئی۔
+
+[![سبق 2: آئی او ٹی پر گہری نظر](https://img.youtube.com/vi/t0SySWw3z9M/0.jpg)](https://youtu.be/t0SySWw3z9M)
+
+[![سبق 2: آئی او ٹی پر گہری نظر - سوال و جواب سیشن](https://img.youtube.com/vi/tTZYf9EST1E/0.jpg)](https://youtu.be/tTZYf9EST1E)
+
+> 🎥 ویڈیوز دیکھنے کے لیے اوپر دی گئی تصاویر پر کلک کریں
+
+## سبق سے پہلے کا کوئز
+
+[سبق سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/3)
+
+## تعارف
+
+یہ سبق پچھلے سبق میں شامل کچھ تصورات پر مزید تفصیل سے روشنی ڈالتا ہے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [آئی او ٹی ایپلیکیشن کے اجزاء](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [مائیکرو کنٹرولرز پر گہری نظر](../../../../../1-getting-started/lessons/2-deeper-dive)
+* [سنگل بورڈ کمپیوٹرز پر گہری نظر](../../../../../1-getting-started/lessons/2-deeper-dive)
+
+## آئی او ٹی ایپلیکیشن کے اجزاء
+
+آئی او ٹی ایپلیکیشن کے دو اہم اجزاء ہیں: *انٹرنیٹ* اور *چیز*۔ آئیے ان دونوں اجزاء کو مزید تفصیل سے دیکھتے ہیں۔
+
+### چیز (The Thing)
+
+![ایک راسپبیری پائی 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg)
+
+آئی او ٹی میں **چیز** سے مراد وہ ڈیوائس ہے جو فزیکل دنیا کے ساتھ تعامل کر سکتی ہے۔ یہ ڈیوائسز عام طور پر چھوٹے، کم قیمت کمپیوٹرز ہوتے ہیں، جو کم رفتار اور کم توانائی پر کام کرتے ہیں - مثال کے طور پر، سادہ مائیکرو کنٹرولرز جن میں چند کلو بائٹس کی ریم ہوتی ہے (پی سی میں گیگا بائٹس کے برعکس) اور جو صرف چند سو میگا ہرٹز پر کام کرتے ہیں (پی سی میں گیگا ہرٹز کے برعکس)، لیکن اتنی کم توانائی استعمال کرتے ہیں کہ وہ بیٹریوں پر ہفتوں، مہینوں یا حتیٰ کہ سالوں تک چل سکتے ہیں۔
+
+یہ ڈیوائسز فزیکل دنیا کے ساتھ تعامل کرتی ہیں، یا تو سینسرز کے ذریعے اپنے ارد گرد کے ماحول سے ڈیٹا اکٹھا کر کے یا آؤٹ پٹس یا ایکچیویٹرز کو کنٹرول کر کے فزیکل تبدیلیاں کر کے۔ اس کی ایک عام مثال ایک اسمارٹ تھرموسٹیٹ ہے - ایک ڈیوائس جس میں ایک درجہ حرارت سینسر، ایک ڈائل یا ٹچ اسکرین کے ذریعے مطلوبہ درجہ حرارت سیٹ کرنے کا ذریعہ، اور ایک ہیٹنگ یا کولنگ سسٹم سے کنکشن ہوتا ہے جو اس وقت آن ہو سکتا ہے جب سینسر کا پتہ لگایا گیا درجہ حرارت مطلوبہ حد سے باہر ہو۔
+
+![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.ur.png)
+
+آئی او ٹی ڈیوائسز کے طور پر کام کرنے والی چیزوں کی ایک وسیع رینج موجود ہے، جو مخصوص ہارڈویئر سے لے کر جو صرف ایک چیز کو سینس کرتا ہے، عام مقصد کے ڈیوائسز تک، حتیٰ کہ آپ کا اسمارٹ فون بھی! ایک اسمارٹ فون سینسرز کا استعمال کرتے ہوئے اپنے ارد گرد کی دنیا کا پتہ لگا سکتا ہے، اور ایکچیویٹرز کا استعمال کرتے ہوئے دنیا کے ساتھ تعامل کر سکتا ہے - مثال کے طور پر، جی پی ایس سینسر کا استعمال کرتے ہوئے آپ کی لوکیشن کا پتہ لگانا اور اسپیکر کا استعمال کرتے ہوئے آپ کو منزل تک نیویگیشن ہدایات دینا۔
+
+✅ اپنے ارد گرد کے دیگر سسٹمز کے بارے میں سوچیں جو سینسر سے ڈیٹا پڑھتے ہیں اور اس کی بنیاد پر فیصلے کرتے ہیں۔ ایک مثال اوون کے تھرموسٹیٹ کی ہو سکتی ہے۔ کیا آپ مزید مثالیں تلاش کر سکتے ہیں؟
+
+### انٹرنیٹ
+
+آئی او ٹی ایپلیکیشن کے **انٹرنیٹ** حصے میں وہ ایپلیکیشنز شامل ہیں جن سے آئی او ٹی ڈیوائس ڈیٹا بھیجنے اور وصول کرنے کے لیے جڑ سکتی ہے، نیز دیگر ایپلیکیشنز جو آئی او ٹی ڈیوائس کے ڈیٹا کو پروسیس کر سکتی ہیں اور یہ فیصلہ کرنے میں مدد دے سکتی ہیں کہ آئی او ٹی ڈیوائس کے ایکچیویٹرز کو کیا درخواستیں بھیجی جائیں۔
+
+ایک عام سیٹ اپ میں ایک کلاؤڈ سروس شامل ہو سکتی ہے جس سے آئی او ٹی ڈیوائس جڑتی ہے، اور یہ کلاؤڈ سروس سیکیورٹی جیسے کاموں کو ہینڈل کرتی ہے، نیز آئی او ٹی ڈیوائس سے پیغامات وصول کرتی ہے اور ڈیوائس کو پیغامات واپس بھیجتی ہے۔ یہ کلاؤڈ سروس دیگر ایپلیکیشنز سے جڑتی ہے جو سینسر ڈیٹا کو پروسیس یا اسٹور کر سکتی ہیں، یا دیگر سسٹمز کے ڈیٹا کے ساتھ سینسر ڈیٹا کا استعمال کرتے ہوئے فیصلے کر سکتی ہیں۔
+
+ڈیوائسز ہمیشہ وائی فائی یا وائرڈ کنکشنز کے ذریعے براہ راست انٹرنیٹ سے نہیں جڑتیں۔ کچھ ڈیوائسز میش نیٹ ورکنگ کا استعمال کرتی ہیں تاکہ وہ ایک دوسرے سے بلوٹوتھ جیسی ٹیکنالوجیز کے ذریعے بات کر سکیں، اور ایک حب ڈیوائس کے ذریعے انٹرنیٹ سے جڑ سکیں۔
+
+اسمارٹ تھرموسٹیٹ کی مثال میں، تھرموسٹیٹ گھر کے وائی فائی کا استعمال کرتے ہوئے کلاؤڈ میں چلنے والی کلاؤڈ سروس سے جڑے گا۔ یہ درجہ حرارت کا ڈیٹا اس کلاؤڈ سروس کو بھیجے گا، اور وہاں سے یہ کسی قسم کے ڈیٹا بیس میں لکھا جائے گا تاکہ گھر کا مالک فون ایپ کے ذریعے موجودہ اور پچھلے درجہ حرارت کو چیک کر سکے۔ کلاؤڈ میں موجود ایک اور سروس یہ جانتی ہو گی کہ گھر کے مالک کو کیا درجہ حرارت چاہیے، اور کلاؤڈ سروس کے ذریعے آئی او ٹی ڈیوائس کو پیغامات بھیجے گی تاکہ ہیٹنگ سسٹم کو آن یا آف کرنے کو کہا جا سکے۔
+
+![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، آئی او ٹی ڈیوائس کو کلاؤڈ کے ساتھ دو طرفہ کمیونیکیشن کے ساتھ، جو بدلے میں فون کے ساتھ دو طرفہ کمیونیکیشن رکھتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.ur.png)
+
+ایک اور زیادہ اسمارٹ ورژن کلاؤڈ میں موجود اے آئی کا استعمال کر سکتا ہے جو دیگر سینسرز سے جڑے دیگر آئی او ٹی ڈیوائسز جیسے کہ قبضے کے سینسرز سے ڈیٹا استعمال کرتا ہے جو یہ پتہ لگاتے ہیں کہ کون سے کمرے استعمال ہو رہے ہیں، نیز موسم اور یہاں تک کہ آپ کے کیلنڈر جیسے ڈیٹا کا استعمال کرتے ہوئے اسمارٹ طریقے سے درجہ حرارت سیٹ کرنے کے فیصلے کرتا ہے۔ مثال کے طور پر، یہ آپ کی کیلنڈر سے پڑھ کر آپ کی غیر موجودگی میں ہیٹنگ بند کر سکتا ہے، یا کمرے کے استعمال کے مطابق کمرے بہ کمرے ہیٹنگ بند کر سکتا ہے، اور وقت کے ساتھ ڈیٹا سے سیکھ کر مزید درست ہوتا جاتا ہے۔
+
+![ایک ڈایاگرام جو متعدد درجہ حرارت سینسرز اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، آئی او ٹی ڈیوائس کو کلاؤڈ کے ساتھ دو طرفہ کمیونیکیشن کے ساتھ، جو بدلے میں فون، کیلنڈر اور موسم کی سروس کے ساتھ دو طرفہ کمیونیکیشن رکھتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/smarter-thermostat.a75855f15d2d9e63d5da9d7ba5847a987f6c9d98e96e770c203532275194e27d.ur.png)
+
+✅ اور کون سا ڈیٹا ایک انٹرنیٹ سے جڑے تھرموسٹیٹ کو زیادہ اسمارٹ بنانے میں مدد دے سکتا ہے؟
+
+### ایج پر آئی او ٹی
+
+اگرچہ آئی او ٹی میں "I" کا مطلب انٹرنیٹ ہے، ان ڈیوائسز کو انٹرنیٹ سے جڑنے کی ضرورت نہیں ہوتی۔ کچھ معاملات میں، ڈیوائسز 'ایج' ڈیوائسز سے جڑ سکتی ہیں - گیٹ وے ڈیوائسز جو آپ کے مقامی نیٹ ورک پر چلتی ہیں، جس کا مطلب ہے کہ آپ انٹرنیٹ پر کال کیے بغیر ڈیٹا پروسیس کر سکتے ہیں۔ یہ اس وقت تیز ہو سکتا ہے جب آپ کے پاس بہت زیادہ ڈیٹا ہو یا انٹرنیٹ کنکشن سست ہو، یہ آپ کو آف لائن کام کرنے کی اجازت دیتا ہے جہاں انٹرنیٹ کنیکٹیویٹی ممکن نہ ہو جیسے کسی جہاز پر یا انسانی بحران کے دوران کسی آفت زدہ علاقے میں، اور آپ کو ڈیٹا کو نجی رکھنے کی اجازت دیتا ہے۔ کچھ ڈیوائسز کلاؤڈ ٹولز کا استعمال کرتے ہوئے بنائی گئی پروسیسنگ کوڈ پر مشتمل ہوتی ہیں اور انٹرنیٹ کنکشن کے بغیر ڈیٹا اکٹھا کرنے اور اس کا جواب دینے کے لیے اسے مقامی طور پر چلاتی ہیں۔
+
+ایک مثال ایک اسمارٹ ہوم ڈیوائس جیسے کہ ایپل ہوم پوڈ، ایمیزون الیکسا، یا گوگل ہوم ہے، جو آپ کی آواز کو کلاؤڈ میں تربیت یافتہ اے آئی ماڈلز کا استعمال کرتے ہوئے سنتا ہے، لیکن ڈیوائس پر مقامی طور پر چلتا ہے۔ یہ ڈیوائسز ایک خاص لفظ یا جملہ بولے جانے پر 'جاگتی' ہیں، اور صرف اس وقت آپ کی تقریر کو پروسیسنگ کے لیے انٹرنیٹ پر بھیجتی ہیں۔ ڈیوائس آپ کی تقریر کو اس وقت روک دیتی ہے جب وہ آپ کی تقریر میں وقفہ محسوس کرتی ہے۔ آپ کے جاگنے کے لفظ سے پہلے کہی گئی ہر بات، اور ڈیوائس کے سننا بند کرنے کے بعد کہی گئی ہر بات انٹرنیٹ پر ڈیوائس فراہم کنندہ کو نہیں بھیجی جاتی، اور اس طرح نجی رہتی ہے۔
+
+✅ ان دیگر منظرناموں کے بارے میں سوچیں جہاں پرائیویسی اہم ہے، اس لیے ڈیٹا کی پروسیسنگ کلاؤڈ کے بجائے ایج پر کی جانی چاہیے۔ ایک اشارہ - ان آئی او ٹی ڈیوائسز کے بارے میں سوچیں جن پر کیمرے یا دیگر امیجنگ ڈیوائسز موجود ہیں۔
+
+### آئی او ٹی سیکیورٹی
+
+کسی بھی انٹرنیٹ کنکشن کے ساتھ، سیکیورٹی ایک اہم غور ہے۔ ایک پرانا مذاق ہے کہ 'آئی او ٹی میں S کا مطلب سیکیورٹی ہے' - آئی او ٹی میں کوئی 'S' نہیں ہے، جس کا مطلب ہے کہ یہ محفوظ نہیں ہے۔
+
+آئی او ٹی ڈیوائسز کلاؤڈ سروس سے جڑتی ہیں، اور اس لیے وہ صرف اتنی ہی محفوظ ہیں جتنی وہ کلاؤڈ سروس - اگر آپ کی کلاؤڈ سروس کسی بھی ڈیوائس کو جڑنے کی اجازت دیتی ہے تو بدنیتی پر مبنی ڈیٹا بھیجا جا سکتا ہے، یا وائرس کے حملے ہو سکتے ہیں۔ اس کے بہت حقیقی دنیا کے نتائج ہو سکتے ہیں کیونکہ آئی او ٹی ڈیوائسز دیگر ڈیوائسز کے ساتھ تعامل کرتی ہیں اور انہیں کنٹرول کرتی ہیں۔ مثال کے طور پر، [اسٹکس نیٹ ورم](https://wikipedia.org/wiki/Stuxnet) نے سینٹری فیوجز میں والوز کو نقصان پہنچانے کے لیے چھیڑ چھاڑ کی۔ ہیکرز نے [کمزور سیکیورٹی کا فائدہ اٹھا کر بے بی مانیٹرز](https://www.npr.org/sections/thetwo-way/2018/06/05/617196788/s-c-mom-says-baby-monitor-was-hacked-experts-say-many-devices-are-vulnerable) اور دیگر ہوم سرویلنس ڈیوائسز تک رسائی حاصل کی۔
+
+> 💁 بعض اوقات آئی او ٹی ڈیوائسز اور ایج ڈیوائسز ایک نیٹ ورک پر چلتی ہیں جو انٹرنیٹ سے مکمل طور پر الگ تھلگ ہوتا ہے تاکہ ڈیٹا کو نجی اور محفوظ رکھا جا سکے۔ اسے [ایئر گیپنگ](https://wikipedia.org/wiki/Air_gap_(networking)) کہا جاتا ہے۔
+
+## مائیکرو کنٹرولرز پر گہری نظر
+
+پچھلے سبق میں، ہم نے مائیکرو کنٹرولرز کا تعارف کرایا تھا۔ آئیے اب ان پر مزید تفصیل سے نظر ڈالیں۔
+
+### سی پی یو
+
+سی پی یو مائیکرو کنٹرولر کا 'دماغ' ہے۔ یہ پروسیسر آپ کا کوڈ چلاتا ہے اور کسی بھی جڑے ہوئے ڈیوائسز سے ڈیٹا بھیج اور وصول کر سکتا ہے۔ سی پی یوز میں ایک یا زیادہ کورز ہو سکتے ہیں - بنیادی طور پر ایک یا زیادہ سی پی یوز جو آپ کے کوڈ کو چلانے کے لیے مل کر کام کر سکتے ہیں۔
+
+سی پی یوز ایک گھڑی پر انحصار کرتے ہیں جو ہر سیکنڈ میں لاکھوں یا اربوں بار ٹِک کرتی ہے۔ ہر ٹِک، یا سائیکل، ان اعمال کو ہم آہنگ کرتا ہے جو سی پی یو لے سکتا ہے۔ ہر ٹِک کے ساتھ، سی پی یو ایک پروگرام سے ایک ہدایت پر عمل کر سکتا ہے، جیسے کہ کسی بیرونی ڈیوائس سے ڈیٹا حاصل کرنا یا ریاضی کا حساب لگانا۔ یہ باقاعدہ سائیکل اس بات کو یقینی بناتا ہے کہ تمام اعمال مکمل ہو جائیں اس سے پہلے کہ اگلی ہدایت پر عمل کیا جائے۔
+
+گھڑی کے سائیکل جتنے تیز ہوں گے، ہر سیکنڈ میں اتنی ہی زیادہ ہدایات پر عمل کیا جا سکتا ہے، اور اس طرح سی پی یو اتنا ہی تیز ہوگا۔ سی پی یو کی رفتار [ہرٹز (Hz)](https://wikipedia.org/wiki/Hertz) میں ماپی جاتی ہے، جو ایک معیاری یونٹ ہے جہاں 1 Hz کا مطلب ہے ایک سائیکل یا گھڑی کا ٹِک فی سیکنڈ۔
+
+> 🎓 سی پی یو کی رفتار اکثر MHz یا GHz میں دی جاتی ہے۔ 1MHz ایک ملین Hz ہے، 1GHz ایک ارب Hz ہے۔
+
+> 💁 سی پی یوز پروگرامز پر عمل درآمد [فیچ-ڈیکوڈ-ایگزیکیوٹ سائیکل](https://wikipedia.org/wiki/Instruction_cycle) کا استعمال کرتے ہوئے کرتے ہیں۔ ہر گھڑی کے ٹِک کے لیے، سی پی یو میموری سے اگلی ہدایت کو حاصل کرے گا، اسے ڈیکوڈ کرے گا، پھر اس پر عمل کرے گا جیسے کہ دو نمبروں کو شامل کرنے کے لیے ایک ارتھمیٹک لاجک یونٹ (ALU) کا استعمال۔ کچھ عمل درآمد کو چلانے کے لیے متعدد ٹِکس کی ضرورت ہوگی، اس لیے اگلا سائیکل اس ہدایت کے مکمل ہونے کے بعد اگلے ٹِک پر چلے گا۔
+
+![فیچ-ڈیکوڈ-ایگزیکیوٹ سائیکل دکھاتا ہے کہ فیچ پروگرام کو ریم میں محفوظ ہدایت سے لیتا ہے، پھر اسے سی پی یو پر ڈیکوڈ اور ایگزیکیوٹ کرتا ہے](../../../../../translated_images/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.ur.png)
+
+مائیکرو کنٹرولرز کی گھڑی کی رفتار ڈیسک ٹاپ یا لیپ ٹاپ کمپیوٹرز، یا یہاں تک کہ زیادہ تر اسمارٹ فونز سے بھی کم ہوتی ہے۔ مثال کے طور پر، وائیو ٹرمینل میں ایک سی پی یو ہے جو 120MHz یا 120,000,000 سائیکلز فی سیکنڈ پر چلتا ہے۔
+
+✅ ایک اوسط پی سی یا میک میں ایک سی پی یو ہوتا ہے جس میں متعدد کورز ہوتے ہیں جو کئی گیگا ہرٹز پر چلتے ہیں، یعنی گھڑی اربوں بار فی سیکنڈ ٹِک کرتی ہے۔ اپنے کمپیوٹر کی گھڑی کی رفتار کی تحقیق کریں اور دیکھیں کہ یہ وائیو ٹرمینل سے کتنی بار تیز ہے۔
+
+ہر گھڑی کا سائیکل توانائی کھینچتا ہے اور گرمی پیدا کرتا ہے۔ جتنے تیز ٹِک ہوں گے، اتنی ہی زیادہ توانائی استعمال ہوگی اور زیادہ گرمی پیدا ہوگی۔ پی سی میں گرمی کو ختم کرنے کے لیے ہیٹ سنکس اور فینز ہوتے ہیں، جن کے بغیر وہ چند سیکنڈز میں زیادہ گرم ہو کر بند ہو جائیں گے۔ مائیکرو کنٹرولرز میں اکثر یہ دونوں نہیں ہوتے کیونکہ وہ بہت ٹھنڈے چلتے ہیں اور اس لیے بہت سست ہوتے ہیں۔ پی سی مین پاور یا بڑی بیٹریوں پر چند گھنٹوں کے لیے چلتے ہیں، مائیکرو کنٹرولرز چھوٹی بیٹریوں پر دن، مہینے، یا حتیٰ کہ سالوں تک چل سکتے ہیں۔ مائیکرو کنٹرولرز میں ایسے کورز بھی ہو سکتے ہیں جو مختلف رفتار سے چلتے ہیں، جب سی پی یو پر لوڈ کم ہو تو کم توانائی والے کورز پر سوئچ کر کے توانائی کی کھپت کو کم کرتے ہیں۔
+
+> 💁 کچھ پی سی اور میک بھی تیز ہائی پاور کورز اور سست کم پاور کورز کے اسی امتزاج کو اپناتے ہیں، بیٹری بچانے کے لیے سوئچ کرتے ہیں۔ مثال کے طور پر، ایپل کے تازہ ترین لی
+🎓 پروگرام میموری آپ کا کوڈ محفوظ کرتی ہے اور بجلی نہ ہونے پر بھی برقرار رہتی ہے۔
+🎓 رام آپ کے پروگرام کو چلانے کے لیے استعمال ہوتی ہے اور بجلی نہ ہونے پر ری سیٹ ہو جاتی ہے۔
+
+مائیکرو کنٹرولر میں میموری، سی پی یو کی طرح، پی سی یا میک کے مقابلے میں بہت کم ہوتی ہے۔ ایک عام پی سی میں 8 گیگا بائٹس (GB) کی رام ہو سکتی ہے، یعنی 8,000,000,000 بائٹس، جہاں ہر بائٹ ایک حرف یا 0-255 کے درمیان ایک نمبر ذخیرہ کرنے کے لیے کافی جگہ فراہم کرتی ہے۔ ایک مائیکرو کنٹرولر میں صرف کلو بائٹس (KB) کی رام ہوتی ہے، جہاں ایک کلو بائٹ 1,000 بائٹس کے برابر ہوتی ہے۔ اوپر ذکر کردہ Wio ٹرمینل میں 192KB کی رام ہے، یعنی 192,000 بائٹس - ایک عام پی سی کے مقابلے میں 40,000 گنا کم!
+
+نیچے دیا گیا خاکہ 192KB اور 8GB کے درمیان سائز کے فرق کو ظاہر کرتا ہے - مرکز میں چھوٹا نقطہ 192KB کی نمائندگی کرتا ہے۔
+
+![192KB اور 8GB کے درمیان موازنہ - 40,000 گنا بڑا](../../../../../translated_images/ram-comparison.6beb73541b42ac6ffde64cdf79fc925a84b932ce7ebd4d41d5fd7afc1257a696.ur.png)
+
+پروگرام اسٹوریج بھی پی سی کے مقابلے میں چھوٹی ہوتی ہے۔ ایک عام پی سی میں پروگرام اسٹوریج کے لیے 500GB کی ہارڈ ڈرائیو ہو سکتی ہے، جبکہ ایک مائیکرو کنٹرولر میں صرف کلو بائٹس یا شاید چند میگا بائٹس (MB) کی اسٹوریج ہوتی ہے (1MB = 1,000KB = 1,000,000 بائٹس)۔ Wio ٹرمینل میں 4MB کی پروگرام اسٹوریج ہے۔
+
+✅ تھوڑی تحقیق کریں: آپ جس کمپیوٹر پر یہ پڑھ رہے ہیں، اس میں کتنی رام اور اسٹوریج ہے؟ یہ مائیکرو کنٹرولر کے مقابلے میں کیسا ہے؟
+
+### ان پٹ/آؤٹ پٹ
+
+مائیکرو کنٹرولرز کو سینسرز سے ڈیٹا پڑھنے اور ایکچیویٹرز کو کنٹرول سگنلز بھیجنے کے لیے ان پٹ اور آؤٹ پٹ (I/O) کنکشنز کی ضرورت ہوتی ہے۔ ان میں عام طور پر کئی جنرل پرپز ان پٹ/آؤٹ پٹ (GPIO) پنز شامل ہوتے ہیں۔ ان پنز کو سافٹ ویئر میں ان پٹ (یعنی وہ سگنل وصول کرتے ہیں) یا آؤٹ پٹ (یعنی وہ سگنل بھیجتے ہیں) کے طور پر ترتیب دیا جا سکتا ہے۔
+
+🧠⬅️ ان پٹ پنز سینسرز سے ویلیوز پڑھنے کے لیے استعمال ہوتے ہیں۔
+
+🧠➡️ آؤٹ پٹ پنز ایکچیویٹرز کو ہدایات بھیجتے ہیں۔
+
+✅ آپ اس کے بارے میں مزید ایک آئندہ سبق میں سیکھیں گے۔
+
+#### کام
+
+Wio ٹرمینل کی تحقیق کریں۔
+
+اگر آپ ان اسباق کے لیے Wio ٹرمینل استعمال کر رہے ہیں، تو GPIO پنز تلاش کریں۔ [Wio ٹرمینل پروڈکٹ پیج](https://www.seeedstudio.com/Wio-Terminal-p-4509.html) کے *Pinout diagram* سیکشن کو دیکھیں تاکہ معلوم ہو سکے کہ کون سے پنز کس کے لیے ہیں۔ Wio ٹرمینل کے ساتھ ایک اسٹیکر آتا ہے جسے آپ پن نمبرز کے ساتھ پیچھے لگا سکتے ہیں، لہذا اگر آپ نے ابھی تک نہیں لگایا تو اسے لگا لیں۔
+
+### جسمانی سائز
+
+مائیکرو کنٹرولرز عام طور پر چھوٹے سائز کے ہوتے ہیں، سب سے چھوٹا [Freescale Kinetis KL03 MCU](https://www.edn.com/tiny-arm-cortex-m0-based-mcu-shrinks-package/) اتنا چھوٹا ہے کہ گالف بال کے گڑھے میں سما سکتا ہے۔ ایک پی سی کا سی پی یو 40mm x 40mm کا ہو سکتا ہے، اور یہ ہیٹ سنکس اور فینز کو شامل کیے بغیر ہے جو سی پی یو کو زیادہ گرم ہونے سے بچانے کے لیے ضروری ہیں، جو کہ ایک مکمل مائیکرو کنٹرولر سے کافی بڑا ہے۔ Wio ٹرمینل ڈویلپر کٹ، جس میں مائیکرو کنٹرولر، کیس، اسکرین اور مختلف کنکشنز اور اجزاء شامل ہیں، ایک خالی Intel i9 CPU سے زیادہ بڑا نہیں ہے، اور ہیٹ سنک اور فین کے ساتھ سی پی یو سے کافی چھوٹا ہے۔
+
+| ڈیوائس                          | سائز                  |
+| ------------------------------- | --------------------- |
+| Freescale Kinetis KL03          | 1.6mm x 2mm x 1mm     |
+| Wio ٹرمینل                     | 72mm x 57mm x 12mm    |
+| Intel i9 CPU، ہیٹ سنک اور فین  | 136mm x 145mm x 103mm |
+
+### فریم ورک اور آپریٹنگ سسٹمز
+
+کم رفتار اور میموری سائز کی وجہ سے، مائیکرو کنٹرولرز ایک آپریٹنگ سسٹم (OS) نہیں چلاتے جیسا کہ ڈیسک ٹاپ کمپیوٹرز میں ہوتا ہے۔ آپریٹنگ سسٹم جو آپ کے کمپیوٹر کو چلانے کے لیے ضروری ہے (Windows، Linux یا macOS) بہت زیادہ میموری اور پروسیسنگ پاور کی ضرورت ہوتی ہے تاکہ وہ کام انجام دے سکیں جو مائیکرو کنٹرولر کے لیے بالکل غیر ضروری ہیں۔ یاد رکھیں کہ مائیکرو کنٹرولرز عام طور پر ایک یا زیادہ مخصوص کام انجام دینے کے لیے پروگرام کیے جاتے ہیں، جبکہ ایک عام مقصد کے کمپیوٹر جیسے پی سی یا میک کو صارف انٹرفیس، موسیقی یا فلمیں چلانے، دستاویزات یا کوڈ لکھنے کے ٹولز فراہم کرنے، گیمز کھیلنے، یا انٹرنیٹ براؤز کرنے کی ضرورت ہوتی ہے۔
+
+مائیکرو کنٹرولر کو بغیر OS کے پروگرام کرنے کے لیے آپ کو کچھ ٹولنگ کی ضرورت ہوتی ہے تاکہ آپ اپنا کوڈ اس طرح بنا سکیں کہ مائیکرو کنٹرولر اسے چلا سکے، اور APIs استعمال کر سکیں جو کسی بھی پیریفرلز سے بات کر سکیں۔ ہر مائیکرو کنٹرولر مختلف ہوتا ہے، لہذا مینوفیکچررز عام طور پر معیاری فریم ورک فراہم کرتے ہیں جو آپ کو ایک معیاری 'ریسپی' کے مطابق اپنا کوڈ بنانے اور اسے کسی بھی مائیکرو کنٹرولر پر چلانے کی اجازت دیتے ہیں جو اس فریم ورک کو سپورٹ کرتا ہے۔
+
+آپ مائیکرو کنٹرولرز کو OS کے ساتھ پروگرام کر سکتے ہیں - جنہیں اکثر ریئل ٹائم آپریٹنگ سسٹم (RTOS) کہا جاتا ہے، کیونکہ یہ پیریفرلز کو حقیقی وقت میں ڈیٹا بھیجنے اور وصول کرنے کے لیے ڈیزائن کیے گئے ہیں۔ یہ آپریٹنگ سسٹمز بہت ہلکے ہوتے ہیں اور درج ذیل خصوصیات فراہم کرتے ہیں:
+
+* ملٹی تھریڈنگ، جو آپ کے کوڈ کو ایک ہی وقت میں ایک سے زیادہ بلاک چلانے کی اجازت دیتا ہے، چاہے وہ ایک سے زیادہ کورز پر ہو یا ایک کور پر باری باری۔
+* نیٹ ورکنگ، جو انٹرنیٹ پر محفوظ طریقے سے بات چیت کرنے کی اجازت دیتی ہے۔
+* گرافیکل یوزر انٹرفیس (GUI) کے اجزاء، جو اسکرین والے ڈیوائسز پر یوزر انٹرفیس (UI) بنانے کے لیے استعمال ہوتے ہیں۔
+
+✅ مختلف RTOS کے بارے میں پڑھیں: [Azure RTOS](https://azure.microsoft.com/services/rtos/?WT.mc_id=academic-17441-jabenn)، [FreeRTOS](https://www.freertos.org)، [Zephyr](https://www.zephyrproject.org)
+
+#### Arduino
+
+![Arduino کا لوگو](../../../../../images/arduino-logo.svg)
+
+[Arduino](https://www.arduino.cc) شاید سب سے زیادہ مشہور مائیکرو کنٹرولر فریم ورک ہے، خاص طور پر طلباء، شوقین افراد اور میکرز کے درمیان۔ Arduino ایک اوپن سورس الیکٹرانکس پلیٹ فارم ہے جو سافٹ ویئر اور ہارڈویئر کو یکجا کرتا ہے۔ آپ Arduino کے موافق بورڈز Arduino سے یا دیگر مینوفیکچررز سے خرید سکتے ہیں، پھر Arduino فریم ورک کا استعمال کرتے ہوئے کوڈ کر سکتے ہیں۔
+
+Arduino بورڈز کو C یا C++ میں کوڈ کیا جاتا ہے۔ C/C++ کا استعمال آپ کے کوڈ کو بہت چھوٹا اور تیز چلانے کی اجازت دیتا ہے، جو کہ مائیکرو کنٹرولر جیسے محدود ڈیوائس پر ضروری ہے۔ Arduino ایپلیکیشن کا بنیادی حصہ ایک اسکیچ کہلاتا ہے اور یہ C/C++ کوڈ ہوتا ہے جس میں 2 فنکشنز ہوتے ہیں - `setup` اور `loop`۔ جب بورڈ شروع ہوتا ہے، Arduino فریم ورک کوڈ `setup` فنکشن کو ایک بار چلاتا ہے، پھر `loop` فنکشن کو بار بار چلاتا ہے، اسے مسلسل چلاتا رہتا ہے جب تک کہ پاور بند نہ ہو جائے۔
+
+آپ اپنے `setup` کوڈ کو `setup` فنکشن میں لکھیں گے، جیسے WiFi اور کلاؤڈ سروسز سے کنیکٹ کرنا یا ان پٹ اور آؤٹ پٹ کے لیے پنز کو انیشیلائز کرنا۔ آپ کا `loop` کوڈ پھر پروسیسنگ کوڈ پر مشتمل ہوگا، جیسے سینسر سے پڑھنا اور ویلیو کو کلاؤڈ پر بھیجنا۔ آپ عام طور پر ہر لوپ میں ایک ڈیلے شامل کریں گے، مثال کے طور پر، اگر آپ چاہتے ہیں کہ سینسر ڈیٹا ہر 10 سیکنڈ میں بھیجا جائے تو آپ لوپ کے آخر میں 10 سیکنڈ کا ڈیلے شامل کریں گے تاکہ مائیکرو کنٹرولر پاور بچا سکے، پھر 10 سیکنڈ بعد دوبارہ لوپ چلائے۔
+
+![Arduino اسکیچ پہلے `setup` چلاتا ہے، پھر `loop` کو بار بار چلاتا ہے](../../../../../translated_images/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.ur.png)
+
+✅ اس پروگرام آرکیٹیکچر کو *ایونٹ لوپ* یا *میسج لوپ* کہا جاتا ہے۔ بہت سی ایپلیکیشنز اس کو اندرونی طور پر استعمال کرتی ہیں اور یہ زیادہ تر ڈیسک ٹاپ ایپلیکیشنز کے لیے معیاری ہے جو OS جیسے Windows، macOS یا Linux پر چلتی ہیں۔ `loop` یوزر انٹرفیس کے اجزاء جیسے بٹن یا ڈیوائسز جیسے کی بورڈ سے میسجز سنتا ہے اور ان کا جواب دیتا ہے۔ آپ اس کے بارے میں مزید [ایونٹ لوپ پر ویکیپیڈیا کے آرٹیکل](https://wikipedia.org/wiki/Event_loop) میں پڑھ سکتے ہیں۔
+
+Arduino مائیکرو کنٹرولرز اور I/O پنز کے ساتھ تعامل کے لیے معیاری لائبریریاں فراہم کرتا ہے، مختلف مائیکرو کنٹرولرز پر چلانے کے لیے مختلف امپلیمنٹیشنز کے ساتھ۔ مثال کے طور پر، [`delay` فنکشن](https://www.arduino.cc/reference/en/language/functions/time/delay/) پروگرام کو دی گئی مدت کے لیے روک دے گا، [`digitalRead` فنکشن](https://www.arduino.cc/reference/en/language/functions/digital-io/digitalread/) دیے گئے پن سے `HIGH` یا `LOW` ویلیو پڑھے گا، چاہے کوڈ کس بورڈ پر چلایا جائے۔ یہ معیاری لائبریریاں اس بات کو یقینی بناتی ہیں کہ Arduino کوڈ جو ایک بورڈ کے لیے لکھا گیا ہے، کسی دوسرے Arduino بورڈ کے لیے دوبارہ کمپائل کیا جا سکتا ہے اور چلایا جا سکتا ہے، بشرطیکہ پنز ایک جیسے ہوں اور بورڈز ایک جیسے فیچرز کو سپورٹ کریں۔
+
+Arduino کے لیے تھرڈ پارٹی لائبریریوں کا ایک بڑا ایکو سسٹم موجود ہے جو آپ کو اپنے Arduino پروجیکٹس میں اضافی فیچرز شامل کرنے کی اجازت دیتا ہے، جیسے سینسرز اور ایکچیویٹرز کا استعمال یا کلاؤڈ IoT سروسز سے کنیکٹ کرنا۔
+
+##### کام
+
+Wio ٹرمینل کی تحقیق کریں۔
+
+اگر آپ ان اسباق کے لیے Wio ٹرمینل استعمال کر رہے ہیں، تو پچھلے سبق میں لکھا گیا کوڈ دوبارہ پڑھیں۔ `setup` اور `loop` فنکشن تلاش کریں۔ سیریل آؤٹ پٹ کی نگرانی کریں تاکہ یہ دیکھ سکیں کہ `loop` فنکشن بار بار چلایا جا رہا ہے۔ `setup` فنکشن میں سیریل پورٹ پر لکھنے کے لیے کوڈ شامل کرنے کی کوشش کریں اور مشاہدہ کریں کہ یہ کوڈ ہر بار جب آپ ڈیوائس کو ریبوٹ کرتے ہیں، صرف ایک بار چلایا جاتا ہے۔ ڈیوائس کو سائیڈ پر پاور سوئچ کے ساتھ ریبوٹ کرنے کی کوشش کریں تاکہ یہ ظاہر ہو کہ یہ ہر بار ڈیوائس ریبوٹ ہونے پر چلایا جاتا ہے۔
+
+## سنگل بورڈ کمپیوٹرز میں گہری نظر
+
+پچھلے سبق میں، ہم نے سنگل بورڈ کمپیوٹرز کا تعارف دیا۔ آئیے اب ان پر مزید گہرائی سے نظر ڈالیں۔
+
+### Raspberry Pi
+
+![Raspberry Pi کا لوگو](../../../../../translated_images/raspberry-pi-logo.4efaa16605cee05489d8fa53941e991b3757aa24c20a95abdcf8cfd761953596.ur.png)
+
+[Raspberry Pi فاؤنڈیشن](https://www.raspberrypi.org) ایک برطانوی چیریٹی ہے جو 2009 میں کمپیوٹر سائنس کے مطالعے کو فروغ دینے کے لیے قائم کی گئی، خاص طور پر اسکول کی سطح پر۔ اس مشن کے حصے کے طور پر، انہوں نے ایک سنگل بورڈ کمپیوٹر تیار کیا، جسے Raspberry Pi کہا جاتا ہے۔ Raspberry Pis فی الحال 3 اقسام میں دستیاب ہیں - ایک مکمل سائز ورژن، چھوٹا Pi Zero، اور ایک کمپیوٹ ماڈیول جو آپ کے حتمی IoT ڈیوائس میں بنایا جا سکتا ہے۔
+
+![Raspberry Pi 4](../../../../../translated_images/raspberry-pi-4.fd4590d308c3d456db1327e86b395ddcd735513267aafd4879ea2785f7792eac.ur.jpg)
+
+مکمل سائز Raspberry Pi کا تازہ ترین ورژن Raspberry Pi 4B ہے۔ اس میں 1.5GHz پر چلنے والا کوئڈ کور (4 کور) CPU، 2، 4، یا 8GB کی رام، گیگابٹ ایتھرنیٹ، WiFi، 2 HDMI پورٹس جو 4k اسکرینز کو سپورٹ کرتے ہیں، ایک آڈیو اور کمپوزٹ ویڈیو آؤٹ پٹ پورٹ، USB پورٹس (2 USB 2.0، 2 USB 3.0)، 40 GPIO پنز، Raspberry Pi کیمرہ ماڈیول کے لیے ایک کیمرہ کنیکٹر، اور ایک SD کارڈ سلاٹ شامل ہے۔ یہ سب کچھ ایک بورڈ پر ہے جو 88mm x 58mm x 19.5mm ہے اور 3A USB-C پاور سپلائی سے چلتا ہے۔ یہ US$35 سے شروع ہوتا ہے، جو کہ ایک پی سی یا میک کے مقابلے میں بہت سستا ہے۔
+
+> 💁 ایک Pi400 آل ان ون کمپیوٹر بھی ہے جس میں Pi4 ایک کی بورڈ میں شامل ہے۔
+
+![Raspberry Pi Zero](../../../../../translated_images/raspberry-pi-zero.f7a4133e1e7d54bb3dbb32319b217a53c5b94871995a54647f2894b54206b8d8.ur.jpg)
+
+Pi Zero بہت چھوٹا ہے، اور کم طاقتور ہے۔ اس میں ایک سنگل کور 1GHz CPU، 512MB کی رام، WiFi (Zero W ماڈل میں)، ایک سنگل HDMI پورٹ، ایک مائیکرو USB پورٹ، 40 GPIO پنز، Raspberry Pi کیمرہ ماڈیول کے لیے ایک کیمرہ کنیکٹر، اور ایک SD کارڈ سلاٹ شامل ہے۔ اس کا سائز 65mm x 30mm x 5mm ہے، اور یہ بہت کم پاور استعمال کرتا ہے۔ Zero US$5 ہے، جبکہ WiFi والا W ورژن US$10 ہے۔
+
+> 🎓 دونوں میں موجود CPUs ARM پروسیسرز ہیں، جو کہ Intel/AMD x86 یا x64 پروسیسرز سے مختلف ہیں جو زیادہ تر PCs اور Macs میں پائے جاتے ہیں۔ یہ ان CPUs سے ملتے جلتے ہیں جو کچھ مائیکرو کنٹرولرز میں، تقریباً تمام موبائل فونز میں، Microsoft Surface X میں، اور نئے Apple Silicon پر مبنی Apple Macs میں پائے جاتے ہیں۔
+
+Raspberry Pi کے تمام ورژنز Debian Linux کا ایک ورژن چلاتے ہیں جسے Raspberry Pi OS کہا جاتا ہے۔ یہ ایک لائٹ ورژن کے طور پر دستیاب ہے جس میں کوئی ڈیسک ٹاپ نہیں ہے، جو 'ہیڈ لیس' پروجیکٹس کے لیے بہترین ہے جہاں آپ کو اسکرین کی ضرورت نہیں ہوتی، یا ایک مکمل ورژن کے طور پر دستیاب ہے جس میں مکمل ڈیسک ٹاپ ماحول شامل ہے، جس میں ویب براؤزر، آفس ایپلیکیشنز، کوڈنگ ٹولز اور گیمز شامل ہیں۔ چونکہ OS Debian Linux کا ایک ورژن ہے، آپ کوئی بھی ایپلیکیشن یا ٹول انسٹال کر سکتے ہیں جو Debian پر چلتا ہے اور Pi کے اندر موجود ARM پروسیسر کے لیے بنایا گیا ہے۔
+
+#### کام
+
+Raspberry Pi کی تحقیق کریں۔
+
+اگر آپ ان اسباق کے لیے Raspberry Pi استعمال کر رہے ہیں، تو بورڈ پر موجود مختلف ہارڈویئر اجزاء کے بارے میں پڑھیں۔
+
+* آپ [Raspberry Pi ہارڈویئر ڈاکیومینٹیشن پیج](https://www.raspberrypi.org/documentation/hardware/raspberrypi/) پر پروسیسرز کے بارے میں تفصیلات حاصل کر سکتے ہیں۔ اس Pi کے پروسیسر کے بارے میں پڑھیں جسے آپ استعمال کر رہے ہیں۔
+* GPIO پنز کو تلاش کریں۔ ان کے بارے میں مزید پڑھیں [Raspberry Pi GPIO ڈاکیومینٹیشن](https://www.raspberrypi.org/documentation/hardware/raspberrypi/gpio/README.md) پر۔ [GPIO پن استعمال گائیڈ](https://www.raspberrypi.org/documentation/usage/gpio/README.md) کا استعمال کریں تاکہ اپنے Pi پر مختلف پنز کی شناخت کر سکیں۔
+
+### سنگل بورڈ کمپیوٹرز کی پروگرامنگ
+
+سنگل بورڈ کمپیوٹرز مکمل کمپیوٹرز ہیں، جو مکمل OS چلاتے ہیں۔ اس کا مطلب ہے کہ آپ انہیں کوڈ کرنے کے لیے پروگرامنگ زبانوں، فریم ورکز اور ٹولز کی ایک وسیع رینج استعمال کر سکتے ہیں، برخلاف مائیکرو کنٹرولرز جو Arduino جیسے فریم ورکز میں بورڈ کی سپورٹ پر انحصار کرتے
+### پیشہ ورانہ آئی او ٹی منصوبوں میں سنگل بورڈ کمپیوٹرز کا استعمال
+
+سنگل بورڈ کمپیوٹرز صرف ڈویلپر کٹس کے طور پر نہیں بلکہ پیشہ ورانہ آئی او ٹی منصوبوں میں بھی استعمال کیے جاتے ہیں۔ یہ ہارڈویئر کو کنٹرول کرنے اور پیچیدہ کاموں کو انجام دینے، جیسے مشین لرننگ ماڈلز چلانے، کے لیے ایک طاقتور طریقہ فراہم کر سکتے ہیں۔ مثال کے طور پر، [Raspberry Pi 4 compute module](https://www.raspberrypi.org/blog/raspberry-pi-compute-module-4/) موجود ہے جو Raspberry Pi 4 کی تمام طاقت فراہم کرتا ہے لیکن ایک کمپیکٹ اور سستی شکل میں، جس میں زیادہ تر پورٹس شامل نہیں ہیں، اور اسے کسٹم ہارڈویئر میں نصب کرنے کے لیے ڈیزائن کیا گیا ہے۔
+
+---
+
+## 🚀 چیلنج
+
+پچھلے سبق میں چیلنج یہ تھا کہ آپ اپنے گھر، اسکول یا کام کی جگہ میں موجود زیادہ سے زیادہ آئی او ٹی ڈیوائسز کی فہرست بنائیں۔ اس فہرست میں موجود ہر ڈیوائس کے بارے میں سوچیں کہ آیا وہ مائیکرو کنٹرولرز، سنگل بورڈ کمپیوٹرز، یا دونوں کے امتزاج پر مبنی ہیں؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/4)
+
+## جائزہ اور خود مطالعہ
+
+* Arduino پلیٹ فارم کے بارے میں مزید سمجھنے کے لیے [Arduino getting started guide](https://www.arduino.cc/en/Guide/Introduction) پڑھیں۔
+* Raspberry Pis کے بارے میں مزید جاننے کے لیے [introduction to the Raspberry Pi 4](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/) پڑھیں۔
+* کچھ تصورات اور مخففات کے بارے میں مزید جاننے کے لیے [What the FAQ are CPUs, MPUs, MCUs, and GPUs article in the Electrical Engineering Journal](https://www.eejournal.com/article/what-the-faq-are-cpus-mpus-mcus-and-gpus/) پڑھیں۔
+
+✅ ان گائیڈز کا استعمال کریں، ساتھ ہی [hardware guide](../../../hardware.md) میں دیے گئے لنکس کے ذریعے دکھائی گئی قیمتوں کو دیکھیں تاکہ فیصلہ کریں کہ آپ کون سا ہارڈویئر پلیٹ فارم استعمال کرنا چاہتے ہیں، یا آپ ورچوئل ڈیوائس کو ترجیح دیں گے۔
+
+## اسائنمنٹ
+
+[مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کا موازنہ اور تضاد کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/2-deeper-dive/assignment.md b/translations/ur/1-getting-started/lessons/2-deeper-dive/assignment.md
new file mode 100644
index 00000000..04092dc0
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/2-deeper-dive/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "750bd75866471141f857240219084767",
+  "translation_date": "2025-08-26T23:50:44+00:00",
+  "source_file": "1-getting-started/lessons/2-deeper-dive/assignment.md",
+  "language_code": "ur"
+}
+-->
+# مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کا موازنہ اور تضاد
+
+## ہدایات
+
+اس سبق میں مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کا احاطہ کیا گیا۔ ایک جدول بنائیں جو ان کا موازنہ اور تضاد کرے، اور کم از کم 2 وجوہات نوٹ کریں کہ آپ مائیکرو کنٹرولر کو سنگل بورڈ کمپیوٹر پر کیوں ترجیح دیں گے، اور کم از کم 2 وجوہات کہ آپ سنگل بورڈ کمپیوٹر کو مائیکرو کنٹرولر پر کیوں ترجیح دیں گے۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کا موازنہ کرنے کے لیے جدول بنائیں | ایک فہرست بنائی جس میں کئی اشیاء کو درست طریقے سے موازنہ اور تضاد کیا گیا | ایک فہرست بنائی جس میں صرف چند اشیاء شامل تھیں | صرف ایک شے یا کوئی شے موازنہ اور تضاد کے لیے پیش نہ کر سکا |
+| ایک کو دوسرے پر استعمال کرنے کی وجوہات | مائیکرو کنٹرولرز کے لیے 2 یا اس سے زیادہ وجوہات فراہم کرنے کے قابل تھا، اور سنگل بورڈ کمپیوٹرز کے لیے بھی 2 یا اس سے زیادہ وجوہات فراہم کیں | مائیکرو کنٹرولر کے لیے صرف 1-2 وجوہات فراہم کرنے کے قابل تھا، اور سنگل بورڈ کمپیوٹر کے لیے بھی 1-2 وجوہات فراہم کیں | مائیکرو کنٹرولر یا سنگل بورڈ کمپیوٹر کے لیے 1 یا اس سے زیادہ وجوہات فراہم کرنے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md
new file mode 100644
index 00000000..c33628bf
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md
@@ -0,0 +1,220 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e9ee00eb5fc55922a73762acc542166b",
+  "translation_date": "2025-08-26T23:24:00+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/README.md",
+  "language_code": "ur"
+}
+-->
+# سینسرز اور ایکچوایٹرز کے ذریعے جسمانی دنیا کے ساتھ تعامل کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ سبق [ہیلو IoT سیریز](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) کے حصے کے طور پر [مائیکروسافٹ ری ایکٹر](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) سے پڑھایا گیا تھا۔ یہ سبق دو ویڈیوز میں پڑھایا گیا - ایک گھنٹے کا سبق اور ایک گھنٹے کا دفتر وقت جس میں سبق کے مختلف حصوں پر مزید تفصیل سے بات کی گئی اور سوالات کے جوابات دیے گئے۔
+
+[![سبق 3: سینسرز اور ایکچوایٹرز کے ذریعے جسمانی دنیا کے ساتھ تعامل کریں](https://img.youtube.com/vi/Lqalu1v6aF4/0.jpg)](https://youtu.be/Lqalu1v6aF4)
+
+[![سبق 3: سینسرز اور ایکچوایٹرز کے ذریعے جسمانی دنیا کے ساتھ تعامل کریں - دفتر وقت](https://img.youtube.com/vi/qR3ekcMlLWA/0.jpg)](https://youtu.be/qR3ekcMlLWA)
+
+> 🎥 ویڈیوز دیکھنے کے لیے اوپر دی گئی تصاویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/5)
+
+## تعارف
+
+یہ سبق آپ کے IoT ڈیوائس کے لیے دو اہم تصورات - سینسرز اور ایکچوایٹرز - کا تعارف کراتا ہے۔ آپ ان دونوں کے ساتھ عملی کام کریں گے، اپنے IoT پروجیکٹ میں ایک لائٹ سینسر شامل کریں گے، پھر روشنی کی سطحوں کے ذریعے کنٹرول ہونے والی LED شامل کریں گے، اور مؤثر طریقے سے ایک نائٹ لائٹ بنائیں گے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [سینسرز کیا ہیں؟](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [سینسر کا استعمال کریں](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [سینسر کی اقسام](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [ایکچوایٹرز کیا ہیں؟](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [ایکچوایٹر کا استعمال کریں](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+* [ایکچوایٹر کی اقسام](../../../../../1-getting-started/lessons/3-sensors-and-actuators)
+
+## سینسرز کیا ہیں؟
+
+سینسرز وہ ہارڈویئر ڈیوائسز ہیں جو جسمانی دنیا کو محسوس کرتے ہیں - یعنی وہ اپنے ارد گرد کی ایک یا زیادہ خصوصیات کو ماپتے ہیں اور معلومات IoT ڈیوائس کو بھیجتے ہیں۔ سینسرز کی ایک وسیع رینج ہوتی ہے کیونکہ بہت سی چیزیں ماپی جا سکتی ہیں، قدرتی خصوصیات جیسے ہوا کا درجہ حرارت سے لے کر جسمانی تعاملات جیسے حرکت۔
+
+کچھ عام سینسرز میں شامل ہیں:
+
+* درجہ حرارت کے سینسرز - یہ ہوا کے درجہ حرارت یا جس چیز میں یہ ڈوبے ہوئے ہیں اس کے درجہ حرارت کو محسوس کرتے ہیں۔ شوقیہ افراد اور ڈویلپرز کے لیے، یہ اکثر ہوا کے دباؤ اور نمی کے ساتھ ایک ہی سینسر میں شامل ہوتے ہیں۔
+* بٹن - یہ محسوس کرتے ہیں کہ کب دبایا گیا ہے۔
+* روشنی کے سینسرز - یہ روشنی کی سطحوں کا پتہ لگاتے ہیں اور مخصوص رنگوں، UV روشنی، IR روشنی، یا عمومی نظر آنے والی روشنی کے لیے ہو سکتے ہیں۔
+* کیمرے - یہ دنیا کی بصری نمائندگی کو محسوس کرتے ہیں، تصویر لینے یا ویڈیو اسٹریم کرنے کے ذریعے۔
+* ایکسیلرومیٹرز - یہ کئی سمتوں میں حرکت کو محسوس کرتے ہیں۔
+* مائیکروفونز - یہ آواز کو محسوس کرتے ہیں، یا تو عمومی آواز کی سطح یا سمت والی آواز۔
+
+✅ تحقیق کریں۔ آپ کے فون میں کون سے سینسرز ہیں؟
+
+تمام سینسرز میں ایک چیز مشترک ہے - وہ جو کچھ بھی محسوس کرتے ہیں اسے ایک برقی سگنل میں تبدیل کرتے ہیں جسے IoT ڈیوائس کے ذریعے سمجھا جا سکتا ہے۔ اس برقی سگنل کی تشریح سینسر اور IoT ڈیوائس کے ساتھ بات چیت کرنے کے لیے استعمال ہونے والے پروٹوکول پر منحصر ہے۔
+
+## سینسر کا استعمال کریں
+
+اپنے IoT ڈیوائس میں سینسر شامل کرنے کے لیے نیچے دی گئی متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-sensor.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-sensor.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-sensor.md)
+
+## سینسر کی اقسام
+
+سینسرز یا تو اینالاگ ہوتے ہیں یا ڈیجیٹل۔
+
+### اینالاگ سینسرز
+
+کچھ سب سے بنیادی سینسرز اینالاگ سینسرز ہوتے ہیں۔ یہ سینسرز IoT ڈیوائس سے وولٹیج وصول کرتے ہیں، سینسر کے اجزاء اس وولٹیج کو ایڈجسٹ کرتے ہیں، اور سینسر سے واپس آنے والے وولٹیج کو سینسر ویلیو دینے کے لیے ماپا جاتا ہے۔
+
+> 🎓 وولٹیج اس بات کا پیمانہ ہے کہ بجلی کو ایک جگہ سے دوسری جگہ منتقل کرنے کے لیے کتنا زور دیا جا رہا ہے، جیسے بیٹری کے مثبت ٹرمینل سے منفی ٹرمینل تک۔ مثال کے طور پر، ایک معیاری AA بیٹری 1.5V (V وولٹس کے لیے علامت ہے) ہے اور 1.5V کے زور سے بجلی کو اپنے مثبت ٹرمینل سے منفی ٹرمینل تک دھکیل سکتی ہے۔ مختلف برقی ہارڈویئر کو کام کرنے کے لیے مختلف وولٹیجز کی ضرورت ہوتی ہے، مثال کے طور پر، ایک LED 2-3V کے درمیان روشنی دے سکتا ہے، لیکن ایک 100W فلمنٹ بلب کو 240V کی ضرورت ہوگی۔ آپ وولٹیج کے بارے میں مزید معلومات [وولٹیج کے صفحے پر ویکیپیڈیا](https://wikipedia.org/wiki/Voltage) پر پڑھ سکتے ہیں۔
+
+ایک مثال پوٹینشیومیٹر ہے۔ یہ ایک ڈائل ہے جسے آپ دو پوزیشنوں کے درمیان گھما سکتے ہیں اور سینسر گردش کو ماپتا ہے۔
+
+![ایک پوٹینشیومیٹر جو درمیانی نقطہ پر سیٹ ہے، 5 وولٹ بھیج رہا ہے اور 3.8 وولٹ واپس کر رہا ہے](../../../../../translated_images/potentiometer.35a348b9ce22f6ec1199ad37d68692d04185456ccbc2541a454bb6698be9f19c.ur.png)
+
+IoT ڈیوائس پوٹینشیومیٹر کو ایک برقی سگنل ایک وولٹیج پر بھیجے گا، جیسے 5 وولٹ (5V)۔ جیسے جیسے پوٹینشیومیٹر ایڈجسٹ ہوتا ہے، یہ دوسری طرف سے نکلنے والے وولٹیج کو تبدیل کرتا ہے۔ تصور کریں کہ آپ کے پاس ایک پوٹینشیومیٹر ہے جو ایک ڈائل کے طور پر لیبل کیا گیا ہے جو 0 سے [11](https://wikipedia.org/wiki/Up_to_eleven) تک جاتا ہے، جیسے ایمپلیفائر پر والیوم نوب۔ جب پوٹینشیومیٹر مکمل آف پوزیشن (0) میں ہوتا ہے تو 0V (0 وولٹ) باہر نکلے گا۔ جب یہ مکمل آن پوزیشن (11) میں ہوتا ہے تو 5V (5 وولٹ) باہر نکلے گا۔
+
+> 🎓 یہ ایک سادہ وضاحت ہے، اور آپ پوٹینشیومیٹرز اور متغیر ریزسٹرس کے بارے میں مزید معلومات [پوٹینشیومیٹر کے ویکیپیڈیا صفحے](https://wikipedia.org/wiki/Potentiometer) پر پڑھ سکتے ہیں۔
+
+سینسر سے نکلنے والے وولٹیج کو IoT ڈیوائس کے ذریعے پڑھا جاتا ہے، اور ڈیوائس اس پر ردعمل دے سکتی ہے۔ سینسر پر منحصر ہے، یہ وولٹیج ایک من مانی قدر ہو سکتی ہے یا ایک معیاری یونٹ سے مطابقت رکھ سکتی ہے۔ مثال کے طور پر، ایک اینالاگ درجہ حرارت سینسر جو [تھرمیسٹر](https://wikipedia.org/wiki/Thermistor) پر مبنی ہے، درجہ حرارت کے لحاظ سے اپنی مزاحمت کو تبدیل کرتا ہے۔ آؤٹ پٹ وولٹیج کو پھر کوڈ میں حسابات کے ذریعے کیلون میں درجہ حرارت میں تبدیل کیا جا سکتا ہے، اور اسی طرح °C یا °F میں۔
+
+✅ آپ کے خیال میں کیا ہوتا ہے اگر سینسر بھیجے گئے وولٹیج سے زیادہ وولٹیج واپس کرے (مثال کے طور پر کسی بیرونی پاور سپلائی سے)؟ ⛔️ اس کا تجربہ نہ کریں۔
+
+#### اینالاگ سے ڈیجیٹل تبدیلی
+
+IoT ڈیوائسز ڈیجیٹل ہوتی ہیں - وہ اینالاگ قدروں کے ساتھ کام نہیں کر سکتیں، وہ صرف 0s اور 1s کے ساتھ کام کرتی ہیں۔ اس کا مطلب ہے کہ اینالاگ سینسر کی قدروں کو ڈیجیٹل سگنل میں تبدیل کرنے کی ضرورت ہوتی ہے اس سے پہلے کہ وہ پروسیس ہو سکیں۔ بہت سے IoT ڈیوائسز میں اینالاگ سے ڈیجیٹل کنورٹرز (ADCs) ہوتے ہیں جو اینالاگ ان پٹس کو ان کی قدر کی ڈیجیٹل نمائندگی میں تبدیل کرتے ہیں۔ سینسرز کنیکٹر بورڈ کے ذریعے ADCs کے ساتھ بھی کام کر سکتے ہیں۔ مثال کے طور پر، Raspberry Pi کے ساتھ Seeed Grove ایکو سسٹم میں، اینالاگ سینسرز Pi کے GPIO پنز سے جڑے 'ہیٹ' کے مخصوص پورٹس سے جڑتے ہیں، اور یہ ہیٹ ایک ADC رکھتا ہے جو وولٹیج کو ڈیجیٹل سگنل میں تبدیل کرتا ہے جو Pi کے GPIO پنز سے بھیجا جا سکتا ہے۔
+
+تصور کریں کہ آپ کے پاس ایک اینالاگ لائٹ سینسر ہے جو 3.3V پر کام کر رہا ہے اور 1V کی قدر واپس کر رہا ہے۔ یہ 1V ڈیجیٹل دنیا میں کچھ معنی نہیں رکھتا، اس لیے اسے تبدیل کرنے کی ضرورت ہے۔ وولٹیج کو ایک پیمانے کا استعمال کرتے ہوئے اینالاگ قدر میں تبدیل کیا جائے گا جو ڈیوائس اور سینسر پر منحصر ہے۔ ایک مثال Seeed Grove لائٹ سینسر ہے جو 0 سے 1,023 تک قدریں دیتا ہے۔ اس سینسر کے لیے جو 3.3V پر چل رہا ہے، 1V آؤٹ پٹ 300 کی قدر ہوگی۔ ایک IoT ڈیوائس 300 کو اینالاگ قدر کے طور پر ہینڈل نہیں کر سکتی، اس لیے قدر کو `0000000100101100` میں تبدیل کیا جائے گا، Grove ہیٹ کے ذریعے 300 کی بائنری نمائندگی۔ یہ پھر IoT ڈیوائس کے ذریعے پروسیس کیا جائے گا۔
+
+✅ اگر آپ بائنری نہیں جانتے، تو تھوڑی تحقیق کریں کہ 0s اور 1s کے ذریعے نمبرز کیسے ظاہر کیے جاتے ہیں۔ [BBC Bitesize کا بائنری سبق](https://www.bbc.co.uk/bitesize/guides/zwsbwmn/revision/1) شروع کرنے کے لیے ایک بہترین جگہ ہے۔
+
+کوڈنگ کے نقطہ نظر سے، یہ سب عام طور پر سینسرز کے ساتھ آنے والی لائبریریوں کے ذریعے ہینڈل کیا جاتا ہے، اس لیے آپ کو خود اس تبدیلی کی فکر کرنے کی ضرورت نہیں ہوتی۔ Grove لائٹ سینسر کے لیے آپ Python لائبریری استعمال کریں گے اور `light` پراپرٹی کو کال کریں گے، یا Arduino لائبریری استعمال کریں گے اور `analogRead` کو کال کریں گے تاکہ 300 کی قدر حاصل کی جا سکے۔
+
+### ڈیجیٹل سینسرز
+
+ڈیجیٹل سینسرز، اینالاگ سینسرز کی طرح، برقی وولٹیج میں تبدیلیوں کے ذریعے اپنے ارد گرد کی دنیا کا پتہ لگاتے ہیں۔ فرق یہ ہے کہ وہ ڈیجیٹل سگنل آؤٹ پٹ کرتے ہیں، یا تو صرف دو حالتوں کو ماپ کر یا ایک بلٹ ان ADC کا استعمال کرتے ہوئے۔ ڈیجیٹل سینسرز زیادہ سے زیادہ عام ہو رہے ہیں تاکہ کنیکٹر بورڈ یا خود IoT ڈیوائس میں ADC استعمال کرنے کی ضرورت سے بچا جا سکے۔
+
+سب سے آسان ڈیجیٹل سینسر ایک بٹن یا سوئچ ہے۔ یہ ایک سینسر ہے جس کی دو حالتیں ہیں، آن یا آف۔
+
+![ایک بٹن کو 5 وولٹ بھیجے جا رہے ہیں۔ جب دبایا نہیں جاتا تو 0 وولٹ واپس آتے ہیں، جب دبایا جاتا ہے تو 5 وولٹ واپس آتے ہیں](../../../../../translated_images/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.ur.png)
+
+IoT ڈیوائسز کے پنز جیسے GPIO پنز اس سگنل کو براہ راست 0 یا 1 کے طور پر ماپ سکتے ہیں۔ اگر بھیجا گیا وولٹیج واپس آنے والے وولٹیج کے برابر ہے، تو پڑھی گئی قدر 1 ہے، ورنہ پڑھی گئی قدر 0 ہے۔ سگنل کو تبدیل کرنے کی ضرورت نہیں ہے، یہ صرف 1 یا 0 ہو سکتا ہے۔
+
+> 💁 وولٹیجز کبھی بھی بالکل درست نہیں ہوتے خاص طور پر کیونکہ سینسر کے اجزاء میں کچھ مزاحمت ہوتی ہے، اس لیے عام طور پر ایک رواداری ہوتی ہے۔ مثال کے طور پر، Raspberry Pi کے GPIO پنز 3.3V پر کام کرتے ہیں، اور 1.8V سے اوپر کے ریٹرن سگنل کو 1 کے طور پر پڑھتے ہیں، 1.8V سے نیچے کے سگنل کو 0 کے طور پر۔
+
+* 3.3V بٹن میں جاتا ہے۔ بٹن آف ہے اس لیے 0V باہر آتا ہے، قدر 0 دیتی ہے۔
+* 3.3V بٹن میں جاتا ہے۔ بٹن آن ہے اس لیے 3.3V باہر آتا ہے، قدر 1 دیتی ہے۔
+
+زیادہ جدید ڈیجیٹل سینسرز اینالاگ قدروں کو پڑھتے ہیں، پھر انہیں بلٹ ان ADCs کے ذریعے ڈیجیٹل سگنلز میں تبدیل کرتے ہیں۔ مثال کے طور پر، ایک ڈیجیٹل درجہ حرارت سینسر اب بھی تھرموکوپل کا استعمال کرے گا جیسے اینالاگ سینسر، اور اب بھی موجودہ درجہ حرارت پر تھرموکوپل کی مزاحمت کی وجہ سے وولٹیج میں تبدیلی کو ماپے گا۔ اینالاگ قدر واپس کرنے اور ڈیوائس یا کنیکٹر بورڈ پر ڈیجیٹل سگنل میں تبدیل ہونے پر انحصار کرنے کے بجائے، سینسر میں بلٹ ان ADC قدر کو تبدیل کرے گا اور اسے 0s اور 1s کی سیریز کے طور پر IoT ڈیوائس کو بھیجے گا۔ یہ 0s اور 1s اسی طرح بھیجے جاتے ہیں جیسے بٹن کے ڈیجیٹل سگنل کے لیے، جہاں 1 مکمل وولٹیج ہے اور 0 0V ہے۔
+
+![ایک ڈیجیٹل درجہ حرارت سینسر جو اینالاگ ریڈنگ کو بائنری ڈیٹا میں تبدیل کر رہا ہے، جہاں 0 0 وولٹ ہے اور 1 5 وولٹ ہے، اس سے پہلے کہ اسے IoT ڈیوائس کو بھیجا جائے](../../../../../translated_images/temperature-as-digital.85004491b977bae1129707df107c0b19fe6fc6374210e9027e04acb34a640c78.ur.png)
+
+ڈیجیٹل ڈیٹا بھیجنے سے سینسرز زیادہ پیچیدہ ہو سکتے ہیں اور زیادہ تفصیلی ڈیٹا بھیج سکتے ہیں، یہاں تک کہ محفوظ سینسرز کے لیے انکرپٹڈ ڈیٹا بھی۔ ایک مثال کیمرہ ہے۔ یہ ایک سینسر ہے جو ایک تصویر کو کیپچر کرتا ہے اور اسے ڈیجیٹل ڈیٹا کے طور پر بھیجتا ہے جس میں وہ تصویر شامل ہوتی ہے، عام طور پر JPEG جیسے کمپریسڈ فارمیٹ میں، تاکہ IoT ڈیوائس کے ذریعے پڑھا جا سکے۔ یہ ویڈیو کو اسٹریم بھی کر سکتا ہے، تصاویر کو کیپچر کر کے اور یا تو مکمل تصویر فریم بہ فریم بھیج کر یا کمپریسڈ ویڈیو اسٹریم بھیج کر۔
+
+## ایکچوایٹرز کیا ہیں؟
+
+ایکچوایٹرز سینسرز کے برعکس ہیں - وہ آپ کے IoT ڈیوائس سے برقی سگنل کو جسمانی دنیا کے ساتھ تعامل میں تبدیل کرتے ہیں جیسے روشنی یا آواز کا اخراج، یا موٹر کو حرکت دینا۔
+
+کچھ عام ایکچوایٹرز میں شامل ہیں:
+
+* LED - یہ آن ہونے پر روشنی خارج کرتے ہیں۔
+* اسپیکر - یہ سگنل کے مطابق آواز خارج کرتے ہیں، ایک بنیادی بززر سے لے کر ایک آڈیو اسپیکر تک جو موسیقی بجا سکتا ہے۔
+* اسٹیپر موٹر - یہ سگنل کو ایک مقررہ مقدار میں گردش میں تبدیل کرتے ہیں، جیسے ڈائل کو 90° گھمانا۔
+* ریلے - یہ سوئچز ہیں جو برقی سگنل کے ذریعے آن یا آف کیے جا سکتے ہیں۔ یہ IoT ڈیوائس سے چھوٹے وولٹیج کو بڑے وولٹیجز کو آن کرنے کی اجازت دیتے ہیں۔
+* اسکرینز - یہ زیادہ پیچیدہ ایکچوایٹرز ہیں اور ایک ملٹی-سیگمنٹ ڈسپلے پر معلومات دکھاتے ہیں۔ اسکرینز سادہ LED ڈسپلے سے لے کر ہائی ریزولوشن ویڈیو مانیٹرز تک مختلف ہوتی ہیں۔
+
+✅ تحقیق کریں۔ آپ کے فون میں کون سے ایکچوایٹرز ہیں؟
+
+## ایکچوایٹر کا استعمال کریں
+
+اپنے IoT ڈیوائس میں ایکچوایٹر شامل کرنے کے لیے نیچے دی گئی متعلقہ گائیڈ پر عمل کریں، جو سینسر کے ذریعے کنٹرول کیا جائے گا، تاکہ IoT نائٹ لائٹ بنائی جا سکے۔ یہ لائٹ سینسر سے روشنی کی سطحوں کو جمع کرے گا، اور ایکچوایٹر کے طور پر LED کا استعمال کرے گا تاکہ جب پتہ لگائی گئی روشنی کی سطح بہت کم ہو تو روشنی خارج کرے۔
+
+![اسائنمنٹ کا فلو چارٹ، روشنی کی سطحوں کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.ur.png)
+
+* [Arduino - Wio Terminal](wio-terminal-actuator.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-actuator.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل
+![کم وولٹیج پر مدھم روشنی اور زیادہ وولٹیج پر روشن روشنی](../../../../../translated_images/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.ur.png)
+
+جیسے سینسرز کے ساتھ ہوتا ہے، اصل IoT ڈیوائس ڈیجیٹل سگنلز پر کام کرتی ہے، نہ کہ اینالاگ پر۔ اس کا مطلب ہے کہ اینالاگ سگنل بھیجنے کے لیے، IoT ڈیوائس کو ڈیجیٹل سے اینالاگ کنورٹر (DAC) کی ضرورت ہوتی ہے، یا تو براہ راست IoT ڈیوائس پر یا کنیکٹر بورڈ پر۔ یہ IoT ڈیوائس کے 0s اور 1s کو اینالاگ وولٹیج میں تبدیل کرے گا جسے ایکچوایٹر استعمال کر سکتا ہے۔
+
+✅ آپ کے خیال میں کیا ہوگا اگر IoT ڈیوائس ایکچوایٹر کی برداشت سے زیادہ وولٹیج بھیجے؟
+⛔️ اس کو آزمانے کی کوشش نہ کریں۔
+
+#### پلس وِڈتھ موڈیولیشن
+
+IoT ڈیوائس سے ڈیجیٹل سگنلز کو اینالاگ سگنل میں تبدیل کرنے کا ایک اور طریقہ پلس وِڈتھ موڈیولیشن ہے۔ اس میں بہت سے چھوٹے ڈیجیٹل پلسز بھیجنا شامل ہوتا ہے جو اینالاگ سگنل کی طرح کام کرتے ہیں۔
+
+مثال کے طور پر، آپ PWM کا استعمال کر کے موٹر کی رفتار کو کنٹرول کر سکتے ہیں۔
+
+تصور کریں کہ آپ 5V سپلائی کے ساتھ ایک موٹر کو کنٹرول کر رہے ہیں۔ آپ اپنی موٹر کو ایک مختصر پلس بھیجتے ہیں، وولٹیج کو 0.02 سیکنڈ (0.02s) کے لیے 5V پر سوئچ کرتے ہیں۔ اس وقت میں آپ کی موٹر ایک دسویں گردش، یا 36° گھوم سکتی ہے۔ سگنل پھر 0.02 سیکنڈ (0.02s) کے لیے رک جاتا ہے، اور 0V کا کم سگنل بھیجتا ہے۔ ہر آن اور آف سائیکل 0.04 سیکنڈ تک جاری رہتا ہے۔ سائیکل پھر دہرایا جاتا ہے۔
+
+![پلس وِڈتھ موڈیولیشن کے ذریعے موٹر کی 150 RPM پر گردش](../../../../../translated_images/pwm-motor-150rpm.83347ac04ca38482bd120939b133803963c9c15ca9d8d484712a4bd92820f6a4.ur.png)
+
+اس کا مطلب ہے کہ ایک سیکنڈ میں آپ کے پاس 25 5V پلسز ہیں، ہر ایک 0.02s کا، جو موٹر کو گھماتے ہیں، اور ہر ایک کے بعد 0.02s کا وقفہ ہوتا ہے جس میں موٹر نہیں گھومتی۔ ہر پلس موٹر کو ایک دسویں گردش گھماتا ہے، یعنی موٹر ایک سیکنڈ میں 2.5 گردش مکمل کرتی ہے۔ آپ نے ڈیجیٹل سگنل کا استعمال کر کے موٹر کو 2.5 گردش فی سیکنڈ، یا 150 [ریوولوشنز پر منٹ](https://wikipedia.org/wiki/Revolutions_per_minute) (RPM) پر گھمایا۔
+
+```output
+25 pulses per second x 0.1 rotations per pulse = 2.5 rotations per second
+2.5 rotations per second x 60 seconds in a minute = 150rpm
+```
+
+> 🎓 جب PWM سگنل آدھے وقت کے لیے آن ہو اور آدھے وقت کے لیے آف ہو، تو اسے [50% ڈیوٹی سائیکل](https://wikipedia.org/wiki/Duty_cycle) کہا جاتا ہے۔ ڈیوٹی سائیکل اس وقت کی فیصد کے طور پر ماپا جاتا ہے جب سگنل آن حالت میں ہو، آف حالت کے مقابلے۔
+
+![پلس وِڈتھ موڈیولیشن کے ذریعے موٹر کی 75 RPM پر گردش](../../../../../translated_images/pwm-motor-75rpm.a5e4c939934b6e14fd9e98e4f2c9539d723da2b18f490eae0948dd044d18ff7e.ur.png)
+
+آپ پلسز کے سائز کو تبدیل کر کے موٹر کی رفتار کو تبدیل کر سکتے ہیں۔ مثال کے طور پر، اسی موٹر کے ساتھ آپ 0.04s کے سائیکل وقت کو برقرار رکھ سکتے ہیں، آن پلس کو آدھا کر کے 0.01s کر سکتے ہیں، اور آف پلس کو بڑھا کر 0.03s کر سکتے ہیں۔ آپ کے پاس فی سیکنڈ وہی تعداد میں پلسز (25) ہیں، لیکن ہر آن پلس کی لمبائی آدھی ہے۔ آدھی لمبائی کا پلس موٹر کو ایک بیسویں گردش گھماتا ہے، اور 25 پلسز فی سیکنڈ پر موٹر 1.25 گردش فی سیکنڈ یا 75 RPM مکمل کرے گی۔ ڈیجیٹل سگنل کی پلس رفتار کو تبدیل کر کے آپ نے اینالاگ موٹر کی رفتار کو آدھا کر دیا۔
+
+```output
+25 pulses per second x 0.05 rotations per pulse = 1.25 rotations per second
+1.25 rotations per second x 60 seconds in a minute = 75rpm
+```
+
+✅ آپ موٹر کی گردش کو ہموار کیسے رکھیں گے، خاص طور پر کم رفتار پر؟ کیا آپ لمبے وقفوں کے ساتھ کم تعداد میں لمبے پلسز استعمال کریں گے یا بہت مختصر وقفوں کے ساتھ بہت مختصر پلسز؟
+
+> 💁 کچھ سینسرز بھی اینالاگ سگنلز کو ڈیجیٹل سگنلز میں تبدیل کرنے کے لیے PWM استعمال کرتے ہیں۔
+
+> 🎓 آپ پلس وِڈتھ موڈیولیشن کے بارے میں مزید معلومات [ویکیپیڈیا کے پلس وِڈتھ موڈیولیشن صفحے](https://wikipedia.org/wiki/Pulse-width_modulation) پر پڑھ سکتے ہیں۔
+
+### ڈیجیٹل ایکچوایٹرز
+
+ڈیجیٹل ایکچوایٹرز، جیسے ڈیجیٹل سینسرز، یا تو دو حالتوں میں ہوتے ہیں جو ہائی یا لو وولٹیج کے ذریعے کنٹرول کیے جاتے ہیں یا ان میں DAC شامل ہوتا ہے جو ڈیجیٹل سگنل کو اینالاگ میں تبدیل کر سکتا ہے۔
+
+ایک سادہ ڈیجیٹل ایکچوایٹر LED ہے۔ جب ایک ڈیوائس 1 کا ڈیجیٹل سگنل بھیجتی ہے، تو ایک ہائی وولٹیج بھیجا جاتا ہے جو LED کو روشن کرتا ہے۔ جب 0 کا ڈیجیٹل سگنل بھیجا جاتا ہے، تو وولٹیج 0V پر گر جاتا ہے اور LED بند ہو جاتا ہے۔
+
+![ایک LED 0 وولٹ پر بند اور 5V پر روشن ہوتا ہے](../../../../../translated_images/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.ur.png)
+
+✅ آپ کون سے دوسرے سادہ 2-اسٹیٹ ایکچوایٹرز کے بارے میں سوچ سکتے ہیں؟ ایک مثال سولینائیڈ ہے، جو ایک الیکٹرو میگنیٹ ہے جو دروازے کی چٹخنی کو حرکت دے کر دروازے کو لاک/انلاک کرنے جیسے کام انجام دے سکتا ہے۔
+
+زیادہ جدید ڈیجیٹل ایکچوایٹرز، جیسے اسکرینز، ڈیجیٹل ڈیٹا کو مخصوص فارمیٹس میں بھیجنے کی ضرورت ہوتی ہے۔ وہ عام طور پر لائبریریوں کے ساتھ آتے ہیں جو انہیں کنٹرول کرنے کے لیے درست ڈیٹا بھیجنا آسان بناتی ہیں۔
+
+---
+
+## 🚀 چیلنج
+
+پچھلے دو اسباق میں چیلنج یہ تھا کہ آپ اپنے گھر، اسکول یا کام کی جگہ میں موجود زیادہ سے زیادہ IoT ڈیوائسز کی فہرست بنائیں اور فیصلہ کریں کہ آیا وہ مائیکرو کنٹرولرز یا سنگل بورڈ کمپیوٹرز پر مبنی ہیں، یا دونوں کا مرکب۔
+
+آپ نے جو بھی ڈیوائسز درج کی ہیں، ان سے کون سے سینسرز اور ایکچوایٹرز جڑے ہوئے ہیں؟ ان ڈیوائسز سے جڑے ہر سینسر اور ایکچوایٹر کا مقصد کیا ہے؟
+
+## لیکچر کے بعد کوئز
+
+[لیکچر کے بعد کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/6)
+
+## جائزہ اور خود مطالعہ
+
+* [ThingLearn](http://thinglearn.jenlooper.com/curriculum/) پر بجلی اور سرکٹس کے بارے میں پڑھیں۔
+* [Seeed Studios Temperature Sensors guide](https://www.seeedstudio.com/blog/2019/10/14/temperature-sensors-for-arduino-projects/) پر مختلف قسم کے درجہ حرارت سینسرز کے بارے میں پڑھیں۔
+* [ویکیپیڈیا LED صفحہ](https://wikipedia.org/wiki/Light-emitting_diode) پر LEDs کے بارے میں پڑھیں۔
+
+## اسائنمنٹ
+
+[سینسرز اور ایکچوایٹرز پر تحقیق کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/assignment.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
new file mode 100644
index 00000000..6c49e999
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c5a568320b1159394108544807895337",
+  "translation_date": "2025-08-26T23:26:06+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/assignment.md",
+  "language_code": "ur"
+}
+-->
+# سینسرز اور ایکچویٹرز پر تحقیق کریں
+
+## ہدایات
+
+اس سبق میں سینسرز اور ایکچویٹرز کا احاطہ کیا گیا۔ ایک سینسر اور ایک ایکچویٹر کی تحقیق کریں جو IoT ڈیولپمنٹ کٹ کے ساتھ استعمال ہو سکتے ہیں، اور ان کے بارے میں درج ذیل معلومات فراہم کریں:
+
+* یہ کیا کام کرتا ہے
+* اس کے اندر استعمال ہونے والی الیکٹرانکس/ہارڈویئر
+* یہ اینالاگ ہے یا ڈیجیٹل
+* ان پٹ یا پیمائش کی اکائیوں اور حد کیا ہے
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت ہے |
+| ------ | ------- | ------ | ------------------ |
+| سینسر کی وضاحت کریں | سینسر کی وضاحت کی گئی ہے اور اوپر دیے گئے تمام 4 حصوں کی تفصیلات شامل ہیں۔ | سینسر کی وضاحت کی گئی ہے، لیکن صرف 2-3 حصوں کی تفصیلات فراہم کی گئی ہیں۔ | سینسر کی وضاحت کی گئی ہے، لیکن صرف 1 حصے کی تفصیلات فراہم کی گئی ہیں۔ |
+| ایکچویٹر کی وضاحت کریں | ایکچویٹر کی وضاحت کی گئی ہے اور اوپر دیے گئے تمام 4 حصوں کی تفصیلات شامل ہیں۔ | ایکچویٹر کی وضاحت کی گئی ہے، لیکن صرف 2-3 حصوں کی تفصیلات فراہم کی گئی ہیں۔ | ایکچویٹر کی وضاحت کی گئی ہے، لیکن صرف 1 حصے کی تفصیلات فراہم کی گئی ہیں۔ |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
new file mode 100644
index 00000000..4c13897a
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4db8a3879a53490513571df2f6cf7641",
+  "translation_date": "2025-08-26T23:26:57+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md",
+  "language_code": "ur"
+}
+-->
+# رات کی روشنی بنائیں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنی راسپبیری پائی میں ایک ایل ای ڈی شامل کریں گے اور اسے رات کی روشنی بنانے کے لیے استعمال کریں گے۔
+
+## ہارڈویئر
+
+رات کی روشنی کو اب ایک ایکچیویٹر کی ضرورت ہے۔
+
+ایکچیویٹر ایک **ایل ای ڈی** ہے، ایک [لائٹ ایمیٹنگ ڈائیوڈ](https://wikipedia.org/wiki/Light-emitting_diode) جو کرنٹ گزرنے پر روشنی خارج کرتا ہے۔ یہ ایک ڈیجیٹل ایکچیویٹر ہے جس کے دو حالتیں ہیں، آن اور آف۔ 1 کی ویلیو بھیجنے سے ایل ای ڈی آن ہو جاتی ہے، اور 0 کی ویلیو بھیجنے سے یہ آف ہو جاتی ہے۔ ایل ای ڈی ایک بیرونی گروو ایکچیویٹر ہے اور اسے راسپبیری پائی پر گروو بیس ہیٹ سے جوڑنے کی ضرورت ہے۔
+
+رات کی روشنی کی منطق کا پسیوڈو کوڈ:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### ایل ای ڈی کو جوڑیں
+
+گروو ایل ای ڈی ایک ماڈیول کے طور پر آتی ہے جس میں مختلف رنگوں کی ایل ای ڈیز شامل ہوتی ہیں، جس سے آپ رنگ منتخب کر سکتے ہیں۔
+
+#### کام - ایل ای ڈی کو جوڑیں
+
+ایل ای ڈی کو جوڑیں۔
+
+![ایک گروو ایل ای ڈی](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ur.png)
+
+1. اپنی پسندیدہ ایل ای ڈی منتخب کریں اور اس کے پاؤں ایل ای ڈی ماڈیول کے دو سوراخوں میں ڈالیں۔
+
+    ایل ای ڈیز لائٹ ایمیٹنگ ڈائیوڈز ہیں، اور ڈائیوڈز ایسے الیکٹرانک آلات ہیں جو کرنٹ کو صرف ایک سمت میں لے جا سکتے ہیں۔ اس کا مطلب ہے کہ ایل ای ڈی کو صحیح سمت میں جوڑنا ضروری ہے، ورنہ یہ کام نہیں کرے گی۔
+
+    ایل ای ڈی کے ایک پاؤں کو مثبت پن کہا جاتا ہے، اور دوسرے کو منفی پن۔ ایل ای ڈی مکمل طور پر گول نہیں ہوتی اور ایک طرف سے تھوڑی سی چپٹی ہوتی ہے۔ چپٹی طرف منفی پن ہے۔ جب آپ ایل ای ڈی کو ماڈیول سے جوڑیں، تو یقینی بنائیں کہ گول طرف والا پن ماڈیول کے باہر **+** نشان والے ساکٹ سے جڑا ہوا ہے، اور چپٹی طرف والا پن ماڈیول کے درمیان کے قریب والے ساکٹ سے جڑا ہوا ہے۔
+
+1. ایل ای ڈی ماڈیول میں ایک گھومنے والا بٹن ہوتا ہے جو آپ کو روشنی کی شدت کو کنٹرول کرنے دیتا ہے۔ شروع میں اسے مکمل طور پر گھما کر اینٹی کلاک وائز کریں، ایک چھوٹے فلپس ہیڈ سکریو ڈرائیور کا استعمال کرتے ہوئے۔
+
+1. گروو کیبل کے ایک سرے کو ایل ای ڈی ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گی۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، گروو کیبل کے دوسرے سرے کو گروو بیس ہیٹ پر **D5** نشان والے ڈیجیٹل ساکٹ سے جوڑیں۔ یہ ساکٹ جی پی آئی او پنز کے ساتھ والی قطار میں بائیں سے دوسرا ہے۔
+
+![گروو ایل ای ڈی D5 ساکٹ سے جڑی ہوئی](../../../../../translated_images/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.ur.png)
+
+## رات کی روشنی کو پروگرام کریں
+
+اب رات کی روشنی کو گروو لائٹ سینسر اور گروو ایل ای ڈی کا استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔
+
+### کام - رات کی روشنی کو پروگرام کریں
+
+رات کی روشنی کو پروگرام کریں۔
+
+1. پائی کو آن کریں اور اس کے بوٹ ہونے کا انتظار کریں۔
+
+1. وی ایس کوڈ میں رات کی روشنی کا پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا، چاہے وہ پائی پر براہ راست چل رہا ہو یا ریموٹ ایس ایس ایچ ایکسٹینشن کا استعمال کرتے ہوئے جڑا ہوا ہو۔
+
+1. `app.py` فائل میں درج ذیل کوڈ شامل کریں تاکہ ایک ضروری لائبریری کو درآمد کیا جا سکے۔ یہ دیگر `import` لائنوں کے نیچے شامل کیا جانا چاہیے۔
+
+    ```python
+    from grove.grove_led import GroveLed
+    ```
+
+    `from grove.grove_led import GroveLed` بیان گروو پائتھون لائبریریوں سے `GroveLed` کو درآمد کرتا ہے۔ اس لائبریری میں گروو ایل ای ڈی کے ساتھ تعامل کرنے کے لیے کوڈ موجود ہے۔
+
+1. `light_sensor` کے اعلان کے بعد درج ذیل کوڈ شامل کریں تاکہ ایل ای ڈی کو مینیج کرنے والی کلاس کا ایک انسٹینس بنایا جا سکے:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    لائن `led = GroveLed(5)` `GroveLed` کلاس کا ایک انسٹینس بناتی ہے جو پن **D5** سے جڑتا ہے - وہ ڈیجیٹل گروو پن جس سے ایل ای ڈی جڑی ہوئی ہے۔
+
+    > 💁 تمام ساکٹس کے منفرد پن نمبر ہوتے ہیں۔ پنز 0، 2، 4، اور 6 اینالاگ پنز ہیں، جبکہ پنز 5، 16، 18، 22، 24، اور 26 ڈیجیٹل پنز ہیں۔
+
+1. `while` لوپ کے اندر، اور `time.sleep` سے پہلے، ایک چیک شامل کریں تاکہ روشنی کی سطح کو چیک کیا جا سکے اور ایل ای ڈی کو آن یا آف کیا جا سکے:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    یہ کوڈ `light` ویلیو کو چیک کرتا ہے۔ اگر یہ 300 سے کم ہو تو یہ `GroveLed` کلاس کے `on` میتھڈ کو کال کرتا ہے، جو ایل ای ڈی کو آن کرنے کے لیے ڈیجیٹل ویلیو 1 بھیجتا ہے۔ اگر روشنی کی ویلیو 300 یا اس سے زیادہ ہو تو یہ `off` میتھڈ کو کال کرتا ہے، جو ایل ای ڈی کو آف کرنے کے لیے ڈیجیٹل ویلیو 0 بھیجتا ہے۔
+
+    > 💁 یہ کوڈ `print('Light level:', light)` لائن کے ساتھ ایک ہی انڈینٹ لیول پر ہونا چاہیے تاکہ یہ `while` لوپ کے اندر ہو!
+
+    > 💁 جب ایکچیویٹرز کو ڈیجیٹل ویلیوز بھیجی جاتی ہیں، تو 0 ویلیو 0V ہوتی ہے، اور 1 ویلیو ڈیوائس کے لیے زیادہ سے زیادہ وولٹیج ہوتی ہے۔ راسپبیری پائی کے ساتھ گروو سینسرز اور ایکچیویٹرز کے لیے، 1 وولٹیج 3.3V ہے۔
+
+1. وی ایس کوڈ ٹرمینل سے، درج ذیل کمانڈ چلائیں تاکہ آپ کی پائتھون ایپ چلائی جا سکے:
+
+    ```sh
+    python3 app.py
+    ```
+
+    روشنی کی ویلیوز کنسول پر آؤٹ پٹ ہوں گی۔
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+1. لائٹ سینسر کو ڈھانپیں اور کھولیں۔ نوٹ کریں کہ اگر روشنی کی سطح 300 یا اس سے کم ہو تو ایل ای ڈی روشن ہو جائے گی، اور جب روشنی کی سطح 300 سے زیادہ ہو تو یہ بند ہو جائے گی۔
+
+    > 💁 اگر ایل ای ڈی آن نہیں ہوتی، تو یقینی بنائیں کہ یہ صحیح سمت میں جڑی ہوئی ہے، اور گھومنے والا بٹن مکمل طور پر آن پر سیٹ ہے۔
+
+![روشنی کی سطح کے بدلنے پر ایل ای ڈی کا آن اور آف ہونا](../../../../../images/pi-running-assignment-1-1.gif)
+
+> 💁 آپ اس کوڈ کو [code-actuator/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا رات کی روشنی کا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
new file mode 100644
index 00000000..fa001638
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md
@@ -0,0 +1,110 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ea733bd0cdf2479e082373f765a08678",
+  "translation_date": "2025-08-26T23:21:55+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md",
+  "language_code": "ur"
+}
+-->
+# رات کی روشنی بنائیں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں ایک روشنی سینسر شامل کریں گے۔
+
+## ہارڈویئر
+
+اس سبق کے لیے سینسر ایک **روشنی سینسر** ہے جو [فوٹوڈائیوڈ](https://wikipedia.org/wiki/Photodiode) استعمال کرتا ہے تاکہ روشنی کو برقی سگنل میں تبدیل کیا جا سکے۔ یہ ایک اینالاگ سینسر ہے جو 0 سے 1,000 تک کی عددی قدر بھیجتا ہے، جو روشنی کی مقدار کو ظاہر کرتا ہے لیکن کسی معیاری پیمائش جیسے [لکس](https://wikipedia.org/wiki/Lux) سے مطابقت نہیں رکھتا۔
+
+روشنی سینسر ایک بیرونی Grove سینسر ہے اور اسے راسپبیری پائی پر Grove Base hat سے منسلک کرنے کی ضرورت ہے۔
+
+### روشنی سینسر کو جوڑیں
+
+Grove روشنی سینسر، جو روشنی کی سطح کا پتہ لگانے کے لیے استعمال ہوتا ہے، اسے راسپبیری پائی سے منسلک کرنے کی ضرورت ہے۔
+
+#### کام - روشنی سینسر کو جوڑیں
+
+روشنی سینسر کو جوڑیں۔
+
+![ایک Grove روشنی سینسر](../../../../../translated_images/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.ur.png)
+
+1. Grove کیبل کے ایک سرے کو روشنی سینسر ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base hat پر موجود اینالاگ ساکٹ **A0** میں جوڑیں۔ یہ ساکٹ GPIO پنز کے ساتھ والی قطار میں دائیں سے دوسرا ہے۔
+
+![Grove روشنی سینسر ساکٹ A0 سے منسلک](../../../../../translated_images/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.ur.png)
+
+## روشنی سینسر کو پروگرام کریں
+
+اب اس ڈیوائس کو Grove روشنی سینسر کے ذریعے پروگرام کیا جا سکتا ہے۔
+
+### کام - روشنی سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. پائی کو آن کریں اور بوٹ ہونے کا انتظار کریں۔
+
+1. VS Code میں رات کی روشنی کا پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا، چاہے وہ براہ راست پائی پر چل رہا ہو یا Remote SSH ایکسٹینشن کے ذریعے منسلک ہو۔
+
+1. `app.py` فائل کھولیں اور اس میں موجود تمام کوڈ کو ہٹا دیں۔
+
+1. `app.py` فائل میں درج ذیل کوڈ شامل کریں تاکہ کچھ ضروری لائبریریاں درآمد کی جا سکیں:
+
+    ```python
+    import time
+    from grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` بیان `time` ماڈیول کو درآمد کرتا ہے جو اس اسائنمنٹ میں بعد میں استعمال ہوگا۔
+
+    `from grove.grove_light_sensor_v1_2 import GroveLightSensor` بیان Grove Python لائبریریوں سے `GroveLightSensor` درآمد کرتا ہے۔ اس لائبریری میں Grove روشنی سینسر کے ساتھ تعامل کرنے کے لیے کوڈ موجود ہے، اور یہ پائی سیٹ اپ کے دوران عالمی طور پر انسٹال کی گئی تھی۔
+
+1. درج ذیل کوڈ کو اوپر والے کوڈ کے بعد شامل کریں تاکہ روشنی سینسر کو منظم کرنے والے کلاس کا ایک انسٹینس بنایا جا سکے:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    لائن `light_sensor = GroveLightSensor(0)` GroveLightSensor کلاس کا ایک انسٹینس بناتی ہے جو پن **A0** سے جڑتا ہے - وہ اینالاگ Grove پن جس سے روشنی سینسر منسلک ہے۔
+
+1. اوپر والے کوڈ کے بعد ایک لامتناہی لوپ شامل کریں تاکہ روشنی سینسر کی قدر کو پول کیا جا سکے اور کنسول پر پرنٹ کیا جا سکے:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    یہ GroveLightSensor کلاس کی `light` پراپرٹی کا استعمال کرتے ہوئے 0-1,023 کے پیمانے پر موجودہ روشنی کی سطح کو پڑھتا ہے۔ یہ پراپرٹی پن سے اینالاگ قدر کو پڑھتی ہے۔ پھر یہ قدر کنسول پر پرنٹ کی جاتی ہے۔
+
+1. لوپ کے آخر میں ایک سیکنڈ کی چھوٹی نیند شامل کریں کیونکہ روشنی کی سطح کو مسلسل چیک کرنے کی ضرورت نہیں ہے۔ نیند ڈیوائس کی توانائی کی کھپت کو کم کرتی ہے۔
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. VS Code ٹرمینل سے، درج ذیل کمانڈ چلائیں تاکہ آپ کی Python ایپ چلائی جا سکے:
+
+    ```sh
+    python3 app.py
+    ```
+
+    روشنی کی قدریں کنسول پر ظاہر ہوں گی۔ روشنی سینسر کو ڈھانپیں اور ہٹائیں، اور قدریں تبدیل ہوں گی:
+
+    ```output
+    pi@raspberrypi:~/nightlight $ python3 app.py 
+    Light level: 634
+    Light level: 634
+    Light level: 634
+    Light level: 230
+    Light level: 104
+    Light level: 290
+    ```
+
+> 💁 آپ اس کوڈ کو [code-sensor/pi](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کے رات کی روشنی کے پروگرام میں سینسر شامل کرنا کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
new file mode 100644
index 00000000..23b4d84d
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c640f93263fd9adbfda920739e09feb",
+  "translation_date": "2025-08-26T23:29:11+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md",
+  "language_code": "ur"
+}
+-->
+# نائٹ لائٹ بنائیں - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک LED شامل کریں گے اور اسے نائٹ لائٹ بنانے کے لیے استعمال کریں گے۔
+
+## ورچوئل ہارڈویئر
+
+نائٹ لائٹ کو ایک ایکچیویٹر کی ضرورت ہے، جو CounterFit ایپ میں بنایا جائے گا۔
+
+یہ ایکچیویٹر ایک **LED** ہے۔ ایک فزیکل IoT ڈیوائس میں، یہ ایک [لائٹ ایمیٹنگ ڈائیوڈ](https://wikipedia.org/wiki/Light-emitting_diode) ہوگا جو کرنٹ گزرنے پر روشنی خارج کرتا ہے۔ یہ ایک ڈیجیٹل ایکچیویٹر ہے جس کے دو اسٹیٹس ہیں: آن اور آف۔ اگر اسے 1 کا ویلیو بھیجا جائے تو یہ آن ہو جاتا ہے، اور 0 کا ویلیو بھیجا جائے تو یہ آف ہو جاتا ہے۔
+
+نائٹ لائٹ کی منطق کا پیسڈو کوڈ یہ ہے:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### CounterFit میں ایکچیویٹر شامل کریں
+
+ورچوئل LED استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔
+
+#### کام - CounterFit میں ایکچیویٹر شامل کریں
+
+CounterFit ایپ میں LED شامل کریں۔
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ اس اسائنمنٹ کے پچھلے حصے سے چل رہی ہے۔ اگر نہیں، تو اسے شروع کریں اور لائٹ سینسر کو دوبارہ شامل کریں۔
+
+1. ایک LED بنائیں:
+
+    1. *Actuator* پین میں *Create actuator* باکس میں، *Actuator type* ڈراپ ڈاؤن کریں اور *LED* منتخب کریں۔
+
+    1. *Pin* کو *5* پر سیٹ کریں۔
+
+    1. **Add** بٹن کو منتخب کریں تاکہ Pin 5 پر LED بنایا جا سکے۔
+
+    ![LED کی سیٹنگز](../../../../../translated_images/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.ur.png)
+
+    LED بن جائے گا اور ایکچیویٹرز کی فہرست میں ظاہر ہوگا۔
+
+    ![بنایا گیا LED](../../../../../translated_images/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.ur.png)
+
+    ایک بار جب LED بن جائے، تو آپ *Color* پکّر کا استعمال کرتے ہوئے اس کا رنگ تبدیل کر سکتے ہیں۔ رنگ منتخب کرنے کے بعد **Set** بٹن کو منتخب کریں تاکہ رنگ تبدیل ہو جائے۔
+
+### نائٹ لائٹ کو پروگرام کریں
+
+اب نائٹ لائٹ کو CounterFit لائٹ سینسر اور LED کا استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔
+
+#### کام - نائٹ لائٹ کو پروگرام کریں
+
+نائٹ لائٹ کو پروگرام کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا۔ اگر ضروری ہو تو ٹرمینل کو ختم کریں اور دوبارہ بنائیں تاکہ یہ ورچوئل ماحول کے ساتھ چل رہا ہو۔
+
+1. `app.py` فائل کھولیں۔
+
+1. `app.py` فائل کے اوپر، دوسرے `import` لائنز کے نیچے، ایک ضروری لائبریری کو شامل کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from counterfit_shims_grove.grove_led import GroveLed
+    ```
+
+    `from counterfit_shims_grove.grove_led import GroveLed` لائن CounterFit Grove shim Python لائبریریوں سے `GroveLed` کو امپورٹ کرتی ہے۔ اس لائبریری میں CounterFit ایپ میں بنائے گئے LED کے ساتھ تعامل کرنے کا کوڈ موجود ہے۔
+
+1. `light_sensor` ڈیکلریشن کے بعد درج ذیل کوڈ شامل کریں تاکہ اس کلاس کا ایک انسٹینس بنایا جا سکے جو LED کو مینیج کرتا ہے:
+
+    ```python
+    led = GroveLed(5)
+    ```
+
+    لائن `led = GroveLed(5)` `GroveLed` کلاس کا ایک انسٹینس بناتی ہے جو Pin **5** سے جڑتا ہے - وہ CounterFit Grove پن جس سے LED جڑا ہوا ہے۔
+
+1. `while` لوپ کے اندر، اور `time.sleep` سے پہلے، ایک چیک شامل کریں تاکہ روشنی کی سطح کو چیک کیا جا سکے اور LED کو آن یا آف کیا جا سکے:
+
+    ```python
+    if light < 300:
+        led.on()
+    else:
+        led.off()
+    ```
+
+    یہ کوڈ `light` ویلیو کو چیک کرتا ہے۔ اگر یہ 300 سے کم ہو تو یہ `GroveLed` کلاس کے `on` میتھڈ کو کال کرتا ہے، جو LED کو آن کرنے کے لیے ڈیجیٹل ویلیو 1 بھیجتا ہے۔ اگر روشنی کی ویلیو 300 یا اس سے زیادہ ہو تو یہ `off` میتھڈ کو کال کرتا ہے، جو LED کو آف کرنے کے لیے ڈیجیٹل ویلیو 0 بھیجتا ہے۔
+
+    > 💁 یہ کوڈ `print('Light level:', light)` لائن کے ساتھ اسی سطح پر انڈیٹ کیا جانا چاہیے تاکہ یہ while لوپ کے اندر ہو!
+
+1. VS Code ٹرمینل سے، اپنا Python ایپ چلانے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    python3 app.py
+    ```
+
+    روشنی کی ویلیوز کنسول میں آؤٹ پٹ ہوں گی۔
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+1. *Value* یا *Random* سیٹنگز کو تبدیل کریں تاکہ روشنی کی سطح کو 300 سے اوپر اور نیچے مختلف کیا جا سکے۔ LED آن اور آف ہو جائے گا۔
+
+![CounterFit ایپ میں روشنی کی سطح کے بدلنے پر LED آن اور آف ہو رہا ہے](../../../../../images/virtual-device-running-assignment-1-1.gif)
+
+> 💁 آپ اس کوڈ کو [code-actuator/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا نائٹ لائٹ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
new file mode 100644
index 00000000..59c38b1e
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "11f10c6760fb8202cf368422702fdf70",
+  "translation_date": "2025-08-26T23:30:15+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md",
+  "language_code": "ur"
+}
+-->
+# نائٹ لائٹ بنائیں - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک لائٹ سینسر شامل کریں گے۔
+
+## ورچوئل ہارڈویئر
+
+نائٹ لائٹ کو ایک سینسر کی ضرورت ہے، جو CounterFit ایپ میں بنایا گیا ہے۔
+
+یہ سینسر ایک **لائٹ سینسر** ہے۔ ایک حقیقی IoT ڈیوائس میں، یہ ایک [فوٹوڈائیوڈ](https://wikipedia.org/wiki/Photodiode) ہوگا جو روشنی کو برقی سگنل میں تبدیل کرتا ہے۔ لائٹ سینسرز اینالاگ سینسرز ہوتے ہیں جو ایک عددی قدر بھیجتے ہیں جو روشنی کی مقدار کو ظاہر کرتی ہے، لیکن یہ کسی معیاری پیمائش جیسے [لکس](https://wikipedia.org/wiki/Lux) سے مطابقت نہیں رکھتی۔
+
+### CounterFit میں سینسرز شامل کریں
+
+ورچوئل لائٹ سینسر استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔
+
+#### کام - CounterFit میں سینسرز شامل کریں
+
+CounterFit ایپ میں لائٹ سینسر شامل کریں۔
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ اس اسائنمنٹ کے پچھلے حصے سے چل رہی ہے۔ اگر نہیں، تو اسے شروع کریں۔
+
+1. ایک لائٹ سینسر بنائیں:
+
+    1. *Create sensor* باکس میں، *Sensors* پین میں، *Sensor type* ڈراپ ڈاؤن کریں اور *Light* منتخب کریں۔
+
+    1. *Units* کو *NoUnits* پر چھوڑ دیں۔
+
+    1. یقینی بنائیں کہ *Pin* کو *0* پر سیٹ کیا گیا ہے۔
+
+    1. **Add** بٹن منتخب کریں تاکہ Pin 0 پر لائٹ سینسر بنایا جا سکے۔
+
+    ![لائٹ سینسر کی سیٹنگز](../../../../../translated_images/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.ur.png)
+
+    لائٹ سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![لائٹ سینسر بنایا گیا](../../../../../translated_images/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.ur.png)
+
+## لائٹ سینسر پروگرام کریں
+
+اب ڈیوائس کو بلٹ ان لائٹ سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - لائٹ سینسر پروگرام کریں
+
+ڈیوائس پروگرام کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا۔ اگر ضروری ہو تو ٹرمینل کو ختم کریں اور دوبارہ بنائیں تاکہ یہ ورچوئل ماحول استعمال کر رہا ہو۔
+
+1. `app.py` فائل کھولیں۔
+
+1. `app.py` فائل کے اوپر درج ذیل کوڈ شامل کریں تاکہ ضروری لائبریریوں کو درآمد کیا جا سکے:
+
+    ```python
+    import time
+    from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor
+    ```
+
+    `import time` بیان Python کے `time` ماڈیول کو درآمد کرتا ہے جو اس اسائنمنٹ میں بعد میں استعمال ہوگا۔
+
+    `from counterfit_shims_grove.grove_light_sensor_v1_2 import GroveLightSensor` بیان CounterFit Grove shim Python لائبریریوں سے `GroveLightSensor` درآمد کرتا ہے۔ یہ لائبریری CounterFit ایپ میں بنائے گئے لائٹ سینسر کے ساتھ تعامل کے لیے کوڈ رکھتی ہے۔
+
+1. فائل کے نیچے درج ذیل کوڈ شامل کریں تاکہ کلاسز کے انسٹینسز بنائے جا سکیں جو لائٹ سینسر کو مینیج کرتے ہیں:
+
+    ```python
+    light_sensor = GroveLightSensor(0)
+    ```
+
+    لائن `light_sensor = GroveLightSensor(0)` کلاس `GroveLightSensor` کا ایک انسٹینس بناتی ہے جو Pin **0** سے جڑتا ہے - وہ CounterFit Grove پن جس سے لائٹ سینسر جڑا ہوا ہے۔
+
+1. درج ذیل کوڈ کے بعد ایک لامتناہی لوپ شامل کریں تاکہ لائٹ سینسر کی قدر کو پول کیا جا سکے اور کنسول پر پرنٹ کیا جا سکے:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        print('Light level:', light)
+    ```
+
+    یہ موجودہ روشنی کی سطح کو `GroveLightSensor` کلاس کی `light` پراپرٹی کا استعمال کرتے ہوئے پڑھتا ہے۔ یہ پراپرٹی پن سے اینالاگ قدر پڑھتی ہے۔ یہ قدر پھر کنسول پر پرنٹ کی جاتی ہے۔
+
+1. `while` لوپ کے آخر میں ایک سیکنڈ کی چھوٹی نیند شامل کریں کیونکہ روشنی کی سطح کو مسلسل چیک کرنے کی ضرورت نہیں ہے۔ نیند ڈیوائس کی توانائی کی کھپت کو کم کرتی ہے۔
+
+    ```python
+    time.sleep(1)
+    ```
+
+1. VS Code ٹرمینل سے، درج ذیل کمانڈ چلائیں تاکہ آپ کی Python ایپ چلائی جا سکے:
+
+    ```sh
+    python3 app.py
+    ```
+
+    روشنی کی قدریں کنسول پر آؤٹ پٹ ہوں گی۔ ابتدائی طور پر یہ قدر 0 ہوگی۔
+
+1. CounterFit ایپ سے، لائٹ سینسر کی قدر تبدیل کریں جو ایپ کے ذریعے پڑھی جائے گی۔ آپ یہ دو طریقوں سے کر سکتے ہیں:
+
+    * لائٹ سینسر کے لیے *Value* باکس میں ایک نمبر درج کریں، پھر **Set** بٹن منتخب کریں۔ جو نمبر آپ درج کریں گے وہ سینسر کے ذریعے واپس کی گئی قدر ہوگی۔
+
+    * *Random* چیک باکس کو چیک کریں، اور *Min* اور *Max* قدر درج کریں، پھر **Set** بٹن منتخب کریں۔ ہر بار جب سینسر قدر پڑھتا ہے، یہ *Min* اور *Max* کے درمیان ایک بے ترتیب نمبر پڑھے گا۔
+
+    جو قدریں آپ سیٹ کریں گے وہ کنسول پر آؤٹ پٹ ہوں گی۔ قدر کو تبدیل کرنے کے لیے *Value* یا *Random* سیٹنگز تبدیل کریں۔
+
+    ```output
+    (.venv) ➜  GroveTest python3 app.py 
+    Light level: 143
+    Light level: 244
+    Light level: 246
+    Light level: 253
+    ```
+
+> 💁 آپ یہ کوڈ [code-sensor/virtual-device](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا نائٹ لائٹ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
new file mode 100644
index 00000000..7a12e4c2
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md
@@ -0,0 +1,124 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "db44083b4dc6fb06eac83c4f16448940",
+  "translation_date": "2025-08-26T23:28:10+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md",
+  "language_code": "ur"
+}
+-->
+# نائٹ لائٹ بنائیں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal میں ایک LED شامل کریں گے اور اسے نائٹ لائٹ بنانے کے لیے استعمال کریں گے۔
+
+## ہارڈویئر
+
+نائٹ لائٹ کو اب ایک ایکچیویٹر کی ضرورت ہے۔
+
+ایکچیویٹر ایک **LED** ہے، ایک [لائٹ ایمیٹنگ ڈائیوڈ](https://wikipedia.org/wiki/Light-emitting_diode) جو کرنٹ گزرنے پر روشنی خارج کرتا ہے۔ یہ ایک ڈیجیٹل ایکچیویٹر ہے جس کے دو حالتیں ہیں، آن اور آف۔ 1 کی ویلیو بھیجنے سے LED آن ہو جاتا ہے، اور 0 کی ویلیو بھیجنے سے یہ آف ہو جاتا ہے۔ یہ ایک بیرونی Grove ایکچیویٹر ہے اور اسے Wio Terminal سے منسلک کرنے کی ضرورت ہے۔
+
+نائٹ لائٹ کی منطق کا پسیوڈو کوڈ:
+
+```output
+Check the light level.
+If the light is less than 300
+    Turn the LED on
+Otherwise
+    Turn the LED off
+```
+
+### LED کو جوڑیں
+
+Grove LED ایک ماڈیول کے طور پر آتا ہے جس میں مختلف رنگوں کے LEDs شامل ہوتے ہیں، جس سے آپ رنگ منتخب کر سکتے ہیں۔
+
+#### کام - LED کو جوڑیں
+
+LED کو جوڑیں۔
+
+![ایک Grove LED](../../../../../translated_images/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.ur.png)
+
+1. اپنی پسندیدہ LED منتخب کریں اور اس کے ٹانگوں کو LED ماڈیول کے دو سوراخوں میں ڈالیں۔
+
+    LEDs روشنی خارج کرنے والے ڈائیوڈز ہیں، اور ڈائیوڈز الیکٹرانک آلات ہیں جو کرنٹ کو صرف ایک طرف لے جا سکتے ہیں۔ اس کا مطلب ہے کہ LED کو صحیح طریقے سے جوڑنا ضروری ہے، ورنہ یہ کام نہیں کرے گا۔
+
+    LED کے ایک ٹانگ مثبت پن ہے، اور دوسرا منفی پن ہے۔ LED مکمل طور پر گول نہیں ہے، اور ایک طرف تھوڑا سا چپٹا ہے۔ چپٹی طرف منفی پن ہے۔ جب آپ LED کو ماڈیول سے جوڑیں، تو یقینی بنائیں کہ گول طرف والا پن ماڈیول کے باہر **+** کے نشان والے ساکٹ سے جڑا ہوا ہے، اور چپٹی طرف والا پن ماڈیول کے درمیان کے قریب والے ساکٹ سے جڑا ہوا ہے۔
+
+1. LED ماڈیول میں ایک اسپن بٹن ہے جو آپ کو روشنی کی شدت کو کنٹرول کرنے دیتا ہے۔ شروع میں اسے مکمل طور پر گھما کر بڑھا دیں، چھوٹے فلپس ہیڈ سکریو ڈرائیور کا استعمال کرتے ہوئے اسے اینٹی کلاک وائز گھمائیں۔
+
+1. Grove کیبل کے ایک سرے کو LED ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک طرف سے ہی اندر جائے گا۔
+
+1. Wio Terminal کو اپنے کمپیوٹر یا دیگر پاور سپلائی سے منسلک کیے بغیر، Grove کیبل کے دوسرے سرے کو Wio Terminal کے دائیں طرف والے Grove ساکٹ سے جوڑیں، جیسا کہ آپ اسکرین کو دیکھ رہے ہیں۔ یہ پاور بٹن سے سب سے دور والا ساکٹ ہے۔
+
+    > 💁 دائیں طرف والا Grove ساکٹ اینالاگ یا ڈیجیٹل سینسرز اور ایکچیویٹرز کے ساتھ استعمال کیا جا سکتا ہے۔ بائیں طرف والا ساکٹ صرف ڈیجیٹل سینسرز اور ایکچیویٹرز کے لیے ہے۔
+
+![Grove LED دائیں طرف والے ساکٹ سے جڑا ہوا](../../../../../translated_images/wio-led.265a1897e72d7f21c753257516a4b677d8e30ce2b95fee98189458b3275ba0a6.ur.png)
+
+## نائٹ لائٹ کو پروگرام کریں
+
+اب نائٹ لائٹ کو بلٹ ان لائٹ سینسر اور Grove LED کا استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔
+
+### کام - نائٹ لائٹ کو پروگرام کریں
+
+نائٹ لائٹ کو پروگرام کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا۔
+
+1. `setup` فنکشن کے آخر میں درج ذیل لائن شامل کریں:
+
+    ```cpp
+    pinMode(D0, OUTPUT);
+    ```
+
+    یہ لائن Grove پورٹ کے ذریعے LED کے ساتھ بات چیت کرنے کے لیے استعمال ہونے والے پن کو کنفیگر کرتی ہے۔
+
+    `D0` پن دائیں طرف والے Grove ساکٹ کے لیے ڈیجیٹل پن ہے۔ اس پن کو `OUTPUT` پر سیٹ کیا گیا ہے، جس کا مطلب ہے کہ یہ ایکچیویٹر سے جڑا ہوا ہے اور ڈیٹا پن پر لکھا جائے گا۔
+
+1. درج ذیل کوڈ کو `loop` فنکشن میں `delay` سے فوراً پہلے شامل کریں:
+
+    ```cpp
+    if (light < 300)
+    {
+        digitalWrite(D0, HIGH);
+    }
+    else
+    {
+        digitalWrite(D0, LOW);
+    }
+    ```
+
+    یہ کوڈ `light` ویلیو کو چیک کرتا ہے۔ اگر یہ 300 سے کم ہے تو یہ `D0` ڈیجیٹل پن کو `HIGH` ویلیو بھیجتا ہے۔ یہ `HIGH` ویلیو 1 ہے، جو LED کو آن کر دیتا ہے۔ اگر روشنی 300 یا اس سے زیادہ ہے، تو پن کو `LOW` ویلیو 0 بھیجی جاتی ہے، جو LED کو آف کر دیتی ہے۔
+
+    > 💁 جب ڈیجیٹل ویلیوز ایکچیویٹرز کو بھیجی جاتی ہیں، تو LOW ویلیو 0v ہوتی ہے، اور HIGH ویلیو ڈیوائس کے لیے زیادہ سے زیادہ وولٹیج ہوتی ہے۔ Wio Terminal کے لیے HIGH وولٹیج 3.3V ہے۔
+
+1. Wio Terminal کو دوبارہ اپنے کمپیوٹر سے جوڑیں، اور نیا کوڈ اپ لوڈ کریں جیسا کہ آپ نے پہلے کیا تھا۔
+
+1. سیریل مانیٹر کو کنیکٹ کریں۔ روشنی کی ویلیوز ٹرمینل پر آؤٹ پٹ ہوں گی۔
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+1. لائٹ سینسر کو ڈھانپیں اور ہٹائیں۔ دیکھیں کہ LED کیسے روشنی کی سطح 300 یا کم ہونے پر روشن ہو جاتا ہے، اور روشنی کی سطح 300 سے زیادہ ہونے پر بند ہو جاتا ہے۔
+
+![Wio سے جڑا ہوا LED روشنی کی سطح کے بدلنے پر آن اور آف ہو رہا ہے](../../../../../images/wio-running-assignment-1-1.gif)
+
+> 💁 آپ اس کوڈ کو [code-actuator/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-actuator/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا نائٹ لائٹ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
new file mode 100644
index 00000000..ba26be7c
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md
@@ -0,0 +1,87 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7f4ad0ef54f248b85b92187c94cf9dcb",
+  "translation_date": "2025-08-26T23:31:16+00:00",
+  "source_file": "1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-sensor.md",
+  "language_code": "ur"
+}
+-->
+# سینسر شامل کریں - وائیو ٹرمینل
+
+اس سبق کے اس حصے میں، آپ اپنے وائیو ٹرمینل پر موجود روشنی کے سینسر کا استعمال کریں گے۔
+
+## ہارڈویئر
+
+اس سبق کے لیے سینسر ایک **روشنی کا سینسر** ہے جو [فوٹوڈائیوڈ](https://wikipedia.org/wiki/Photodiode) کا استعمال کرتا ہے تاکہ روشنی کو برقی سگنل میں تبدیل کیا جا سکے۔ یہ ایک اینالاگ سینسر ہے جو 0 سے 1,023 تک کی عددی قدر بھیجتا ہے، جو روشنی کی مقدار کو ظاہر کرتا ہے لیکن کسی معیاری پیمائش جیسے [لکس](https://wikipedia.org/wiki/Lux) سے مطابقت نہیں رکھتا۔
+
+روشنی کا سینسر وائیو ٹرمینل میں پہلے سے موجود ہے اور پچھلے حصے میں شفاف پلاسٹک کی کھڑکی کے ذریعے نظر آتا ہے۔
+
+![وائیو ٹرمینل کے پچھلے حصے میں روشنی کا سینسر](../../../../../translated_images/wio-light-sensor.b1f529f3c95f51654f2e2c1d2d4b55fe547d189f588c974f5c2462c728133840.ur.png)
+
+## روشنی کے سینسر کو پروگرام کریں
+
+اب ڈیوائس کو اندرونی روشنی کے سینسر کے استعمال کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام
+
+ڈیوائس کو پروگرام کریں۔
+
+1. وی ایس کوڈ میں نائٹ لائٹ پروجیکٹ کھولیں جو آپ نے اس اسائنمنٹ کے پچھلے حصے میں بنایا تھا۔
+
+1. `setup` فنکشن کے آخر میں درج ذیل لائن شامل کریں:
+
+    ```cpp
+    pinMode(WIO_LIGHT, INPUT);
+    ```
+
+    یہ لائن سینسر ہارڈویئر کے ساتھ بات چیت کرنے کے لیے استعمال ہونے والے پنز کو ترتیب دیتی ہے۔
+
+    `WIO_LIGHT` پن آن بورڈ روشنی کے سینسر سے جڑے GPIO پن کا نمبر ہے۔ اس پن کو `INPUT` پر سیٹ کیا گیا ہے، جس کا مطلب ہے کہ یہ سینسر سے جڑتا ہے اور پن سے ڈیٹا پڑھا جائے گا۔
+
+1. `loop` فنکشن کے مواد کو حذف کریں۔
+
+1. اب خالی `loop` فنکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+    Serial.print("Light value: ");
+    Serial.println(light);
+    ```
+
+    یہ کوڈ `WIO_LIGHT` پن سے ایک اینالاگ قدر پڑھتا ہے۔ یہ آن بورڈ روشنی کے سینسر سے 0-1,023 تک کی قدر پڑھتا ہے۔ یہ قدر پھر سیریل پورٹ پر بھیجی جاتی ہے تاکہ آپ اسے سیریل مانیٹر میں پڑھ سکیں جب یہ کوڈ چل رہا ہو۔ `Serial.print` متن کو بغیر کسی نئی لائن کے آخر میں لکھتا ہے، لہذا ہر لائن `Light value:` سے شروع ہوگی اور اصل روشنی کی قدر پر ختم ہوگی۔
+
+1. `loop` کے آخر میں ایک سیکنڈ (1,000ms) کی چھوٹی تاخیر شامل کریں کیونکہ روشنی کی سطح کو مسلسل چیک کرنے کی ضرورت نہیں ہے۔ تاخیر ڈیوائس کی توانائی کی کھپت کو کم کرتی ہے۔
+
+    ```cpp
+    delay(1000);
+    ```
+
+1. وائیو ٹرمینل کو دوبارہ اپنے کمپیوٹر سے جوڑیں، اور نیا کوڈ اپ لوڈ کریں جیسا کہ آپ نے پہلے کیا تھا۔
+
+1. سیریل مانیٹر سے جڑیں۔ روشنی کی قدریں ٹرمینل پر ظاہر ہوں گی۔ وائیو ٹرمینل کے پچھلے حصے میں روشنی کے سینسر کو ڈھانپیں اور ہٹائیں، اور قدریں تبدیل ہوں گی۔
+
+    ```output
+    > Executing task: platformio device monitor <
+
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Light value: 4
+    Light value: 5
+    Light value: 4
+    Light value: 158
+    Light value: 343
+    Light value: 348
+    Light value: 344
+    ```
+
+> 💁 آپ اس کوڈ کو [code-sensor/wio-terminal](../../../../../1-getting-started/lessons/3-sensors-and-actuators/code-sensor/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 اپنے نائٹ لائٹ پروگرام میں سینسر شامل کرنا کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/README.md b/translations/ur/1-getting-started/lessons/4-connect-internet/README.md
new file mode 100644
index 00000000..ebd116d9
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/README.md
@@ -0,0 +1,448 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "71b5040e0b3472f1c0949c9b55f224c0",
+  "translation_date": "2025-08-26T23:14:16+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/README.md",
+  "language_code": "ur"
+}
+-->
+# اپنے ڈیوائس کو انٹرنیٹ سے کنیکٹ کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔
+
+یہ سبق [ہیلو IoT سیریز](https://youtube.com/playlist?list=PLmsFUfdnGr3xRts0TIwyaHyQuHaNQcb6-) کے حصے کے طور پر [مائیکروسافٹ ری ایکٹر](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) میں پڑھایا گیا تھا۔ یہ سبق دو ویڈیوز میں پیش کیا گیا - ایک گھنٹے کا سبق اور ایک گھنٹے کا دفتر وقت جس میں سبق کے مختلف حصوں پر مزید گہرائی سے بات کی گئی اور سوالات کے جوابات دیے گئے۔
+
+[![سبق 4: اپنے ڈیوائس کو انٹرنیٹ سے کنیکٹ کریں](https://img.youtube.com/vi/O4dd172mZhs/0.jpg)](https://youtu.be/O4dd172mZhs)
+
+[![سبق 4: اپنے ڈیوائس کو انٹرنیٹ سے کنیکٹ کریں - دفتر وقت](https://img.youtube.com/vi/j-cVCzRDE2Q/0.jpg)](https://youtu.be/j-cVCzRDE2Q)
+
+> 🎥 اوپر دی گئی تصاویر پر کلک کریں تاکہ ویڈیوز دیکھ سکیں
+
+## سبق سے پہلے کا کوئز
+
+[سبق سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/7)
+
+## تعارف
+
+IoT میں **I** کا مطلب **انٹرنیٹ** ہے - وہ کلاؤڈ کنیکٹیویٹی اور سروسز جو IoT ڈیوائسز کی بہت سی خصوصیات کو ممکن بناتی ہیں، جیسے سینسرز سے ڈیٹا اکٹھا کرنا اور ایکچیویٹرز کو کنٹرول کرنے کے لیے پیغامات بھیجنا۔ IoT ڈیوائسز عام طور پر ایک کلاؤڈ IoT سروس سے ایک معیاری کمیونیکیشن پروٹوکول کے ذریعے جڑتی ہیں، اور وہ سروس آپ کی IoT ایپلیکیشن کے باقی حصے سے جڑی ہوتی ہے، جیسے AI سروسز جو آپ کے ڈیٹا پر سمارٹ فیصلے کرتی ہیں، یا ویب ایپس جو کنٹرول یا رپورٹنگ کے لیے استعمال ہوتی ہیں۔
+
+> 🎓 سینسرز سے اکٹھا کیا گیا ڈیٹا جو کلاؤڈ کو بھیجا جاتا ہے اسے ٹیلیمیٹری کہا جاتا ہے۔
+
+IoT ڈیوائسز کلاؤڈ سے پیغامات وصول کر سکتی ہیں۔ اکثر یہ پیغامات کمانڈز پر مشتمل ہوتے ہیں - یعنی وہ ہدایات جو کسی عمل کو انجام دینے کے لیے دی جاتی ہیں، چاہے وہ اندرونی ہو (جیسے ریبوٹ یا فرم ویئر اپڈیٹ)، یا ایکچیویٹر کے ذریعے (جیسے لائٹ آن کرنا)۔
+
+یہ سبق ان کمیونیکیشن پروٹوکولز کا تعارف کراتا ہے جو IoT ڈیوائسز کلاؤڈ سے جڑنے کے لیے استعمال کر سکتی ہیں، اور وہ ڈیٹا کی اقسام جو وہ بھیج یا وصول کر سکتی ہیں۔ آپ ان دونوں کے ساتھ عملی تجربہ بھی حاصل کریں گے، اپنی نائٹ لائٹ میں انٹرنیٹ کنٹرول شامل کریں گے، اور LED کنٹرول لاجک کو 'سرور' کوڈ میں منتقل کریں گے جو مقامی طور پر چل رہا ہوگا۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [کمیونیکیشن پروٹوکولز](../../../../../1-getting-started/lessons/4-connect-internet)
+* [میسج کیوئنگ ٹیلیمیٹری ٹرانسپورٹ (MQTT)](../../../../../1-getting-started/lessons/4-connect-internet)
+* [ٹیلیمیٹری](../../../../../1-getting-started/lessons/4-connect-internet)
+* [کمانڈز](../../../../../1-getting-started/lessons/4-connect-internet)
+
+## کمیونیکیشن پروٹوکولز
+
+IoT ڈیوائسز کے انٹرنیٹ سے بات چیت کرنے کے لیے کئی مشہور کمیونیکیشن پروٹوکولز موجود ہیں۔ سب سے زیادہ مقبول پروٹوکولز پبلش/سبسکرائب میسجنگ پر مبنی ہیں جو کسی قسم کے بروکر کے ذریعے کام کرتے ہیں۔ IoT ڈیوائسز بروکر سے جڑتی ہیں، ٹیلیمیٹری پبلش کرتی ہیں اور کمانڈز کو سبسکرائب کرتی ہیں۔ کلاؤڈ سروسز بھی بروکر سے جڑتی ہیں، تمام ٹیلیمیٹری پیغامات کو سبسکرائب کرتی ہیں اور کمانڈز پبلش کرتی ہیں، چاہے وہ مخصوص ڈیوائسز کے لیے ہوں یا ڈیوائسز کے گروپس کے لیے۔
+
+![IoT ڈیوائسز بروکر سے جڑتی ہیں، ٹیلیمیٹری پبلش کرتی ہیں اور کمانڈز کو سبسکرائب کرتی ہیں۔ کلاؤڈ سروسز بروکر سے جڑتی ہیں، تمام ٹیلیمیٹری کو سبسکرائب کرتی ہیں اور مخصوص ڈیوائسز کو کمانڈز بھیجتی ہیں۔](../../../../../translated_images/pub-sub.7c7ed43fe9fd15d4e1f81a3fd95440413c457acd9bcbe9a43341e30e88db5264.ur.png)
+
+MQTT IoT ڈیوائسز کے لیے سب سے زیادہ مقبول کمیونیکیشن پروٹوکول ہے اور اس سبق میں اس کا احاطہ کیا گیا ہے۔ دیگر پروٹوکولز میں AMQP اور HTTP/HTTPS شامل ہیں۔
+
+## میسج کیوئنگ ٹیلیمیٹری ٹرانسپورٹ (MQTT)
+
+[MQTT](http://mqtt.org) ایک ہلکا پھلکا، اوپن اسٹینڈرڈ میسجنگ پروٹوکول ہے جو ڈیوائسز کے درمیان پیغامات بھیج سکتا ہے۔ اسے 1999 میں آئل پائپ لائنز کی نگرانی کے لیے ڈیزائن کیا گیا تھا، اور 15 سال بعد IBM نے اسے اوپن اسٹینڈرڈ کے طور پر جاری کیا۔
+
+MQTT میں ایک بروکر اور متعدد کلائنٹس ہوتے ہیں۔ تمام کلائنٹس بروکر سے جڑتے ہیں، اور بروکر پیغامات کو متعلقہ کلائنٹس تک پہنچاتا ہے۔ پیغامات کو نامزد موضوعات کے ذریعے پہنچایا جاتا ہے، بجائے اس کے کہ انہیں براہ راست کسی کلائنٹ کو بھیجا جائے۔ ایک کلائنٹ کسی موضوع پر پبلش کر سکتا ہے، اور جو کلائنٹس اس موضوع کو سبسکرائب کرتے ہیں وہ پیغام وصول کریں گے۔
+
+![IoT ڈیوائس /telemetry موضوع پر ٹیلیمیٹری پبلش کر رہا ہے، اور کلاؤڈ سروس اس موضوع کو سبسکرائب کر رہی ہے](../../../../../translated_images/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.ur.png)
+
+✅ تحقیق کریں۔ اگر آپ کے پاس بہت زیادہ IoT ڈیوائسز ہوں، تو آپ کیسے یقینی بنائیں گے کہ آپ کا MQTT بروکر تمام پیغامات کو سنبھال سکتا ہے؟
+
+### اپنے IoT ڈیوائس کو MQTT سے کنیکٹ کریں
+
+اپنی نائٹ لائٹ میں انٹرنیٹ کنٹرول شامل کرنے کا پہلا حصہ اسے MQTT بروکر سے کنیکٹ کرنا ہے۔
+
+#### کام
+
+اپنے ڈیوائس کو MQTT بروکر سے کنیکٹ کریں۔
+
+اس سبق کے اس حصے میں، آپ اپنی IoT نائٹ لائٹ کو انٹرنیٹ سے کنیکٹ کریں گے تاکہ اسے دور سے کنٹرول کیا جا سکے۔ بعد میں اس سبق میں، آپ کا IoT ڈیوائس MQTT کے ذریعے روشنی کی سطح کے ساتھ ٹیلیمیٹری پیغام ایک عوامی MQTT بروکر کو بھیجے گا، جہاں یہ آپ کے لکھے ہوئے کچھ سرور کوڈ کے ذریعے اٹھایا جائے گا۔ یہ کوڈ روشنی کی سطح کو چیک کرے گا اور ڈیوائس کو LED آن یا آف کرنے کی ہدایت کے ساتھ کمانڈ پیغام واپس بھیجے گا۔
+
+ایسی ترتیب کے لیے حقیقی دنیا کا استعمال یہ ہو سکتا ہے کہ متعدد روشنی سینسرز سے ڈیٹا اکٹھا کیا جائے اس سے پہلے کہ روشنیوں کو آن کرنے کا فیصلہ کیا جائے، کسی ایسے مقام پر جہاں بہت زیادہ روشنی ہو، جیسے اسٹیڈیم۔ یہ روشنیوں کو آن ہونے سے روک سکتا ہے اگر صرف ایک سینسر بادلوں یا پرندے سے ڈھکا ہوا ہو، لیکن دوسرے سینسرز کافی روشنی کا پتہ لگاتے ہوں۔
+
+✅ کون سی دیگر صورتحالیں ہوں گی جہاں کمانڈز بھیجنے سے پہلے متعدد سینسرز سے ڈیٹا کا جائزہ لینا ضروری ہوگا؟
+
+اس اسائنمنٹ کے حصے کے طور پر MQTT بروکر سیٹ اپ کرنے کی پیچیدگیوں سے نمٹنے کے بجائے، آپ ایک عوامی ٹیسٹ سرور استعمال کر سکتے ہیں جو [ایکلپس موسکیٹو](https://www.mosquitto.org) چلاتا ہے، جو ایک اوپن سورس MQTT بروکر ہے۔ یہ ٹیسٹ بروکر عوامی طور پر [test.mosquitto.org](https://test.mosquitto.org) پر دستیاب ہے، اور اکاؤنٹ سیٹ اپ کرنے کی ضرورت نہیں ہے، جو MQTT کلائنٹس اور سرورز کی جانچ کے لیے ایک بہترین ٹول بناتا ہے۔
+
+> 💁 یہ ٹیسٹ بروکر عوامی اور غیر محفوظ ہے۔ جو کچھ آپ پبلش کرتے ہیں اسے کوئی بھی سن سکتا ہے، لہذا اسے کسی ایسے ڈیٹا کے ساتھ استعمال نہیں کیا جانا چاہیے جسے نجی رکھنا ضروری ہو۔
+
+![اسائنمنٹ کا فلو چارٹ، روشنی کی سطح کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.ur.png)
+
+اپنے ڈیوائس کو MQTT بروکر سے کنیکٹ کرنے کے لیے نیچے دیے گئے متعلقہ مرحلے پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-mqtt.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/ورچوئل IoT ڈیوائس](single-board-computer-mqtt.md)
+
+### MQTT کے بارے میں مزید گہرائی سے معلومات
+
+موضوعات میں ایک درجہ بندی ہو سکتی ہے، اور کلائنٹس وائلڈ کارڈز کا استعمال کرتے ہوئے درجہ بندی کے مختلف سطحوں کو سبسکرائب کر سکتے ہیں۔ مثال کے طور پر، آپ درجہ حرارت ٹیلیمیٹری پیغامات کو `/telemetry/temperature` موضوع پر بھیج سکتے ہیں اور نمی کے پیغامات کو `/telemetry/humidity` موضوع پر بھیج سکتے ہیں، پھر اپنی کلاؤڈ ایپ میں `/telemetry/*` موضوع کو سبسکرائب کر سکتے ہیں تاکہ درجہ حرارت اور نمی دونوں ٹیلیمیٹری پیغامات وصول کیے جا سکیں۔
+
+پیغامات کو کوالٹی آف سروس (QoS) کے ساتھ بھیجا جا سکتا ہے، جو پیغام کے وصول ہونے کی ضمانت کا تعین کرتا ہے۔
+
+* زیادہ سے زیادہ ایک بار - پیغام صرف ایک بار بھیجا جاتا ہے اور کلائنٹ اور بروکر اضافی اقدامات نہیں کرتے کہ ترسیل کی تصدیق کریں (فائر اینڈ فارگیٹ)۔
+* کم از کم ایک بار - پیغام بھیجنے والے کے ذریعے متعدد بار دوبارہ کوشش کی جاتی ہے جب تک کہ تصدیق موصول نہ ہو (تصدیق شدہ ترسیل)۔
+* بالکل ایک بار - بھیجنے والا اور وصول کرنے والا دو سطحی ہینڈ شیک میں مشغول ہوتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ پیغام کی صرف ایک کاپی وصول کی گئی ہے (یقینی ترسیل)۔
+
+✅ کون سی صورتحالیں ہوں گی جہاں یقینی ترسیل والے پیغام کی ضرورت ہوگی بجائے فائر اینڈ فارگیٹ پیغام کے؟
+
+اگرچہ نام میسج کیوئنگ (MQTT میں ابتدائی حروف)، یہ دراصل میسج کیوئنگ کو سپورٹ نہیں کرتا۔ اس کا مطلب یہ ہے کہ اگر کوئی کلائنٹ منقطع ہو جائے، پھر دوبارہ جڑ جائے تو وہ منقطع ہونے کے دوران بھیجے گئے پیغامات وصول نہیں کرے گا، سوائے ان پیغامات کے جنہیں وہ پہلے ہی QoS عمل کے ذریعے پروسیس کرنا شروع کر چکا تھا۔ پیغامات پر ایک ریٹینڈ فلیگ سیٹ کیا جا سکتا ہے۔ اگر یہ سیٹ ہو، تو MQTT بروکر اس موضوع پر بھیجے گئے آخری پیغام کو اس فلیگ کے ساتھ اسٹور کرے گا، اور اس موضوع کو بعد میں سبسکرائب کرنے والے کسی بھی کلائنٹ کو یہ پیغام بھیجے گا۔ اس طرح، کلائنٹس ہمیشہ تازہ ترین پیغام حاصل کریں گے۔
+
+MQTT ایک کیپ الائیو فنکشن کو بھی سپورٹ کرتا ہے جو پیغامات کے درمیان طویل وقفوں کے دوران کنکشن کے زندہ ہونے کی جانچ کرتا ہے۔
+
+> 🦟 [ایکلپس فاؤنڈیشن سے موسکیٹو](https://mosquitto.org) ایک مفت MQTT بروکر ہے جسے آپ خود چلانے کے لیے استعمال کر سکتے ہیں تاکہ MQTT کے ساتھ تجربہ کریں، اور ایک عوامی MQTT بروکر جو آپ کے کوڈ کی جانچ کے لیے استعمال کیا جا سکتا ہے، [test.mosquitto.org](https://test.mosquitto.org) پر میزبانی کی گئی ہے۔
+
+MQTT کنکشنز عوامی اور کھلے ہو سکتے ہیں، یا صارف نام اور پاس ورڈز، یا سرٹیفکیٹس کا استعمال کرتے ہوئے انکرپٹ اور محفوظ کیے جا سکتے ہیں۔
+
+> 💁 MQTT TCP/IP پر بات چیت کرتا ہے، وہی بنیادی نیٹ ورک پروٹوکول جو HTTP کے طور پر استعمال ہوتا ہے، لیکن مختلف پورٹ پر۔ آپ MQTT کو ویب ساکٹس کے ذریعے بھی استعمال کر سکتے ہیں تاکہ ویب ایپس کے ساتھ بات چیت کریں جو براؤزر میں چل رہی ہوں، یا ایسی صورتحال میں جہاں فائر والز یا دیگر نیٹ ورکنگ قواعد معیاری MQTT کنکشنز کو بلاک کرتے ہوں۔
+
+## ٹیلیمیٹری
+
+لفظ ٹیلیمیٹری یونانی جڑوں سے ماخوذ ہے جس کا مطلب ہے دور سے پیمائش کرنا۔ ٹیلیمیٹری سینسرز سے ڈیٹا اکٹھا کرنے اور اسے کلاؤڈ کو بھیجنے کا عمل ہے۔
+
+> 💁 ابتدائی ٹیلیمیٹری ڈیوائسز میں سے ایک 1874 میں فرانس میں ایجاد کی گئی تھی اور مونٹ بلانک سے پیرس تک حقیقی وقت میں موسم اور برف کی گہرائی بھیجتی تھی۔ یہ جسمانی تاروں کا استعمال کرتی تھی کیونکہ اس وقت وائرلیس ٹیکنالوجیز دستیاب نہیں تھیں۔
+
+سبق 1 میں سمارٹ تھرموسٹیٹ کی مثال پر دوبارہ نظر ڈالیں۔
+
+![ایک انٹرنیٹ سے جڑا تھرموسٹیٹ جو متعدد کمرے کے سینسرز استعمال کر رہا ہے](../../../../../translated_images/telemetry.21e5d8b97649d2ebeb0f68d4b9691ab2d1f7bd629338e131465aff8a614e4d4a.ur.png)
+
+تھرموسٹیٹ کے پاس ٹیلیمیٹری اکٹھا کرنے کے لیے درجہ حرارت سینسرز ہیں۔ اس میں سب سے زیادہ امکان ہے کہ ایک درجہ حرارت سینسر بلٹ ان ہو، اور یہ ایک وائرلیس پروٹوکول جیسے [بلوٹوتھ لو انرجی](https://wikipedia.org/wiki/Bluetooth_Low_Energy) (BLE) کے ذریعے متعدد بیرونی درجہ حرارت سینسرز سے جڑ سکتا ہے۔
+
+اس کے بھیجے گئے ٹیلیمیٹری ڈیٹا کی ایک مثال یہ ہو سکتی ہے:
+
+| نام | قدر | وضاحت |
+| ---- | ----- | ----------- |
+| `thermostat_temperature` | 18°C | تھرموسٹیٹ کے بلٹ ان درجہ حرارت سینسر کے ذریعے ماپا گیا درجہ حرارت |
+| `livingroom_temperature` | 19°C | ایک ریموٹ درجہ حرارت سینسر کے ذریعے ماپا گیا درجہ حرارت جسے `livingroom` نام دیا گیا ہے تاکہ اس کمرے کی شناخت کی جا سکے جس میں یہ ہے |
+| `bedroom_temperature` | 21°C | ایک ریموٹ درجہ حرارت سینسر کے ذریعے ماپا گیا درجہ حرارت جسے `bedroom` نام دیا گیا ہے تاکہ اس کمرے کی شناخت کی جا سکے جس میں یہ ہے |
+
+کلاؤڈ سروس پھر اس ٹیلیمیٹری ڈیٹا کا استعمال کر سکتی ہے تاکہ ہیٹنگ کو کنٹرول کرنے کے لیے کون سے کمانڈز بھیجنے ہیں اس کے بارے میں فیصلے کرے۔
+
+### اپنے IoT ڈیوائس سے ٹیلیمیٹری بھیجیں
+
+اپنی نائٹ لائٹ میں انٹرنیٹ کنٹرول شامل کرنے کا اگلا حصہ روشنی کی سطح کی ٹیلیمیٹری کو ٹیلیمیٹری موضوع پر MQTT بروکر کو بھیجنا ہے۔
+
+#### کام - اپنے IoT ڈیوائس سے ٹیلیمیٹری بھیجیں
+
+روشنی کی سطح کی ٹیلیمیٹری MQTT بروکر کو بھیجیں۔
+
+ڈیٹا JSON کے طور پر انکوڈ کیا جاتا ہے - جاوا اسکرپٹ آبجیکٹ نوٹیشن کا مخفف، جو کلیدی/قدر کے جوڑوں کا استعمال کرتے ہوئے متن میں ڈیٹا انکوڈ کرنے کا ایک معیار ہے۔
+
+✅ اگر آپ نے پہلے JSON کے بارے میں نہیں سنا، تو آپ [JSON.org دستاویزات](https://www.json.org/) پر اس کے بارے میں مزید جان سکتے ہیں۔
+
+اپنے ڈیوائس سے MQTT بروکر کو ٹیلیمیٹری بھیجنے کے لیے نیچے دیے گئے متعلقہ مرحلے پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-telemetry.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/ورچوئل IoT ڈیوائس](single-board-computer-telemetry.md)
+
+### MQTT بروکر سے ٹیلیمیٹری وصول کریں
+
+ٹیلیمیٹری بھیجنے کا کوئی فائدہ نہیں اگر دوسری طرف کوئی اسے سننے والا نہ ہو۔ روشنی کی سطح کی ٹیلیمیٹری کو اسے پروسیس کرنے کے لیے کچھ سننے کی ضرورت ہے۔ یہ 'سرور' کوڈ وہ قسم کا کوڈ ہے جسے آپ ایک بڑی IoT ایپلیکیشن کے حصے کے طور پر کلاؤڈ سروس پر تعینات کریں گے، لیکن یہاں آپ یہ کوڈ اپنے کمپیوٹر پر مقامی طور پر چلائیں گے (یا اپنے Pi پر اگر آپ براہ راست وہاں کوڈنگ کر رہے ہیں)۔ سرور کوڈ ایک Python ایپ پر مشتمل ہے جو روشنی کی سطح کے ساتھ MQTT کے ذریعے ٹیلیمیٹری پیغامات سنتی ہے۔ بعد میں اس سبق میں آپ اسے LED کو آن یا آف کرنے کی ہدایت کے ساتھ کمانڈ پیغام کے ساتھ جواب دینے کے لیے بنائیں گے۔
+
+✅ تحقیق کریں: MQTT پیغامات کے ساتھ کیا ہوتا ہے اگر کوئی سننے والا نہ ہو؟
+
+#### Python اور VS Code انسٹال کریں
+
+اگر آپ کے پاس Python اور VS Code مقامی طور پر انسٹال نہیں ہیں، تو آپ کو سرور کوڈ لکھنے کے لیے دونوں کو انسٹال کرنا ہوگا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، یا اپنے
+💁 آپ ان اسباق کے لیے کسی بھی Python IDE یا ایڈیٹر استعمال کرنے کے لیے آزاد ہیں اگر آپ کے پاس کوئی پسندیدہ ٹول ہے، لیکن اسباق میں ہدایات VS Code کے استعمال پر مبنی ہوں گی۔
+1. VS Code میں Pylance ایکسٹینشن انسٹال کریں۔ یہ ایکسٹینشن Python زبان کی سپورٹ فراہم کرتی ہے۔ اس ایکسٹینشن کو VS Code میں انسٹال کرنے کے لیے [Pylance extension documentation](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-python.vscode-pylance) کا حوالہ لیں۔
+
+#### Python ورچوئل ماحول کو ترتیب دیں
+
+Python کی ایک طاقتور خصوصیت [pip پیکجز](https://pypi.org) انسٹال کرنے کی صلاحیت ہے - یہ انٹرنیٹ پر شائع کردہ دوسرے لوگوں کے لکھے ہوئے کوڈ کے پیکجز ہیں۔ آپ ایک کمانڈ کے ذریعے اپنے کمپیوٹر پر pip پیکج انسٹال کر سکتے ہیں اور پھر اپنے کوڈ میں اس پیکج کا استعمال کر سکتے ہیں۔ آپ MQTT پر کمیونیکیٹ کرنے کے لیے ایک پیکج انسٹال کرنے کے لیے pip استعمال کریں گے۔
+
+جب آپ ڈیفالٹ طور پر کوئی پیکج انسٹال کرتے ہیں تو وہ آپ کے کمپیوٹر پر ہر جگہ دستیاب ہوتا ہے، اور یہ پیکج ورژنز کے مسائل پیدا کر سکتا ہے - جیسے کہ ایک ایپلیکیشن کسی پیکج کے ایک ورژن پر انحصار کرتی ہے جو کسی دوسرے ایپلیکیشن کے لیے نیا ورژن انسٹال کرنے پر خراب ہو جاتا ہے۔ اس مسئلے سے بچنے کے لیے، آپ [Python ورچوئل ماحول](https://docs.python.org/3/library/venv.html) استعمال کر سکتے ہیں، جو کہ Python کی ایک کاپی ایک مخصوص فولڈر میں رکھتا ہے، اور جب آپ pip پیکجز انسٹال کرتے ہیں تو وہ صرف اسی فولڈر میں انسٹال ہوتے ہیں۔
+
+##### کام - Python ورچوئل ماحول کو ترتیب دیں
+
+Python ورچوئل ماحول کو ترتیب دیں اور MQTT pip پیکجز انسٹال کریں۔
+
+1. اپنے ٹرمینل یا کمانڈ لائن سے، اپنی پسند کے کسی مقام پر درج ذیل کمانڈز چلائیں تاکہ ایک نیا ڈائریکٹری بنائیں اور اس میں جائیں:
+
+    ```sh
+    mkdir nightlight-server
+    cd nightlight-server
+    ```
+
+1. اب `.venv` فولڈر میں ایک ورچوئل ماحول بنانے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+    > 💁 آپ کو ورچوئل ماحول بنانے کے لیے `python3` کو واضح طور پر کال کرنا ہوگا، خاص طور پر اگر آپ کے پاس Python 2 بھی انسٹال ہو۔ اگر Python 2 انسٹال ہے تو `python` کال کرنے سے Python 2 استعمال ہوگا بجائے Python 3 کے۔
+
+1. ورچوئل ماحول کو ایکٹیویٹ کریں:
+
+    * ونڈوز پر:
+        * اگر آپ کمانڈ پرامپٹ یا ونڈوز ٹرمینل کے ذریعے کمانڈ پرامپٹ استعمال کر رہے ہیں، تو درج ذیل چلائیں:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * اگر آپ پاور شیل استعمال کر رہے ہیں، تو درج ذیل چلائیں:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * macOS یا Linux پر، درج ذیل چلائیں:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 یہ کمانڈز اسی مقام سے چلائی جانی چاہئیں جہاں آپ نے ورچوئل ماحول بنانے کی کمانڈ چلائی تھی۔ آپ کو کبھی بھی `.venv` فولڈر میں نیویگیٹ کرنے کی ضرورت نہیں ہوگی، آپ کو ہمیشہ ایکٹیویٹ کمانڈ اور پیکجز انسٹال کرنے یا کوڈ چلانے کے لیے وہی فولڈر استعمال کرنا ہوگا جہاں آپ نے ورچوئل ماحول بنایا تھا۔
+
+1. ایک بار ورچوئل ماحول ایکٹیویٹ ہو جائے تو ڈیفالٹ `python` کمانڈ وہ Python ورژن چلائے گی جو ورچوئل ماحول بنانے کے لیے استعمال ہوا تھا۔ درج ذیل کمانڈ چلائیں تاکہ ورژن معلوم ہو:
+
+    ```sh
+    python --version
+    ```
+
+    آؤٹ پٹ کچھ اس طرح ہوگا:
+
+    ```output
+    (.venv) ➜  nightlight-server python --version
+    Python 3.9.1
+    ```
+
+    > 💁 آپ کا Python ورژن مختلف ہو سکتا ہے - جب تک یہ ورژن 3.6 یا اس سے زیادہ ہے، آپ ٹھیک ہیں۔ اگر نہیں، تو اس فولڈر کو ڈیلیٹ کریں، Python کا نیا ورژن انسٹال کریں اور دوبارہ کوشش کریں۔
+
+1. درج ذیل کمانڈز چلائیں تاکہ [Paho-MQTT](https://pypi.org/project/paho-mqtt/) pip پیکج انسٹال کریں، جو کہ ایک مشہور MQTT لائبریری ہے:
+
+    ```sh
+    pip install paho-mqtt
+    ```
+
+    یہ pip پیکج صرف ورچوئل ماحول میں انسٹال ہوگا اور اس کے باہر دستیاب نہیں ہوگا۔
+
+#### سرور کوڈ لکھیں
+
+اب سرور کوڈ Python میں لکھا جا سکتا ہے۔
+
+##### کام - سرور کوڈ لکھیں
+
+سرور کوڈ لکھیں۔
+
+1. اپنے ٹرمینل یا کمانڈ لائن سے، ورچوئل ماحول کے اندر درج ذیل کمانڈ چلائیں تاکہ `app.py` نامی Python فائل بنائیں:
+
+    * ونڈوز پر چلائیں:
+
+        ```cmd
+        type nul > app.py
+        ```
+
+    * macOS یا Linux پر چلائیں:
+
+        ```cmd
+        touch app.py
+        ```
+
+1. موجودہ فولڈر کو VS Code میں کھولیں:
+
+    ```sh
+    code .
+    ```
+
+1. جب VS Code لانچ ہوگا، تو یہ Python ورچوئل ماحول کو ایکٹیویٹ کرے گا۔ یہ نیچے اسٹیٹس بار میں رپورٹ ہوگا:
+
+    ![VS Code میں منتخب ورچوئل ماحول دکھایا جا رہا ہے](../../../../../translated_images/vscode-virtual-env.8ba42e04c3d533cf677e16cbe5ed9a3b80f62c6964472dc84b6f940800f0909f.ur.png)
+
+1. اگر VS Code ٹرمینل پہلے سے چل رہا ہو جب VS Code شروع ہو، تو اس میں ورچوئل ماحول ایکٹیویٹ نہیں ہوگا۔ سب سے آسان کام یہ ہے کہ **Kill the active terminal instance** بٹن استعمال کریں:
+
+    ![VS Code میں Kill the active terminal instance بٹن](../../../../../translated_images/vscode-kill-terminal.1cc4de7c6f25ee08f423f0ead714e61d069fac1eb2089e97b8a7bbcb3d45fe5e.ur.png)
+
+1. ایک نیا VS Code ٹرمینل لانچ کریں *Terminal -> New Terminal* منتخب کر کے، یا `` CTRL+` `` دبائیں۔ نیا ٹرمینل ورچوئل ماحول لوڈ کرے گا، اور ایکٹیویٹ کمانڈ ٹرمینل میں ظاہر ہوگی۔ ورچوئل ماحول کا نام (`.venv`) پرامپٹ میں بھی ہوگا:
+
+    ```output
+    ➜  nightlight-server source .venv/bin/activate
+    (.venv) ➜  nightlight 
+    ```
+
+1. VS Code ایکسپلورر سے `app.py` فائل کھولیں اور درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import json
+    import time
+    
+    import paho.mqtt.client as mqtt
+    
+    id = '<ID>'
+    
+    client_telemetry_topic = id + '/telemetry'
+    client_name = id + 'nightlight_server'
+    
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+    
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+    mqtt_client.subscribe(client_telemetry_topic)
+    mqtt_client.on_message = handle_telemetry
+    
+    while True:
+        time.sleep(2)
+    ```
+
+    لائن 6 پر `<ID>` کو اس منفرد ID سے تبدیل کریں جو آپ نے اپنے ڈیوائس کوڈ بناتے وقت استعمال کی تھی۔
+
+    ⚠️ یہ **ضروری** ہے کہ یہ وہی ID ہو جو آپ نے اپنے ڈیوائس پر استعمال کی تھی، ورنہ سرور کوڈ صحیح ٹاپک پر سبسکرائب یا پبلش نہیں کرے گا۔
+
+    یہ کوڈ ایک MQTT کلائنٹ منفرد نام کے ساتھ بناتا ہے اور *test.mosquitto.org* بروکر سے جڑتا ہے۔ پھر یہ ایک پروسیسنگ لوپ شروع کرتا ہے جو بیک گراؤنڈ تھریڈ پر چلتا ہے اور سبسکرائب شدہ ٹاپکس پر پیغامات سننے کے لیے تیار رہتا ہے۔
+
+    کلائنٹ ٹیلیمیٹری ٹاپک پر پیغامات سبسکرائب کرتا ہے اور ایک فنکشن ڈیفائن کرتا ہے جو پیغام موصول ہونے پر کال ہوتا ہے۔ جب ٹیلیمیٹری پیغام موصول ہوتا ہے، تو `handle_telemetry` فنکشن کال ہوتا ہے اور موصول شدہ پیغام کو کنسول پر پرنٹ کرتا ہے۔
+
+    آخر میں، ایک لامتناہی لوپ ایپلیکیشن کو چلتا رکھتا ہے۔ MQTT کلائنٹ بیک گراؤنڈ تھریڈ پر پیغامات سن رہا ہوتا ہے اور جب تک مین ایپلیکیشن چل رہی ہو، یہ بھی چلتا رہتا ہے۔
+
+1. VS Code ٹرمینل سے درج ذیل کمانڈ چلائیں تاکہ اپنی Python ایپ چلائیں:
+
+    ```sh
+    python app.py
+    ```
+
+    ایپ IoT ڈیوائس سے پیغامات سننا شروع کر دے گی۔
+
+1. یقینی بنائیں کہ آپ کا ڈیوائس چل رہا ہے اور ٹیلیمیٹری پیغامات بھیج رہا ہے۔ اپنے فزیکل یا ورچوئل ڈیوائس کے ذریعے روشنی کی سطح کو ایڈجسٹ کریں۔ موصول ہونے والے پیغامات ٹرمینل میں پرنٹ ہوں گے۔
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Message received: {'light': 400}
+    ```
+
+    nightlight ورچوئل ماحول میں `app.py` فائل کو چلانا ضروری ہے تاکہ nightlight-server ورچوئل ماحول میں `app.py` فائل بھیجے گئے پیغامات وصول کر سکے۔
+
+> 💁 آپ اس کوڈ کو [code-server/server](../../../../../1-getting-started/lessons/4-connect-internet/code-server/server) فولڈر میں تلاش کر سکتے ہیں۔
+
+### ٹیلیمیٹری کتنی بار بھیجی جانی چاہیے؟
+
+ٹیلیمیٹری کے ساتھ ایک اہم غور یہ ہے کہ ڈیٹا کو کتنی بار ماپنا اور بھیجنا چاہیے؟ جواب یہ ہے - یہ منحصر ہے۔ اگر آپ اکثر ماپتے ہیں تو آپ تبدیلیوں پر تیزی سے ردعمل دے سکتے ہیں، لیکن آپ زیادہ پاور، زیادہ بینڈوڈتھ استعمال کرتے ہیں، زیادہ ڈیٹا پیدا کرتے ہیں اور کلاؤڈ وسائل کو پروسیس کرنے کے لیے زیادہ ضرورت ہوتی ہے۔ آپ کو اتنی بار ماپنا چاہیے جتنی ضرورت ہو، لیکن بہت زیادہ نہیں۔
+
+ایک تھرموسٹیٹ کے لیے، ہر چند منٹ میں ماپنا شاید کافی ہے کیونکہ درجہ حرارت اتنی جلدی تبدیل نہیں ہوتا۔ اگر آپ دن میں صرف ایک بار ماپتے ہیں تو آپ دن کے وسط میں رات کے درجہ حرارت کے لیے اپنے گھر کو گرم کر سکتے ہیں، جبکہ اگر آپ ہر سیکنڈ ماپتے ہیں تو آپ ہزاروں غیر ضروری طور پر دہرائے گئے درجہ حرارت کی پیمائشیں حاصل کریں گے جو صارفین کے انٹرنیٹ کی رفتار اور بینڈوڈتھ کو ختم کر دیں گی (جو محدود بینڈوڈتھ پلان رکھنے والے لوگوں کے لیے مسئلہ ہو سکتا ہے)، زیادہ پاور استعمال کریں گے جو بیٹری سے چلنے والے ڈیوائسز جیسے ریموٹ سینسرز کے لیے مسئلہ ہو سکتا ہے، اور کلاؤڈ کمپیوٹنگ وسائل کے اخراجات بڑھا دیں گے۔
+
+اگر آپ کسی فیکٹری میں کسی مشینری کے ارد گرد ڈیٹا کی نگرانی کر رہے ہیں جو اگر ناکام ہو جائے تو تباہ کن نقصان اور لاکھوں ڈالر کے نقصان کا سبب بن سکتی ہے، تو ہر سیکنڈ میں کئی بار ماپنا ضروری ہو سکتا ہے۔ بینڈوڈتھ ضائع کرنا بہتر ہے بجائے اس کے کہ ٹیلیمیٹری کو کھو دیا جائے جو یہ ظاہر کرتی ہے کہ مشین کو توڑنے سے پہلے روکنے اور ٹھیک کرنے کی ضرورت ہے۔
+
+> 💁 اس صورتحال میں، آپ انٹرنیٹ پر انحصار کم کرنے کے لیے ٹیلیمیٹری کو پہلے پروسیس کرنے کے لیے ایک ایج ڈیوائس رکھنے پر غور کر سکتے ہیں۔
+
+### کنیکٹیویٹی کا نقصان
+
+انٹرنیٹ کنیکشن ناقابل اعتماد ہو سکتے ہیں، اور آؤٹجز عام ہیں۔ ایسے حالات میں IoT ڈیوائس کو کیا کرنا چاہیے - کیا اسے ڈیٹا کھونا چاہیے، یا اسے اس وقت تک محفوظ رکھنا چاہیے جب تک کنیکٹیویٹی بحال نہ ہو؟ پھر سے، جواب یہ ہے کہ یہ منحصر ہے۔
+
+ایک تھرموسٹیٹ کے لیے، ڈیٹا کو کھونا شاید ٹھیک ہے جیسے ہی ایک نیا درجہ حرارت ماپا گیا ہو۔ ہیٹنگ سسٹم کو اس بات کی پرواہ نہیں ہے کہ 20 منٹ پہلے درجہ حرارت 20.5°C تھا اگر اب درجہ حرارت 19°C ہے، یہ موجودہ درجہ حرارت ہے جو فیصلہ کرتا ہے کہ ہیٹنگ آن ہونی چاہیے یا نہیں۔
+
+مشینری کے لیے آپ ڈیٹا کو محفوظ رکھنا چاہیں گے، خاص طور پر اگر یہ رجحانات دیکھنے کے لیے استعمال ہوتا ہو۔ کچھ مشین لرننگ ماڈلز ہیں جو ڈیٹا کے سلسلوں میں انوملیز کا پتہ لگانے کے لیے ایک مخصوص وقت کی مدت (جیسے پچھلے گھنٹے) کے ڈیٹا کو دیکھ کر انوملی ڈیٹا کی نشاندہی کرتے ہیں۔ یہ اکثر پیش گوئی کی مرمت کے لیے استعمال ہوتا ہے، یہ دیکھنے کے لیے کہ کچھ جلدی ٹوٹ سکتا ہے تاکہ آپ اسے ٹوٹنے سے پہلے ٹھیک یا تبدیل کر سکیں۔ آپ مشین کے لیے ہر ٹیلیمیٹری کا ڈیٹا بھیجنا چاہیں گے تاکہ انوملی ڈیٹیکشن کے لیے پروسیس کیا جا سکے، لہذا جیسے ہی IoT ڈیوائس دوبارہ کنیکٹ ہو، یہ انٹرنیٹ آؤٹج کے دوران پیدا ہونے والی تمام ٹیلیمیٹری بھیجے۔
+
+IoT ڈیوائس ڈیزائنرز کو یہ بھی غور کرنا چاہیے کہ آیا IoT ڈیوائس انٹرنیٹ آؤٹج یا مقام کی وجہ سے سگنل کے نقصان کے دوران استعمال کیا جا سکتا ہے۔ ایک سمارٹ تھرموسٹیٹ کو کچھ محدود فیصلے کرنے کے قابل ہونا چاہیے تاکہ اگر یہ کلاؤڈ کو ٹیلیمیٹری بھیجنے کے قابل نہ ہو تو ہیٹنگ کو کنٹرول کر سکے۔
+
+[![یہ فراری خراب ہو گئی کیونکہ کسی نے اسے زیر زمین اپ گریڈ کرنے کی کوشش کی جہاں کوئی سیل ریسیپشن نہیں تھا](../../../../../translated_images/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.ur.png)](https://twitter.com/internetofshit/status/1315736960082808832)
+
+MQTT کے لیے کنیکٹیویٹی کے نقصان کو ہینڈل کرنے کے لیے، ڈیوائس اور سرور کوڈ کو یہ یقینی بنانے کے لیے ذمہ دار ہونا پڑے گا کہ اگر پیغام کی ترسیل ضروری ہو تو وہ یقینی بنائی جائے، مثال کے طور پر تمام بھیجے گئے پیغامات کے لیے جواب میں اضافی پیغامات کی ضرورت ہو تاکہ اگر جواب نہ ملے تو وہ دستی طور پر قطار میں رکھے جائیں اور بعد میں دوبارہ بھیجے جائیں۔
+
+## کمانڈز
+
+کمانڈز وہ پیغامات ہیں جو کلاؤڈ سے ڈیوائس کو بھیجے جاتے ہیں تاکہ اسے کچھ کرنے کی ہدایت دی جا سکے۔ زیادہ تر وقت یہ کسی ایکچوئیٹر کے ذریعے کچھ آؤٹپٹ دینے سے متعلق ہوتا ہے، لیکن یہ خود ڈیوائس کے لیے بھی ہدایت ہو سکتی ہے، جیسے کہ ریبوٹ کرنا، یا اضافی ٹیلیمیٹری اکٹھا کرنا اور اسے کمانڈ کے جواب کے طور پر واپس بھیجنا۔
+
+![ایک انٹرنیٹ سے جڑا ہوا تھرموسٹیٹ جو ہیٹنگ آن کرنے کے لیے کمانڈ وصول کر رہا ہے](../../../../../translated_images/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.ur.png)
+
+ایک تھرموسٹیٹ کلاؤڈ سے کمانڈ وصول کر سکتا ہے تاکہ ہیٹنگ کو آن کرے۔ تمام سینسرز سے ٹیلیمیٹری ڈیٹا کی بنیاد پر، اگر کلاؤڈ سروس نے فیصلہ کیا ہے کہ ہیٹنگ آن ہونی چاہیے، تو یہ متعلقہ کمانڈ بھیجتا ہے۔
+
+### MQTT بروکر کو کمانڈز بھیجیں
+
+ہمارے انٹرنیٹ کنٹرولڈ نائٹ لائٹ کے لیے اگلا قدم یہ ہے کہ سرور کوڈ IoT ڈیوائس کو روشنی کی سطح کے مطابق کنٹرول کرنے کے لیے کمانڈ بھیجے۔
+
+1. VS Code میں سرور کوڈ کھولیں
+
+1. `client_telemetry_topic` کے اعلان کے بعد درج ذیل لائن شامل کریں تاکہ کمانڈز بھیجنے کے لیے ٹاپک کو ڈیفائن کریں:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+1. `handle_telemetry` فنکشن کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    command = { 'led_on' : payload['light'] < 300 }
+    print("Sending message:", command)
+    
+    client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    یہ کمانڈ ٹاپک پر ایک JSON پیغام بھیجتا ہے جس میں `led_on` کی ویلیو true یا false ہوتی ہے، اس بات پر منحصر ہے کہ روشنی 300 سے کم ہے یا نہیں۔ اگر روشنی 300 سے کم ہو، تو true بھیجا جاتا ہے تاکہ ڈیوائس کو LED آن کرنے کی ہدایت دی جا سکے۔
+
+1. پہلے کی طرح کوڈ چلائیں
+
+1. اپنے فزیکل یا ورچوئل ڈیوائس کے ذریعے روشنی کی سطح کو ایڈجسٹ کریں۔ موصول ہونے والے پیغامات اور بھیجے گئے کمانڈز ٹرمینل میں لکھے جائیں گے:
+
+    ```output
+    (.venv) ➜  nightlight-server python app.py
+    Message received: {'light': 0}
+    Sending message: {'led_on': True}
+    Message received: {'light': 400}
+    Sending message: {'led_on': False}
+    ```
+
+> 💁 ٹیلیمیٹری اور کمانڈز ایک ہی ٹاپک پر بھیجے جا رہے ہیں۔ اس کا مطلب ہے کہ متعدد ڈیوائسز سے ٹیلیمیٹری ایک ہی ٹیلیمیٹری ٹاپک پر ظاہر ہوگی، اور متعدد ڈیوائسز کے کمانڈز ایک ہی کمانڈز ٹاپک پر ظاہر ہوں گے۔ اگر آپ کسی مخصوص ڈیوائس کو کمانڈ بھیجنا چاہتے ہیں، تو آپ متعدد ٹاپکس استعمال کر سکتے ہیں، جو منفرد ڈیوائس ID کے ساتھ نامزد ہوں، جیسے `/commands/device1`, `/commands/device2`۔ اس طرح ایک ڈیوائس صرف اس کے لیے مخصوص پیغامات سن سکتا ہے۔
+
+> 💁 آپ اس کوڈ کو [code-commands/server](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/server) فولڈر میں تلاش کر سکتے ہیں۔
+
+### IoT ڈیوائس پر کمانڈز کو ہینڈل کریں
+
+اب جب کہ سرور سے کمانڈز بھیجی جا رہی ہیں، آپ اب IoT ڈیوائس پر کوڈ شامل کر سکتے ہیں تاکہ انہیں ہینڈل کریں اور LED کو کنٹرول کریں۔
+
+MQTT بروکر سے کمانڈز سننے کے لیے درج ذیل متعلقہ مرحلہ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-commands.md)
+* [Single-board computer - Raspberry Pi/Virtual IoT device](single-board-computer-commands.md)
+
+ایک بار یہ کوڈ لکھا اور چل رہا ہو، روشنی کی سطح کو تبدیل کرنے کے ساتھ تجربہ کریں۔ سرور اور ڈیوائس کے آؤٹپٹ کو دیکھیں، اور روشنی کی سطح کو تبدیل کرتے وقت LED کو دیکھیں۔
+
+### کنیکٹیویٹی کا نقصان
+
+اگر کلاؤڈ سروس کو کسی آف لائن IoT ڈیوائس کو کمانڈ بھیجنے کی ضرورت ہو تو کیا کرنا چاہیے؟ پھر سے، جواب یہ ہے کہ یہ منحصر ہے۔
+
+اگر تازہ ترین کمانڈ پہلے والی کو اوور رائیڈ کرتی ہے تو پرانی کمانڈز کو شاید نظر انداز کیا جا سکتا ہے۔ اگر کلاؤڈ سروس ہیٹنگ کو آن کرنے کے لیے کمانڈ بھیجتی ہے، پھر اسے بند کرنے کے لیے کمانڈ بھیجتی ہے، تو آن کمانڈ کو نظر
+ان آلات کے بارے میں سوچیں، وہ کون سے پیغامات بھیج یا وصول کر سکتے ہیں؟ وہ کون سی ٹیلیمیٹری بھیجتے ہیں؟ وہ کون سے پیغامات یا کمانڈز وصول کر سکتے ہیں؟ کیا آپ کو لگتا ہے کہ وہ محفوظ ہیں؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/8)
+
+## جائزہ اور خود مطالعہ
+
+MQTT کے بارے میں مزید پڑھیں [MQTT ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/MQTT) پر۔
+
+خود ایک MQTT بروکر چلانے کی کوشش کریں [Mosquitto](https://www.mosquitto.org) استعمال کرتے ہوئے اور اپنے IoT ڈیوائس اور سرور کوڈ سے اس سے جڑیں۔
+
+> 💁 ٹپ - Mosquitto ڈیفالٹ طور پر گمنام کنکشنز (یعنی بغیر یوزر نیم اور پاسورڈ کے کنکشن) کی اجازت نہیں دیتا، اور اس کمپیوٹر کے باہر سے کنکشن کی اجازت نہیں دیتا جس پر یہ چل رہا ہو۔
+> آپ اسے [`mosquitto.conf` کنفیگریشن فائل](https://www.mosquitto.org/man/mosquitto-conf-5.html) کے ذریعے ٹھیک کر سکتے ہیں جس میں درج ذیل ہو:
+>
+> ```sh
+> listener 1883 0.0.0.0
+> allow_anonymous true
+> ```
+
+## اسائنمنٹ
+
+[MQTT کا دیگر کمیونیکیشن پروٹوکولز کے ساتھ موازنہ کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/assignment.md b/translations/ur/1-getting-started/lessons/4-connect-internet/assignment.md
new file mode 100644
index 00000000..51fb3b72
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d4033cdd7b5b5475c63770102e38480",
+  "translation_date": "2025-08-26T23:18:18+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/assignment.md",
+  "language_code": "ur"
+}
+-->
+# MQTT کا دیگر مواصلاتی پروٹوکولز کے ساتھ موازنہ اور تضاد
+
+## ہدایات
+
+اس سبق میں MQTT کو ایک مواصلاتی پروٹوکول کے طور پر بیان کیا گیا ہے۔ دیگر پروٹوکولز میں AMQP اور HTTP/HTTPS شامل ہیں۔
+
+ان دونوں پر تحقیق کریں اور ان کا MQTT کے ساتھ موازنہ اور تضاد کریں۔ توانائی کے استعمال، سیکیورٹی، اور پیغام کی پائیداری کے بارے میں سوچیں اگر کنکشن منقطع ہو جائے۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| AMQP کا MQTT کے ساتھ موازنہ | AMQP کا MQTT کے ساتھ موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری کا احاطہ کرتا ہے۔ | AMQP کا MQTT کے ساتھ جزوی طور پر موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری میں سے دو کا احاطہ کرتا ہے۔ | AMQP کا MQTT کے ساتھ جزوی طور پر موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری میں سے ایک کا احاطہ کرتا ہے۔ |
+| HTTP/HTTPS کا MQTT کے ساتھ موازنہ | HTTP/HTTPS کا MQTT کے ساتھ موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری کا احاطہ کرتا ہے۔ | HTTP/HTTPS کا MQTT کے ساتھ جزوی طور پر موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری میں سے دو کا احاطہ کرتا ہے۔ | HTTP/HTTPS کا MQTT کے ساتھ جزوی طور پر موازنہ اور تضاد کرنے کے قابل ہے اور توانائی، سیکیورٹی، اور پیغام کی پائیداری میں سے ایک کا احاطہ کرتا ہے۔ |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
new file mode 100644
index 00000000..b27f9909
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md
@@ -0,0 +1,67 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c527ce85d69b1a3875366ec61cbed8aa",
+  "translation_date": "2025-08-26T23:09:42+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-commands.md",
+  "language_code": "ur"
+}
+-->
+# انٹرنیٹ کے ذریعے اپنی نائٹ لائٹ کو کنٹرول کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ MQTT بروکر سے اپنے راسپبیری پائی یا ورچوئل IoT ڈیوائس کو بھیجے گئے کمانڈز کو سبسکرائب کریں گے۔
+
+## کمانڈز کو سبسکرائب کریں
+
+اگلا مرحلہ یہ ہے کہ MQTT بروکر سے بھیجے گئے کمانڈز کو سبسکرائب کریں اور ان پر ردعمل دیں۔
+
+### کام
+
+کمانڈز کو سبسکرائب کریں۔
+
+1. نائٹ لائٹ پروجیکٹ کو VS Code میں کھولیں۔
+
+1. اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ ٹرمینل ورچوئل ماحول چلا رہا ہے۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو آپ ورچوئل ماحول استعمال نہیں کریں گے۔
+
+1. `client_telemetry_topic` کی تعریف کے بعد درج ذیل کوڈ شامل کریں:
+
+    ```python
+    server_command_topic = id + '/commands'
+    ```
+
+    `server_command_topic` وہ MQTT ٹاپک ہے جسے ڈیوائس LED کمانڈز وصول کرنے کے لیے سبسکرائب کرے گا۔
+
+1. مین لوپ کے بالکل اوپر، `mqtt_client.loop_start()` لائن کے بعد درج ذیل کوڈ شامل کریں:
+
+    ```python
+    def handle_command(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['led_on']:
+            led.on()
+        else:
+            led.off()
+    
+    mqtt_client.subscribe(server_command_topic)
+    mqtt_client.on_message = handle_command
+    ```
+
+    یہ کوڈ ایک فنکشن، `handle_command` کو ڈیفائن کرتا ہے جو ایک پیغام کو JSON ڈاکیومنٹ کے طور پر پڑھتا ہے اور `led_on` پراپرٹی کی ویلیو تلاش کرتا ہے۔ اگر یہ `True` پر سیٹ ہو تو LED آن ہو جائے گا، ورنہ یہ آف ہو جائے گا۔
+
+    MQTT کلائنٹ اس ٹاپک کو سبسکرائب کرتا ہے جس پر سرور پیغامات بھیجے گا اور `handle_command` فنکشن کو سیٹ کرتا ہے تاکہ جب کوئی پیغام موصول ہو تو اسے کال کیا جائے۔
+
+    > 💁 `on_message` ہینڈلر ان تمام ٹاپکس کے لیے کال کیا جاتا ہے جنہیں سبسکرائب کیا گیا ہے۔ اگر آپ بعد میں ایسا کوڈ لکھیں جو متعدد ٹاپکس کو سننے کے لیے ہو، تو آپ اس ٹاپک کو حاصل کر سکتے ہیں جس پر پیغام بھیجا گیا تھا، `message` آبجیکٹ سے جو ہینڈلر فنکشن کو پاس کیا جاتا ہے۔
+
+1. کوڈ کو اسی طرح چلائیں جیسے آپ نے اسائنمنٹ کے پچھلے حصے سے کوڈ چلایا تھا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ CounterFit ایپ چل رہی ہے اور لائٹ سینسر اور LED درست پنز پر بنائے گئے ہیں۔
+
+1. اپنے فزیکل یا ورچوئل ڈیوائس کے ذریعے ڈیٹیکٹ کیے گئے لائٹ لیولز کو ایڈجسٹ کریں۔ موصول ہونے والے پیغامات اور بھیجے گئے کمانڈز ٹرمینل پر لکھے جائیں گے۔ لائٹ لیول کے مطابق LED بھی آن اور آف ہو جائے گا۔
+
+> 💁 آپ یہ کوڈ [code-commands/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/virtual-device) فولڈر یا [code-commands/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس کو MQTT بروکر سے کمانڈز پر ردعمل دینے کے لیے کوڈ کر لیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
new file mode 100644
index 00000000..b017940d
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "90fb93446e03c38f3c0e4009c2471906",
+  "translation_date": "2025-08-26T23:18:59+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md",
+  "language_code": "ur"
+}
+-->
+# انٹرنیٹ کے ذریعے اپنی نائٹ لائٹ کو کنٹرول کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+IoT ڈیوائس کو *test.mosquitto.org* کے ساتھ MQTT کے ذریعے بات چیت کرنے کے لیے کوڈ کیا جانا چاہیے تاکہ ٹیلیمیٹری ویلیوز کو لائٹ سینسر ریڈنگ کے ساتھ بھیجا جا سکے، اور ایل ای ڈی کو کنٹرول کرنے کے لیے کمانڈز وصول کی جا سکیں۔
+
+اس سبق کے اس حصے میں، آپ اپنی راسپبیری پائی یا ورچوئل IoT ڈیوائس کو MQTT بروکر سے جوڑیں گے۔
+
+## MQTT کلائنٹ پیکیج انسٹال کریں
+
+MQTT بروکر کے ساتھ بات چیت کرنے کے لیے، آپ کو اپنے پائی یا ورچوئل ماحول میں MQTT لائبریری پائپ پیکیج انسٹال کرنے کی ضرورت ہوگی اگر آپ ورچوئل ڈیوائس استعمال کر رہے ہیں۔
+
+### کام
+
+پائپ پیکیج انسٹال کریں
+
+1. نائٹ لائٹ پروجیکٹ کو VS کوڈ میں کھولیں۔
+
+1. اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ ٹرمینل ورچوئل ماحول چلا رہا ہے۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو آپ ورچوئل ماحول استعمال نہیں کریں گے۔
+
+1. MQTT پائپ پیکیج انسٹال کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    pip3 install paho-mqtt
+    ```
+
+## ڈیوائس کوڈ کریں
+
+ڈیوائس کو کوڈ کرنے کے لیے تیار ہے۔
+
+### کام
+
+ڈیوائس کوڈ لکھیں۔
+
+1. `app.py` فائل کے اوپر درج ذیل امپورٹ شامل کریں:
+
+    ```python
+    import paho.mqtt.client as mqtt
+    ```
+
+    `paho.mqtt.client` لائبریری آپ کی ایپ کو MQTT کے ذریعے بات چیت کرنے کی اجازت دیتی ہے۔
+
+1. لائٹ سینسر اور ایل ای ڈی کی تعریفوں کے بعد درج ذیل کوڈ شامل کریں:
+
+    ```python
+    id = '<ID>'
+
+    client_name = id + 'nightlight_client'
+    ```
+
+    `<ID>` کو ایک منفرد ID سے تبدیل کریں جو اس ڈیوائس کلائنٹ کے نام کے طور پر استعمال ہوگی، اور بعد میں ان موضوعات کے لیے جو یہ ڈیوائس شائع اور سبسکرائب کرے گا۔ *test.mosquitto.org* بروکر عوامی ہے اور بہت سے لوگ استعمال کرتے ہیں، بشمول دیگر طلباء جو اس اسائنمنٹ پر کام کر رہے ہیں۔ ایک منفرد MQTT کلائنٹ نام اور موضوعات کے نام رکھنے سے آپ کا کوڈ کسی اور کے کوڈ سے متصادم نہیں ہوگا۔ آپ کو یہ ID اس وقت بھی درکار ہوگی جب آپ اس اسائنمنٹ کے بعد سرور کوڈ بنا رہے ہوں گے۔
+
+    > 💁 آپ [GUIDGen](https://www.guidgen.com) جیسی ویب سائٹ استعمال کر سکتے ہیں تاکہ ایک منفرد ID تیار کی جا سکے۔
+
+    `client_name` اس MQTT کلائنٹ کے لیے بروکر پر ایک منفرد نام ہے۔
+
+1. اس نئے کوڈ کے نیچے درج ذیل کوڈ شامل کریں تاکہ ایک MQTT کلائنٹ آبجیکٹ بنایا جا سکے اور MQTT بروکر سے جڑا جا سکے:
+
+    ```python
+    mqtt_client = mqtt.Client(client_name)
+    mqtt_client.connect('test.mosquitto.org')
+    
+    mqtt_client.loop_start()
+
+    print("MQTT connected!")
+    ```
+
+    یہ کوڈ کلائنٹ آبجیکٹ بناتا ہے، عوامی MQTT بروکر سے جڑتا ہے، اور ایک پروسیسنگ لوپ شروع کرتا ہے جو پس منظر کے تھریڈ میں چلتا ہے اور کسی بھی سبسکرائب کردہ موضوعات پر پیغامات سننے کے لیے۔
+
+1. کوڈ کو اسی طرح چلائیں جیسے آپ نے اس اسائنمنٹ کے پچھلے حصے سے کوڈ چلایا تھا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ CounterFit ایپ چل رہی ہے اور لائٹ سینسر اور ایل ای ڈی کو درست پنز پر بنایا گیا ہے۔
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Light level: 0
+    Light level: 0
+    ```
+
+> 💁 آپ اس کوڈ کو [code-mqtt/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/virtual-device) فولڈر یا [code-mqtt/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنی ڈیوائس کو MQTT بروکر سے جوڑ لیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
new file mode 100644
index 00000000..9c727edb
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md
@@ -0,0 +1,74 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1226517aae5f5b6f904434670394c688",
+  "translation_date": "2025-08-26T23:10:21+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md",
+  "language_code": "ur"
+}
+-->
+# انٹرنیٹ کے ذریعے اپنی نائٹ لائٹ کو کنٹرول کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی یا ورچوئل IoT ڈیوائس سے روشنی کی سطح کے ساتھ ٹیلیمیٹری کو ایک MQTT بروکر پر بھیجیں گے۔
+
+## ٹیلیمیٹری شائع کریں
+
+اگلا مرحلہ یہ ہے کہ ٹیلیمیٹری کے ساتھ ایک JSON دستاویز بنائیں اور اسے MQTT بروکر پر بھیجیں۔
+
+### کام
+
+ٹیلیمیٹری کو MQTT بروکر پر شائع کریں۔
+
+1. نائٹ لائٹ پروجیکٹ کو VS Code میں کھولیں۔
+
+1. اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ ٹرمینل ورچوئل ماحول چلا رہا ہے۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو آپ ورچوئل ماحول استعمال نہیں کریں گے۔
+
+1. `app.py` فائل کے شروع میں درج ذیل درآمد شامل کریں:
+
+    ```python
+    import json
+    ```
+
+    `json` لائبریری ٹیلیمیٹری کو JSON دستاویز کے طور پر انکوڈ کرنے کے لیے استعمال ہوتی ہے۔
+
+1. `client_name` کے اعلان کے بعد درج ذیل شامل کریں:
+
+    ```python
+    client_telemetry_topic = id + '/telemetry'
+    ```
+
+    `client_telemetry_topic` وہ MQTT موضوع ہے جس پر ڈیوائس روشنی کی سطح کو شائع کرے گا۔
+
+1. فائل کے آخر میں `while True:` لوپ کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    while True:
+        light = light_sensor.light
+        telemetry = json.dumps({'light' : light})
+
+        print("Sending telemetry ", telemetry)
+    
+        mqtt_client.publish(client_telemetry_topic, telemetry)
+    
+        time.sleep(5)
+    ```
+
+    یہ کوڈ روشنی کی سطح کو JSON دستاویز میں پیک کرتا ہے اور اسے MQTT بروکر پر شائع کرتا ہے۔ پھر یہ پیغامات بھیجنے کی تعدد کو کم کرنے کے لیے وقفہ لیتا ہے۔
+
+1. کوڈ کو اسی طرح چلائیں جیسے آپ نے اسائنمنٹ کے پچھلے حصے سے کوڈ چلایا تھا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ CounterFit ایپ چل رہی ہے اور روشنی کے سینسر اور LED کو درست پنز پر بنایا گیا ہے۔
+
+    ```output
+    (.venv) ➜  nightlight python app.py 
+    MQTT connected!
+    Sending telemetry  {"light": 0}
+    Sending telemetry  {"light": 0}
+    ```
+
+> 💁 آپ اس کوڈ کو [code-telemetry/virtual-device](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/virtual-device) فولڈر یا [code-telemetry/pi](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس سے ٹیلیمیٹری بھیج دی ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
new file mode 100644
index 00000000..a3fbba35
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6754c915dae64ba70fcd5e52c37f3adf",
+  "translation_date": "2025-08-26T23:21:09+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-commands.md",
+  "language_code": "ur"
+}
+-->
+# اپنی نائٹ لائٹ کو انٹرنیٹ کے ذریعے کنٹرول کریں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ MQTT بروکر سے بھیجے گئے کمانڈز کو اپنے Wio Terminal پر سبسکرائب کریں گے۔
+
+## کمانڈز کو سبسکرائب کریں
+
+اگلا مرحلہ یہ ہے کہ MQTT بروکر سے بھیجے گئے کمانڈز کو سبسکرائب کریں اور ان پر ردعمل دیں۔
+
+### کام
+
+کمانڈز کو سبسکرائب کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں۔
+
+1. `config.h` فائل کے آخر میں درج ذیل کوڈ شامل کریں تاکہ کمانڈز کے لیے ٹاپک کا نام ڈیفائن کیا جا سکے:
+
+    ```cpp
+    const string SERVER_COMMAND_TOPIC = ID + "/commands";
+    ```
+
+    `SERVER_COMMAND_TOPIC` وہ ٹاپک ہے جسے ڈیوائس سبسکرائب کرے گا تاکہ LED کمانڈز وصول کر سکے۔
+
+1. `reconnectMQTTClient` فنکشن کے آخر میں درج ذیل لائن شامل کریں تاکہ MQTT کلائنٹ کے دوبارہ جڑنے پر کمانڈ ٹاپک کو سبسکرائب کیا جا سکے:
+
+    ```cpp
+    client.subscribe(SERVER_COMMAND_TOPIC.c_str());
+    ```
+
+1. `reconnectMQTTClient` فنکشن کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void clientCallback(char *topic, uint8_t *payload, unsigned int length)
+    {
+        char buff[length + 1];
+        for (int i = 0; i < length; i++)
+        {
+            buff[i] = (char)payload[i];
+        }
+        buff[length] = '\0';
+    
+        Serial.print("Message received:");
+        Serial.println(buff);
+    
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, buff);
+        JsonObject obj = doc.as<JsonObject>();
+    
+        bool led_on = obj["led_on"];
+    
+        if (led_on)
+            digitalWrite(D0, HIGH);
+        else
+            digitalWrite(D0, LOW);
+    }
+    ```
+
+    یہ فنکشن وہ کال بیک ہوگا جسے MQTT کلائنٹ سرور سے پیغام وصول کرنے پر کال کرے گا۔
+
+    پیغام ایک غیر دستخط شدہ 8 بٹ انٹیجرز کی ارے کے طور پر وصول ہوتا ہے، اس لیے اسے ٹیکسٹ کے طور پر ٹریٹ کرنے کے لیے ایک کریکٹر ارے میں تبدیل کرنے کی ضرورت ہوتی ہے۔
+
+    پیغام ایک JSON ڈاکیومنٹ پر مشتمل ہوتا ہے، اور اسے ArduinoJson لائبریری کا استعمال کرتے ہوئے ڈیکوڈ کیا جاتا ہے۔ JSON ڈاکیومنٹ کی `led_on` پراپرٹی کو پڑھا جاتا ہے، اور اس کی ویلیو کے مطابق LED کو آن یا آف کیا جاتا ہے۔
+
+1. `createMQTTClient` فنکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    client.setCallback(clientCallback);
+    ```
+
+    یہ کوڈ `clientCallback` کو اس کال بیک کے طور پر سیٹ کرتا ہے جو MQTT بروکر سے پیغام وصول ہونے پر کال کیا جائے گا۔
+
+    > 💁 `clientCallback` ہینڈلر ان تمام ٹاپکس کے لیے کال کیا جاتا ہے جنہیں سبسکرائب کیا گیا ہو۔ اگر آپ بعد میں ایسا کوڈ لکھیں جو متعدد ٹاپکس کو سنتا ہو، تو آپ اس ٹاپک کو حاصل کر سکتے ہیں جس پر پیغام بھیجا گیا تھا، جو کال بیک فنکشن کو پاس کیے گئے `topic` پیرامیٹر سے حاصل ہوگا۔
+
+1. کوڈ کو اپنے Wio Terminal پر اپ لوڈ کریں، اور سیریل مانیٹر کا استعمال کریں تاکہ MQTT بروکر کو بھیجے جانے والے روشنی کی سطحوں کو دیکھ سکیں۔
+
+1. اپنی فزیکل یا ورچوئل ڈیوائس کے ذریعے ڈیٹیکٹ کی جانے والی روشنی کی سطحوں کو ایڈجسٹ کریں۔ آپ دیکھیں گے کہ ٹرمینل میں پیغامات وصول ہو رہے ہیں اور کمانڈز بھیجی جا رہی ہیں۔ آپ یہ بھی دیکھیں گے کہ روشنی کی سطح کے مطابق LED آن اور آف ہو رہا ہے۔
+
+> 💁 آپ اس کوڈ کو [code-commands/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-commands/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس کو MQTT بروکر سے کمانڈز پر ردعمل دینے کے لیے کوڈ کیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
new file mode 100644
index 00000000..ecf4eaa0
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md
@@ -0,0 +1,251 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6faf0e8d3c2d6d20c0aef2a305dab18",
+  "translation_date": "2025-08-26T23:20:01+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md",
+  "language_code": "ur"
+}
+-->
+# اپنی نائٹ لائٹ کو انٹرنیٹ کے ذریعے کنٹرول کریں - Wio Terminal
+
+IoT ڈیوائس کو *test.mosquitto.org* کے ساتھ MQTT کے ذریعے بات چیت کرنے کے لیے کوڈ کیا جانا چاہیے تاکہ روشنی کے سینسر کی ریڈنگ کے ساتھ ٹیلیمیٹری ویلیوز بھیج سکے اور LED کو کنٹرول کرنے کے لیے کمانڈز وصول کر سکے۔
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal کو MQTT بروکر سے جوڑیں گے۔
+
+## WiFi اور MQTT Arduino لائبریریاں انسٹال کریں
+
+MQTT بروکر کے ساتھ بات چیت کرنے کے لیے، آپ کو کچھ Arduino لائبریریاں انسٹال کرنے کی ضرورت ہوگی تاکہ Wio Terminal میں موجود WiFi چپ کا استعمال کیا جا سکے اور MQTT کے ساتھ بات چیت کی جا سکے۔ Arduino ڈیوائسز کے لیے ترقی کرتے وقت، آپ وسیع پیمانے پر لائبریریاں استعمال کر سکتے ہیں جو اوپن سورس کوڈ پر مشتمل ہوتی ہیں اور بے شمار صلاحیتوں کو نافذ کرتی ہیں۔ Seeed نے Wio Terminal کے لیے لائبریریاں شائع کی ہیں جو اسے WiFi کے ذریعے بات چیت کرنے کی اجازت دیتی ہیں۔ دیگر ڈویلپرز نے MQTT بروکرز کے ساتھ بات چیت کرنے کے لیے لائبریریاں شائع کی ہیں، اور آپ ان کا استعمال اپنے ڈیوائس کے ساتھ کریں گے۔
+
+یہ لائبریریاں سورس کوڈ کے طور پر فراہم کی جاتی ہیں جنہیں PlatformIO میں خودکار طور پر درآمد کیا جا سکتا ہے اور آپ کے ڈیوائس کے لیے کمپائل کیا جا سکتا ہے۔ اس طرح Arduino لائبریریاں کسی بھی ڈیوائس پر کام کریں گی جو Arduino فریم ورک کو سپورٹ کرتی ہے، بشرطیکہ ڈیوائس میں اس لائبریری کے لیے ضروری مخصوص ہارڈویئر موجود ہو۔ کچھ لائبریریاں، جیسے Seeed WiFi لائبریریاں، مخصوص ہارڈویئر کے لیے مخصوص ہوتی ہیں۔
+
+لائبریریاں عالمی سطح پر انسٹال کی جا سکتی ہیں اور ضرورت پڑنے پر کمپائل کی جا سکتی ہیں، یا کسی مخصوص پروجیکٹ میں۔ اس اسائنمنٹ کے لیے، لائبریریاں پروجیکٹ میں انسٹال کی جائیں گی۔
+
+✅ آپ لائبریری مینجمنٹ کے بارے میں مزید جان سکتے ہیں اور لائبریریوں کو تلاش کرنے اور انسٹال کرنے کا طریقہ [PlatformIO لائبریری دستاویزات](https://docs.platformio.org/en/latest/librarymanager/index.html) میں دیکھ سکتے ہیں۔
+
+### کام - WiFi اور MQTT Arduino لائبریریاں انسٹال کریں
+
+Arduino لائبریریاں انسٹال کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں۔
+
+1. `platformio.ini` فائل کے آخر میں درج ذیل شامل کریں:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+        seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+        seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    ```
+
+    یہ Seeed WiFi لائبریریاں درآمد کرتا ہے۔ `@ <number>` نحو لائبریری کے مخصوص ورژن نمبر کی طرف اشارہ کرتا ہے۔
+
+    > 💁 آپ `@ <number>` کو ہٹا سکتے ہیں تاکہ ہمیشہ لائبریریوں کے تازہ ترین ورژن استعمال کیے جا سکیں، لیکن اس بات کی کوئی ضمانت نہیں ہے کہ بعد کے ورژن نیچے دیے گئے کوڈ کے ساتھ کام کریں گے۔ یہاں موجود کوڈ کو ان لائبریریوں کے اس ورژن کے ساتھ آزمایا گیا ہے۔
+
+    لائبریریوں کو شامل کرنے کے لیے آپ کو بس یہی کرنا ہے۔ اگلی بار جب PlatformIO پروجیکٹ کو بنائے گا، یہ ان لائبریریوں کے سورس کوڈ کو ڈاؤن لوڈ کرے گا اور اسے آپ کے پروجیکٹ میں کمپائل کرے گا۔
+
+1. `lib_deps` میں درج ذیل شامل کریں:
+
+    ```ini
+    knolleary/PubSubClient @ 2.8
+    ```
+
+    یہ [PubSubClient](https://github.com/knolleary/pubsubclient)، ایک Arduino MQTT کلائنٹ درآمد کرتا ہے۔
+
+## WiFi سے جڑیں
+
+اب Wio Terminal کو WiFi سے جوڑا جا سکتا ہے۔
+
+### کام - WiFi سے جڑیں
+
+Wio Terminal کو WiFi سے جوڑیں۔
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `config.h` ہو۔ آپ یہ `src` فولڈر یا اس کے اندر موجود `main.cpp` فائل کو منتخب کر کے اور ایکسپلورر سے **New file** بٹن منتخب کر کے کر سکتے ہیں۔ یہ بٹن صرف اس وقت ظاہر ہوتا ہے جب آپ کا کرسر ایکسپلورر پر ہو۔
+
+    ![نئی فائل کا بٹن](../../../../../translated_images/vscode-new-file-button.182702340fe6723c8cbb4cfa1a9a9fb0d0a5227643b4e46b91ff67b07a39a92f.ur.png)
+
+1. اس فائل میں درج ذیل کوڈ شامل کریں تاکہ آپ کے WiFi کی اسناد کے لیے مستقلات کی وضاحت کی جا سکے:
+
+    ```cpp
+    #pragma once
+
+    #include <string>
+    
+    using namespace std;
+    
+    // WiFi credentials
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    ```
+
+    `<SSID>` کو اپنے WiFi کے SSID سے تبدیل کریں۔ `<PASSWORD>` کو اپنے WiFi پاس ورڈ سے تبدیل کریں۔
+
+1. `main.cpp` فائل کھولیں۔
+
+1. فائل کے اوپر درج ذیل `#include` ہدایات شامل کریں:
+
+    ```cpp
+    #include <PubSubClient.h>
+    #include <rpcWiFi.h>
+    #include <SPI.h>
+    
+    #include "config.h"
+    ```
+
+    یہ ان لائبریریوں کے ہیڈر فائلز شامل کرتا ہے جو آپ نے پہلے شامل کی تھیں، ساتھ ہی config ہیڈر فائل بھی۔ یہ ہیڈر فائلز PlatformIO کو لائبریریوں سے کوڈ لانے کے لیے بتانے کے لیے ضروری ہیں۔ ان ہیڈر فائلز کو واضح طور پر شامل کیے بغیر، کچھ کوڈ کمپائل نہیں کیا جائے گا اور آپ کو کمپائلر کی غلطیاں ملیں گی۔
+
+1. `setup` فنکشن کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+    یہ کوڈ اس وقت تک لوپ کرتا ہے جب تک کہ ڈیوائس WiFi سے منسلک نہ ہو، اور config ہیڈر فائل سے SSID اور پاس ورڈ کا استعمال کرتے ہوئے کنکشن کی کوشش کرتا ہے۔
+
+1. پنز کو کنفیگر کرنے کے بعد، `setup` فنکشن کے نیچے اس فنکشن کو کال کریں۔
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. اس کوڈ کو اپنے ڈیوائس پر اپ لوڈ کریں تاکہ WiFi کنکشن کام کر رہا ہو۔ آپ کو یہ سیریل مانیٹر میں نظر آنا چاہیے۔
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    ```
+
+## MQTT سے جڑیں
+
+ایک بار جب Wio Terminal WiFi سے جڑ جائے، تو یہ MQTT بروکر سے جڑ سکتا ہے۔
+
+### کام - MQTT سے جڑیں
+
+MQTT بروکر سے جڑیں۔
+
+1. MQTT بروکر کے کنکشن کی تفصیلات کی وضاحت کے لیے `config.h` فائل کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    // MQTT settings
+    const string ID = "<ID>";
+    
+    const string BROKER = "test.mosquitto.org";
+    const string CLIENT_NAME = ID + "nightlight_client";
+    ```
+
+    `<ID>` کو ایک منفرد ID سے تبدیل کریں جو اس ڈیوائس کلائنٹ کے نام کے طور پر استعمال ہوگا، اور بعد میں ان موضوعات کے لیے جو یہ ڈیوائس شائع اور سبسکرائب کرے گا۔ *test.mosquitto.org* بروکر عوامی ہے اور بہت سے لوگ استعمال کرتے ہیں، بشمول دیگر طلباء جو اس اسائنمنٹ پر کام کر رہے ہیں۔ ایک منفرد MQTT کلائنٹ نام اور موضوع کے نام رکھنے سے آپ کے کوڈ کے کسی اور کے کوڈ کے ساتھ ٹکرانے کا امکان ختم ہو جاتا ہے۔ آپ کو یہ ID اسائنمنٹ کے بعد کے حصے میں سرور کوڈ بناتے وقت بھی درکار ہوگی۔
+
+    > 💁 آپ [GUIDGen](https://www.guidgen.com) جیسی ویب سائٹ استعمال کر سکتے ہیں تاکہ ایک منفرد ID تیار کی جا سکے۔
+
+    `BROKER` MQTT بروکر کا URL ہے۔
+
+    `CLIENT_NAME` اس MQTT کلائنٹ کے لیے بروکر پر ایک منفرد نام ہے۔
+
+1. `main.cpp` فائل کھولیں، اور `connectWiFi` فنکشن کے نیچے اور `setup` فنکشن کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    WiFiClient wioClient;
+    PubSubClient client(wioClient);
+    ```
+
+    یہ کوڈ Wio Terminal WiFi لائبریریوں کا استعمال کرتے ہوئے ایک WiFi کلائنٹ بناتا ہے اور اسے MQTT کلائنٹ بنانے کے لیے استعمال کرتا ہے۔
+
+1. اس کوڈ کے نیچے درج ذیل شامل کریں:
+
+    ```cpp
+    void reconnectMQTTClient()
+    {
+        while (!client.connected())
+        {
+            Serial.print("Attempting MQTT connection...");
+    
+            if (client.connect(CLIENT_NAME.c_str()))
+            {
+                Serial.println("connected");
+            }
+            else
+            {
+                Serial.print("Retying in 5 seconds - failed, rc=");
+                Serial.println(client.state());
+                
+                delay(5000);
+            }
+        }
+    }
+    ```
+
+    یہ فنکشن MQTT بروکر کے ساتھ کنکشن کی جانچ کرتا ہے اور اگر کنکشن نہ ہو تو دوبارہ کنیکٹ کرتا ہے۔ یہ اس وقت تک لوپ کرتا ہے جب تک کہ کنکشن نہ ہو اور منفرد کلائنٹ نام کا استعمال کرتے ہوئے کنکشن کی کوشش کرتا ہے جو config ہیڈر فائل میں بیان کیا گیا ہے۔
+
+    اگر کنکشن ناکام ہو جائے، تو یہ 5 سیکنڈ کے بعد دوبارہ کوشش کرتا ہے۔
+
+1. `reconnectMQTTClient` فنکشن کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void createMQTTClient()
+    {
+        client.setServer(BROKER.c_str(), 1883);
+        reconnectMQTTClient();
+    }
+    ```
+
+    یہ کوڈ کلائنٹ کے لیے MQTT بروکر سیٹ کرتا ہے، ساتھ ہی ایک کال بیک سیٹ کرتا ہے جب کوئی پیغام موصول ہوتا ہے۔ پھر یہ بروکر سے جڑنے کی کوشش کرتا ہے۔
+
+1. WiFi کے کنیکٹ ہونے کے بعد `setup` فنکشن میں `createMQTTClient` فنکشن کو کال کریں۔
+
+1. `loop` فنکشن کو مکمل طور پر درج ذیل سے تبدیل کریں:
+
+    ```cpp
+    void loop()
+    {
+        reconnectMQTTClient();
+        client.loop();
+    
+        delay(2000);
+    }
+    ```
+
+    یہ کوڈ MQTT بروکر سے دوبارہ کنیکٹ کرنے سے شروع ہوتا ہے۔ یہ کنیکشن آسانی سے ٹوٹ سکتے ہیں، اس لیے باقاعدگی سے چیک کرنا اور ضرورت پڑنے پر دوبارہ کنیکٹ کرنا فائدہ مند ہے۔ پھر یہ MQTT کلائنٹ کے `loop` میتھڈ کو کال کرتا ہے تاکہ کسی بھی پیغامات کو پروسیس کیا جا سکے جو سبسکرائب کیے گئے موضوع پر آ رہے ہیں۔ یہ ایپ سنگل تھریڈڈ ہے، اس لیے پیغامات کو بیک گراؤنڈ تھریڈ پر موصول نہیں کیا جا سکتا، اس لیے نیٹ ورک کنیکشن پر انتظار کرنے والے کسی بھی پیغامات کو پروسیس کرنے کے لیے مین تھریڈ پر وقت مختص کرنا ضروری ہے۔
+
+    آخر میں، 2 سیکنڈ کی تاخیر یقینی بناتی ہے کہ روشنی کی سطحیں بہت زیادہ بار نہ بھیجی جائیں اور ڈیوائس کی پاور کنزمپشن کم ہو۔
+
+1. کوڈ کو اپنے Wio Terminal پر اپ لوڈ کریں، اور سیریل مانیٹر کا استعمال کرتے ہوئے ڈیوائس کو WiFi اور MQTT سے جڑتے ہوئے دیکھیں۔
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    source /Users/jimbennett/GitHub/IoT-For-Beginners/1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal/nightlight/.venv/bin/activate
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    ```
+
+> 💁 آپ اس کوڈ کو [code-mqtt/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-mqtt/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس کو MQTT بروکر سے جوڑ لیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
new file mode 100644
index 00000000..696239f1
--- /dev/null
+++ b/translations/ur/1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md
@@ -0,0 +1,93 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4bcc29fe2b65e56eada83d2476279227",
+  "translation_date": "2025-08-26T23:17:45+00:00",
+  "source_file": "1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md",
+  "language_code": "ur"
+}
+-->
+# اپنی نائٹ لائٹ کو انٹرنیٹ کے ذریعے کنٹرول کریں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal سے روشنی کی سطح کے ساتھ ٹیلیمیٹری MQTT بروکر کو بھیجیں گے۔
+
+## JSON Arduino لائبریریاں انسٹال کریں
+
+MQTT کے ذریعے پیغامات بھیجنے کا ایک مقبول طریقہ JSON کا استعمال ہے۔ JSON کے لیے ایک Arduino لائبریری موجود ہے جو JSON دستاویزات کو پڑھنے اور لکھنے کو آسان بناتی ہے۔
+
+### کام
+
+Arduino JSON لائبریری انسٹال کریں۔
+
+1. VS Code میں نائٹ لائٹ پروجیکٹ کھولیں۔
+
+1. `platformio.ini` فائل میں `lib_deps` فہرست میں درج ذیل کو ایک اضافی لائن کے طور پر شامل کریں:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    یہ [ArduinoJson](https://arduinojson.org)، ایک Arduino JSON لائبریری کو درآمد کرتا ہے۔
+
+## ٹیلیمیٹری شائع کریں
+
+اگلا مرحلہ ٹیلیمیٹری کے ساتھ ایک JSON دستاویز بنانا اور اسے MQTT بروکر کو بھیجنا ہے۔
+
+### کام - ٹیلیمیٹری شائع کریں
+
+MQTT بروکر کو ٹیلیمیٹری شائع کریں۔
+
+1. `config.h` فائل کے آخر میں درج ذیل کوڈ شامل کریں تاکہ MQTT بروکر کے لیے ٹیلیمیٹری ٹاپک کا نام متعین کیا جا سکے:
+
+    ```cpp
+    const string CLIENT_TELEMETRY_TOPIC = ID + "/telemetry";
+    ```
+
+    `CLIENT_TELEMETRY_TOPIC` وہ ٹاپک ہے جس پر ڈیوائس روشنی کی سطح کو شائع کرے گا۔
+
+1. `main.cpp` فائل کھولیں۔
+
+1. فائل کے اوپر درج ذیل `#include` ہدایت شامل کریں:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. `loop` فنکشن کے اندر، `delay` سے بالکل پہلے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    int light = analogRead(WIO_LIGHT);
+
+    DynamicJsonDocument doc(1024);
+    doc["light"] = light;
+
+    string telemetry;
+    serializeJson(doc, telemetry);
+
+    Serial.print("Sending telemetry ");
+    Serial.println(telemetry.c_str());
+
+    client.publish(CLIENT_TELEMETRY_TOPIC.c_str(), telemetry.c_str());
+    ```
+
+    یہ کوڈ روشنی کی سطح کو پڑھتا ہے اور ArduinoJson کا استعمال کرتے ہوئے اس سطح کے ساتھ ایک JSON دستاویز بناتا ہے۔ پھر اسے ایک سٹرنگ میں سیریلائز کیا جاتا ہے اور MQTT کلائنٹ کے ذریعے ٹیلیمیٹری MQTT ٹاپک پر شائع کیا جاتا ہے۔
+
+1. کوڈ کو اپنے Wio Terminal پر اپ لوڈ کریں، اور سیریل مانیٹر کا استعمال کرتے ہوئے دیکھیں کہ روشنی کی سطح MQTT بروکر کو بھیجی جا رہی ہے۔
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"light":652}
+    Sending telemetry {"light":612}
+    Sending telemetry {"light":583}
+    ```
+
+> 💁 آپ اس کوڈ کو [code-telemetry/wio-terminal](../../../../../1-getting-started/lessons/4-connect-internet/code-telemetry/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس سے ٹیلیمیٹری بھیج دی ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/README.md b/translations/ur/2-farm/README.md
new file mode 100644
index 00000000..d06d0f86
--- /dev/null
+++ b/translations/ur/2-farm/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "428bda82d9e6016ecea7c797564bf081",
+  "translation_date": "2025-08-26T22:11:52+00:00",
+  "source_file": "2-farm/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی کے ساتھ زراعت
+
+جیسے جیسے آبادی بڑھتی ہے، زراعت پر دباؤ بھی بڑھتا ہے۔ زمین کی مقدار تو نہیں بڑھتی، لیکن موسم ضرور بدلتا ہے - جو کسانوں کے لیے مزید چیلنجز پیدا کرتا ہے، خاص طور پر ان 2 ارب [خود کفیل کسانوں](https://wikipedia.org/wiki/Subsistence_agriculture) کے لیے جو اپنی پیداوار پر انحصار کرتے ہیں تاکہ خود کھا سکیں اور اپنے خاندان کو کھلا سکیں۔ آئی او ٹی کسانوں کو یہ سمجھنے میں مدد دے سکتا ہے کہ کیا اگانا ہے اور کب فصل کاٹنی ہے، پیداوار بڑھا سکتا ہے، دستی محنت کو کم کر سکتا ہے، اور کیڑوں کا پتہ لگا کر ان سے نمٹنے میں مدد دے سکتا ہے۔
+
+ان 6 اسباق میں آپ سیکھیں گے کہ انٹرنیٹ آف تھنگز کو زراعت کو بہتر بنانے اور خودکار کرنے کے لیے کیسے استعمال کیا جا سکتا ہے۔
+
+> 💁 یہ اسباق کچھ کلاؤڈ وسائل استعمال کریں گے۔ اگر آپ اس پروجیکٹ کے تمام اسباق مکمل نہیں کرتے، تو یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../clean-up.md)۔
+
+## موضوعات
+
+1. [آئی او ٹی کے ذریعے پودوں کی نشوونما کی پیش گوئی کریں](lessons/1-predict-plant-growth/README.md)  
+1. [مٹی کی نمی کا پتہ لگائیں](lessons/2-detect-soil-moisture/README.md)  
+1. [پودوں کو خودکار طریقے سے پانی دینا](lessons/3-automated-plant-watering/README.md)  
+1. [اپنے پودے کو کلاؤڈ پر منتقل کریں](lessons/4-migrate-your-plant-to-the-cloud/README.md)  
+1. [اپنے ایپلیکیشن لاجک کو کلاؤڈ پر منتقل کریں](lessons/5-migrate-application-to-the-cloud/README.md)  
+1. [اپنے پودے کو محفوظ رکھیں](lessons/6-keep-your-plant-secure/README.md)  
+
+## کریڈٹس
+
+تمام اسباق کو ♥️ کے ساتھ [جم بینیٹ](https://GitHub.com/JimBobBennett) نے لکھا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md
new file mode 100644
index 00000000..5d657ab2
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md
@@ -0,0 +1,147 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d105b44deae539165855c976dcdeca99",
+  "translation_date": "2025-08-26T22:14:26+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/README.md",
+  "language_code": "ur"
+}
+-->
+# پودوں کی افزائش کی پیشن گوئی IoT کے ذریعے
+
+![اس سبق کا ایک خاکہ](../../../../../translated_images/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/9)
+
+## تعارف
+
+پودوں کو بڑھنے کے لیے کچھ چیزوں کی ضرورت ہوتی ہے - پانی، کاربن ڈائی آکسائیڈ، غذائی اجزاء، روشنی، اور حرارت۔ اس سبق میں، آپ سیکھیں گے کہ ہوا کے درجہ حرارت کی پیمائش کرکے پودوں کی افزائش اور بلوغت کی شرح کا حساب کیسے لگایا جائے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [ڈیجیٹل زراعت](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [زراعت میں درجہ حرارت کیوں اہم ہے؟](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [ماحول کا درجہ حرارت ماپنا](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [گروئنگ ڈگری ڈیز (GDD)](../../../../../2-farm/lessons/1-predict-plant-growth)
+* [درجہ حرارت کے سینسر ڈیٹا کا استعمال کرتے ہوئے GDD کا حساب لگانا](../../../../../2-farm/lessons/1-predict-plant-growth)
+
+## ڈیجیٹل زراعت
+
+ڈیجیٹل زراعت زراعت کے طریقوں کو تبدیل کر رہی ہے، ایسے اوزار استعمال کرتے ہوئے جو زراعت سے متعلق ڈیٹا کو جمع، محفوظ اور تجزیہ کرتے ہیں۔ ہم اس وقت ایک دور میں ہیں جسے ورلڈ اکنامک فورم نے 'چوتھا صنعتی انقلاب' قرار دیا ہے، اور ڈیجیٹل زراعت کے عروج کو 'چوتھا زرعی انقلاب' یا 'زراعت 4.0' کہا جاتا ہے۔
+
+> 🎓 اصطلاح 'ڈیجیٹل زراعت' میں پورا 'زرعی ویلیو چین' شامل ہے، یعنی کھیت سے لے کر کھانے کی میز تک کا پورا سفر۔ اس میں خوراک کی ترسیل اور پروسیسنگ کے دوران معیار کی نگرانی، گودام اور ای کامرس سسٹمز، حتیٰ کہ ٹریکٹر کرائے پر لینے کی ایپس بھی شامل ہیں!
+
+یہ تبدیلیاں کسانوں کو پیداوار بڑھانے، کم کھاد اور کیڑے مار ادویات استعمال کرنے، اور پانی کو زیادہ مؤثر طریقے سے استعمال کرنے کی اجازت دیتی ہیں۔ اگرچہ یہ بنیادی طور پر امیر ممالک میں استعمال ہوتی ہیں، لیکن سینسرز اور دیگر آلات کی قیمتیں آہستہ آہستہ کم ہو رہی ہیں، جس سے یہ ترقی پذیر ممالک میں بھی قابل رسائی ہو رہے ہیں۔
+
+ڈیجیٹل زراعت کے ذریعے ممکن ہونے والی کچھ تکنیکیں یہ ہیں:
+
+* درجہ حرارت کی پیمائش - درجہ حرارت کی پیمائش کسانوں کو پودوں کی افزائش اور بلوغت کی پیش گوئی کرنے کی اجازت دیتی ہے۔
+* خودکار آبپاشی - مٹی کی نمی کی پیمائش اور آبپاشی کے نظام کو اس وقت آن کرنا جب مٹی بہت خشک ہو، بجائے اس کے کہ وقت کے مطابق پانی دیا جائے۔ وقت کے مطابق پانی دینے سے گرم، خشک موسم میں فصلوں کو کم پانی مل سکتا ہے یا بارش کے دوران زیادہ پانی دیا جا سکتا ہے۔ صرف اس وقت پانی دے کر جب مٹی کو ضرورت ہو، کسان اپنے پانی کے استعمال کو بہتر بنا سکتے ہیں۔
+* کیڑوں کا کنٹرول - کسان خودکار روبوٹس یا ڈرونز پر کیمرے استعمال کر سکتے ہیں تاکہ کیڑوں کی جانچ کی جا سکے، اور پھر صرف ضرورت کے مطابق کیڑے مار ادویات کا استعمال کریں، جس سے کیڑے مار ادویات کے استعمال میں کمی اور مقامی پانی کی فراہمی میں کیمیکل کے بہاؤ کو کم کیا جا سکتا ہے۔
+
+✅ تحقیق کریں۔ زراعت کی پیداوار کو بہتر بنانے کے لیے اور کون سی تکنیکیں استعمال کی جاتی ہیں؟
+
+> 🎓 اصطلاح 'پریسیژن ایگریکلچر' اس بات کی وضاحت کے لیے استعمال ہوتی ہے کہ فصلوں کو فی کھیت یا کھیت کے حصے کی بنیاد پر مشاہدہ، پیمائش اور جواب دیا جائے۔ اس میں پانی، غذائی اجزاء اور کیڑوں کی سطح کی پیمائش اور درست ردعمل شامل ہیں، جیسے کہ کھیت کے صرف ایک چھوٹے حصے کو پانی دینا۔
+
+## زراعت میں درجہ حرارت کیوں اہم ہے؟
+
+پودوں کے بارے میں سیکھتے وقت، زیادہ تر طلباء کو پانی، روشنی، کاربن ڈائی آکسائیڈ، اور غذائی اجزاء کی ضرورت کے بارے میں سکھایا جاتا ہے۔ لیکن پودوں کو بڑھنے کے لیے گرمی کی بھی ضرورت ہوتی ہے - یہی وجہ ہے کہ پودے بہار میں کھلتے ہیں جب درجہ حرارت بڑھتا ہے، کیوں برف کے پھول یا نرگس ایک مختصر گرم موسم کے بعد جلدی اگ سکتے ہیں، اور کیوں گرین ہاؤسز اور ہاٹ ہاؤسز پودوں کو بڑھنے میں مدد دیتے ہیں۔
+
+> 🎓 ہاٹ ہاؤسز اور گرین ہاؤسز ایک جیسا کام کرتے ہیں، لیکن ایک اہم فرق کے ساتھ۔ ہاٹ ہاؤسز کو مصنوعی طور پر گرم کیا جاتا ہے اور کسانوں کو درجہ حرارت کو زیادہ درست طریقے سے کنٹرول کرنے کی اجازت دیتے ہیں، جبکہ گرین ہاؤسز سورج پر انحصار کرتے ہیں اور عام طور پر صرف کھڑکیاں یا دیگر کھلنے والے حصے ہوتے ہیں تاکہ گرمی کو باہر نکالا جا سکے۔
+
+پودوں کے لیے ایک بنیادی یا کم از کم درجہ حرارت، ایک مثالی درجہ حرارت، اور ایک زیادہ سے زیادہ درجہ حرارت ہوتا ہے، جو روزانہ کے اوسط درجہ حرارت پر مبنی ہوتا ہے۔
+
+* بنیادی درجہ حرارت - یہ وہ کم از کم روزانہ اوسط درجہ حرارت ہے جو پودے کو بڑھنے کے لیے درکار ہوتا ہے۔
+* مثالی درجہ حرارت - یہ وہ بہترین روزانہ اوسط درجہ حرارت ہے جو زیادہ سے زیادہ افزائش کے لیے موزوں ہے۔
+* زیادہ سے زیادہ درجہ حرارت - یہ وہ زیادہ سے زیادہ درجہ حرارت ہے جو پودا برداشت کر سکتا ہے۔ اس سے اوپر، پودا اپنی افزائش کو روک دیتا ہے تاکہ پانی کو محفوظ رکھ سکے اور زندہ رہ سکے۔
+
+> 💁 یہ اوسط درجہ حرارت ہیں، جو دن اور رات کے درجہ حرارت کو اوسطاً لیتے ہیں۔ پودوں کو دن اور رات کے مختلف درجہ حرارت کی بھی ضرورت ہوتی ہے تاکہ وہ زیادہ مؤثر طریقے سے فوٹوسنتھیسائز کر سکیں اور رات کو توانائی بچا سکیں۔
+
+ہر پودے کی قسم کے لیے ان کے بنیادی، مثالی اور زیادہ سے زیادہ درجہ حرارت کی مختلف قدریں ہوتی ہیں۔ یہی وجہ ہے کہ کچھ پودے گرم ممالک میں پھلتے پھولتے ہیں، اور کچھ سرد ممالک میں۔
+
+✅ تحقیق کریں۔ اپنے باغ، اسکول، یا مقامی پارک میں موجود کسی بھی پودے کے لیے دیکھیں کہ آپ ان کا بنیادی درجہ حرارت معلوم کر سکتے ہیں یا نہیں۔
+
+![ایک گراف جو درجہ حرارت بڑھنے کے ساتھ افزائش کی شرح کو بڑھتا ہوا دکھاتا ہے، پھر درجہ حرارت بہت زیادہ ہونے پر کم ہوتا ہے](../../../../../translated_images/plant-growth-temp-graph.c6d69c9478e6ca832baa8dcb8d4adcbb67304074ce50e94ac8faae95975177f9.ur.png)
+
+اوپر دیا گیا گراف افزائش کی شرح اور درجہ حرارت کے تعلق کو ظاہر کرتا ہے۔ بنیادی درجہ حرارت تک کوئی افزائش نہیں ہوتی۔ افزائش کی شرح مثالی درجہ حرارت تک بڑھتی ہے، پھر اس چوٹی تک پہنچنے کے بعد کم ہو جاتی ہے۔ زیادہ سے زیادہ درجہ حرارت پر افزائش رک جاتی ہے۔
+
+اس گراف کی شکل پودے کی قسم کے لحاظ سے مختلف ہوتی ہے۔ کچھ میں مثالی درجہ حرارت کے بعد تیزی سے کمی ہوتی ہے، کچھ میں بنیادی سے مثالی تک آہستہ آہستہ اضافہ ہوتا ہے۔
+
+> 💁 کسان کے لیے بہترین افزائش حاصل کرنے کے لیے، انہیں ان تین درجہ حرارت کی قدروں کو جاننا ہوگا اور ان گرافوں کی شکل کو سمجھنا ہوگا جو وہ پودے اگا رہے ہیں۔
+
+اگر کسان کے پاس درجہ حرارت پر کنٹرول ہے، جیسے کہ ایک تجارتی ہاٹ ہاؤس میں، تو وہ اپنے پودوں کے لیے درجہ حرارت کو بہتر بنا سکتے ہیں۔ مثال کے طور پر، ایک تجارتی ہاٹ ہاؤس جو ٹماٹر اگا رہا ہو، دن کے وقت درجہ حرارت کو تقریباً 25°C اور رات کے وقت 20°C پر رکھے گا تاکہ تیز ترین افزائش حاصل کی جا سکے۔
+
+> 🍅 ان درجہ حرارت کو مصنوعی روشنی، کھادوں اور کنٹرول شدہ CO
+یہ کوڈ CSV فائل کھولتا ہے اور آخر میں ایک نئی قطار شامل کرتا ہے۔ یہ قطار موجودہ تاریخ اور وقت کو انسانی قابل فہم فارمیٹ میں ترتیب دے کر IoT ڈیوائس سے موصولہ درجہ حرارت کے ساتھ شامل کرتی ہے۔ ڈیٹا [ISO 8601 فارمیٹ](https://wikipedia.org/wiki/ISO_8601) میں ٹائم زون کے ساتھ محفوظ کیا جاتا ہے، لیکن مائیکرو سیکنڈز کے بغیر۔
+
+1. اس کوڈ کو پہلے کی طرح چلائیں، یہ یقینی بناتے ہوئے کہ آپ کا IoT ڈیوائس ڈیٹا بھیج رہا ہے۔ ایک CSV فائل جس کا نام `temperature.csv` ہوگا، اسی فولڈر میں بنائی جائے گی۔ اگر آپ اسے دیکھیں تو آپ کو تاریخ/وقت اور درجہ حرارت کی پیمائشیں نظر آئیں گی:
+
+    ```output
+    date,temperature
+    2021-04-19T17:21:36-07:00,25
+    2021-04-19T17:31:36-07:00,24
+    2021-04-19T17:41:36-07:00,25
+    ```
+
+1. کچھ وقت کے لیے اس کوڈ کو چلائیں تاکہ ڈیٹا جمع کیا جا سکے۔ مثالی طور پر، آپ کو یہ پورے دن کے لیے چلانا چاہیے تاکہ GDD کیلکولیشنز کے لیے کافی ڈیٹا جمع ہو سکے۔
+
+    
+> 💁 اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو رینڈم چیک باکس منتخب کریں اور ایک رینج سیٹ کریں تاکہ ہر بار ایک ہی درجہ حرارت نہ ملے جب درجہ حرارت کی ویلیو واپس آئے۔
+    ![رینڈم چیک باکس منتخب کریں اور ایک رینج سیٹ کریں](../../../../../translated_images/select-the-random-checkbox-and-set-a-range.32cf4bc7c12e797f8c76616b10c7c23a6592321bb1a6310e0b481e72f97d23b3.ur.png) 
+
+    > 💁 اگر آپ یہ پورے دن کے لیے چلانا چاہتے ہیں، تو آپ کو یہ یقینی بنانا ہوگا کہ وہ کمپیوٹر جس پر آپ کا سرور کوڈ چل رہا ہے، نیند میں نہ جائے۔ یا تو اپنی پاور سیٹنگز تبدیل کریں، یا کچھ ایسا چلائیں جیسے [یہ سسٹم کو فعال رکھنے والا Python اسکرپٹ](https://github.com/jaqsparow/keep-system-active)۔
+    
+> 💁 آپ یہ کوڈ [code-server/temperature-sensor-server](../../../../../2-farm/lessons/1-predict-plant-growth/code-server/temperature-sensor-server) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - محفوظ شدہ ڈیٹا کا استعمال کرتے ہوئے GDD کیلکولیٹ کریں
+
+جب سرور نے درجہ حرارت کا ڈیٹا جمع کر لیا ہو، تو کسی پودے کے لیے GDD کیلکولیٹ کیا جا سکتا ہے۔
+
+یہ دستی طور پر کرنے کے مراحل:
+
+1. پودے کے لیے بیس درجہ حرارت تلاش کریں۔ مثال کے طور پر، اسٹرابیریز کے لیے بیس درجہ حرارت 10°C ہے۔
+
+1. `temperature.csv` سے دن کے لیے سب سے زیادہ اور سب سے کم درجہ حرارت تلاش کریں۔
+
+1. پہلے دی گئی GDD کیلکولیشن کا استعمال کرتے ہوئے GDD کیلکولیٹ کریں۔
+
+مثال کے طور پر، اگر دن کے لیے سب سے زیادہ درجہ حرارت 25°C ہے، اور سب سے کم 12°C:
+
+![GDD = 25 + 12 تقسیم 2، پھر نتیجے سے 10 کو منفی کریں، نتیجہ 8.5 ہوگا](../../../../../translated_images/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.ur.png)
+
+* 25 + 12 = 37
+* 37 / 2 = 18.5
+* 18.5 - 10 = 8.5
+
+لہذا اسٹرابیریز نے **8.5** GDD حاصل کیا۔ اسٹرابیریز کو پھل دینے کے لیے تقریباً 250 GDD کی ضرورت ہوتی ہے، تو ابھی کچھ وقت باقی ہے۔
+
+---
+
+## 🚀 چیلنج
+
+پودوں کو بڑھنے کے لیے صرف گرمی کی ضرورت نہیں ہوتی۔ اور کیا چیزیں ضروری ہیں؟
+
+ان کے لیے، معلوم کریں کہ کیا ایسے سینسر موجود ہیں جو انہیں ماپ سکتے ہیں۔ کیا ایسے ایکچوئیٹرز ہیں جو ان سطحوں کو کنٹرول کر سکتے ہیں؟ آپ پودوں کی نشوونما کو بہتر بنانے کے لیے ایک یا زیادہ IoT ڈیوائسز کو کیسے ترتیب دیں گے؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/10)
+
+## جائزہ اور خود مطالعہ
+
+* ڈیجیٹل زراعت کے بارے میں مزید پڑھیں [ڈیجیٹل زراعت ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Digital_agriculture) پر۔ نیز، پریسیژن زراعت کے بارے میں مزید پڑھیں [پریسیژن زراعت ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Precision_agriculture) پر۔
+* مکمل بڑھتے ہوئے ڈگری دنوں کی کیلکولیشن یہاں دی گئی سادہ کیلکولیشن سے زیادہ پیچیدہ ہے۔ مزید پیچیدہ مساوات اور بیس لائن سے نیچے کے درجہ حرارت سے نمٹنے کے بارے میں پڑھیں [بڑھتے ہوئے ڈگری دن ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Growing_degree-day) پر۔
+* مستقبل میں خوراک کم ہو سکتی ہے اگر ہم زراعت کے لیے وہی طریقے استعمال کرتے رہیں۔ مستقبل کے ہائی ٹیک زراعت کے طریقوں کے بارے میں مزید جانیں اس [مستقبل کے ہائی ٹیک فارمز ویڈیو یوٹیوب پر](https://www.youtube.com/watch?v=KIEOuKD9KX8)۔
+
+## اسائنمنٹ
+
+[GDD ڈیٹا کو Jupyter Notebook کا استعمال کرتے ہوئے بصری بنائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md
new file mode 100644
index 00000000..bf64a52b
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md
@@ -0,0 +1,57 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
+  "translation_date": "2025-08-26T22:16:53+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
+  "language_code": "ur"
+}
+-->
+# جے یوپیٹر نوٹ بک کے ذریعے GDD ڈیٹا کو بصری بنائیں
+
+## ہدایات
+
+اس سبق میں آپ نے IoT سینسر کے ذریعے GDD ڈیٹا جمع کیا۔ اچھے GDD ڈیٹا حاصل کرنے کے لیے، آپ کو کئی دنوں کا ڈیٹا جمع کرنا ہوگا۔ درجہ حرارت کے ڈیٹا کو بصری بنانے اور GDD کا حساب لگانے کے لیے آپ [جے یوپیٹر نوٹ بکس](https://jupyter.org) جیسے ٹولز استعمال کر سکتے ہیں۔
+
+شروع کریں چند دنوں کا ڈیٹا جمع کرکے۔ آپ کو یہ یقینی بنانا ہوگا کہ آپ کا سرور کوڈ ہر وقت چل رہا ہو جب آپ کا IoT ڈیوائس چل رہا ہو، یا تو پاور مینجمنٹ کی ترتیبات کو ایڈجسٹ کرکے یا کچھ ایسا چلانے سے جیسے [یہ سسٹم کو فعال رکھنے والا Python اسکرپٹ](https://github.com/jaqsparow/keep-system-active)۔
+
+جب آپ کے پاس درجہ حرارت کا ڈیٹا ہو، تو آپ اس ریپو میں موجود جے یوپیٹر نوٹ بک استعمال کر سکتے ہیں تاکہ اسے بصری بنایا جا سکے اور GDD کا حساب لگایا جا سکے۔ جے یوپیٹر نوٹ بکس کوڈ اور ہدایات کو *سیلز* نامی بلاکس میں مکس کرتے ہیں، اکثر Python میں کوڈ۔ آپ ہدایات پڑھ سکتے ہیں، پھر ہر کوڈ بلاک کو ایک ایک کرکے چلا سکتے ہیں۔ آپ کوڈ میں ترمیم بھی کر سکتے ہیں۔ اس نوٹ بک میں، مثال کے طور پر، آپ اپنے پودے کے لیے GDD کا حساب لگانے کے لیے استعمال ہونے والے بنیادی درجہ حرارت میں ترمیم کر سکتے ہیں۔
+
+1. ایک فولڈر بنائیں جس کا نام `gdd-calculation` ہو۔
+
+1. [gdd.ipynb](./code-notebook/gdd.ipynb) فائل ڈاؤن لوڈ کریں اور اسے `gdd-calculation` فولڈر میں کاپی کریں۔
+
+1. `temperature.csv` فائل کو MQTT سرور سے کاپی کریں۔
+
+1. `gdd-calculation` فولڈر میں ایک نیا Python ورچوئل ماحول بنائیں۔
+
+1. جے یوپیٹر نوٹ بکس کے لیے کچھ pip پیکجز انسٹال کریں، ساتھ ہی ڈیٹا کو منظم اور بصری بنانے کے لیے درکار لائبریریاں:
+
+    ```sh
+    pip install --upgrade pip
+    pip install pandas
+    pip install matplotlib
+    pip install jupyter
+    ```
+
+1. جے یوپیٹر میں نوٹ بک چلائیں:
+
+    ```sh
+    jupyter notebook gdd.ipynb
+    ```
+
+    جے یوپیٹر شروع ہوگا اور نوٹ بک کو آپ کے براؤزر میں کھولے گا۔ نوٹ بک میں موجود ہدایات پر عمل کریں تاکہ ماپے گئے درجہ حرارت کو بصری بنایا جا سکے اور بڑھتے ہوئے ڈگری دنوں کا حساب لگایا جا سکے۔
+
+    ![جے یوپیٹر نوٹ بک](../../../../../translated_images/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.ur.png)
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------ | --------------- |
+| ڈیٹا جمع کریں | کم از کم 2 مکمل دنوں کا ڈیٹا جمع کریں | کم از کم 1 مکمل دن کا ڈیٹا جمع کریں | کچھ ڈیٹا جمع کریں |
+| GDD کا حساب لگائیں | نوٹ بک کو کامیابی سے چلائیں اور GDD کا حساب لگائیں | نوٹ بک کو کامیابی سے چلائیں | نوٹ بک کو چلانے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb b/translations/ur/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
new file mode 100644
index 00000000..35c2614d
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb
@@ -0,0 +1,167 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "# بڑھتے ہوئے ڈگری دن\n",
+    "\n",
+    "یہ نوٹ بک ایک CSV فائل میں محفوظ کردہ درجہ حرارت کے ڈیٹا کو لوڈ کرتی ہے اور اس کا تجزیہ کرتی ہے۔ یہ درجہ حرارت کو گراف میں دکھاتی ہے، ہر دن کے لیے سب سے زیادہ اور سب سے کم قدر ظاہر کرتی ہے، اور GDD کا حساب لگاتی ہے۔\n",
+    "\n",
+    "اس نوٹ بک کو استعمال کرنے کے لیے:\n",
+    "\n",
+    "* `temperature.csv` فائل کو اس نوٹ بک کے ساتھ اسی فولڈر میں کاپی کریں\n",
+    "* اوپر دیے گئے **▶︎ Run** بٹن کا استعمال کرتے ہوئے تمام سیلز کو چلائیں۔ یہ منتخب کردہ سیل کو چلائے گا اور پھر اگلے سیل پر منتقل ہو جائے گا۔\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "سیل میں نیچے، `base_temperature` کو پودے کے بنیادی درجہ حرارت پر سیٹ کریں۔\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "base_temperature = 10"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "سی ایس وی فائل کو اب پانڈاز استعمال کرتے ہوئے لوڈ کرنے کی ضرورت ہے۔\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import matplotlib.pyplot as plt\n",
+    "\n",
+    "# Read the temperature CSV file\n",
+    "df = pd.read_csv('temperature.csv')"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": []
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "plt.figure(figsize=(20, 10))\n",
+    "plt.plot(df['date'], df['temperature'])\n",
+    "plt.xticks(rotation='vertical');"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "ایک بار جب ڈیٹا پڑھ لیا جائے تو اسے `تاریخ` کالم کے ذریعے گروپ کیا جا سکتا ہے، اور ہر تاریخ کے لئے کم سے کم اور زیادہ سے زیادہ درجہ حرارت نکالا جا سکتا ہے۔\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Convert datetimes to pure dates so we can group by the date\n",
+    "df['date'] = pd.to_datetime(df['date']).dt.date\n",
+    "\n",
+    "# Group the data by date so it can be analyzed by date\n",
+    "data_by_date = df.groupby('date')\n",
+    "\n",
+    "# Get the minimum and maximum temperatures for each date\n",
+    "min_by_date = data_by_date.min()\n",
+    "max_by_date = data_by_date.max()\n",
+    "\n",
+    "# Join the min and max temperatures into one dataframe and flatten it\n",
+    "min_max_by_date = min_by_date.join(max_by_date, on='date', lsuffix='_min', rsuffix='_max')\n",
+    "min_max_by_date = min_max_by_date.reset_index()"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "معیاری GDD مساوات کا استعمال کرتے ہوئے GDD کا حساب لگایا جا سکتا ہے۔\n"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def calculate_gdd(row):\n",
+    "    return ((row['temperature_max'] + row['temperature_min']) / 2) - base_temperature\n",
+    "\n",
+    "# Calculate the GDD for each row\n",
+    "min_max_by_date['gdd'] = min_max_by_date.apply (lambda row: calculate_gdd(row), axis=1)\n",
+    "\n",
+    "# Print the results\n",
+    "print(min_max_by_date[['date', 'gdd']].to_string(index=False))"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "\n---\n\n**ڈسکلیمر**:  \nیہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔\n"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.9.1"
+  },
+  "metadata": {
+   "interpreter": {
+    "hash": "aee8b7b246df8f9039afb4144a1f6fd8d2ca17a180786b69acc140d282b71a49"
+   }
+  },
+  "coopTranslator": {
+   "original_hash": "8fcf954f6042f0bf3601a2c836a09574",
+   "translation_date": "2025-08-27T01:06:05+00:00",
+   "source_file": "2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb",
+   "language_code": "ur"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md
new file mode 100644
index 00000000..e8e21152
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md
@@ -0,0 +1,125 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7678f7c67b97ee52d5727496dcd7d346",
+  "translation_date": "2025-08-26T22:21:23+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/pi-temp.md",
+  "language_code": "ur"
+}
+-->
+# راسپبیری پائی - درجہ حرارت کی پیمائش
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں ایک درجہ حرارت سینسر شامل کریں گے۔
+
+## ہارڈویئر
+
+جو سینسر آپ استعمال کریں گے وہ [DHT11 نمی اور درجہ حرارت سینسر](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html) ہے، جو ایک پیکج میں دو سینسرز کو یکجا کرتا ہے۔ یہ کافی مشہور ہے، اور کئی تجارتی طور پر دستیاب سینسرز درجہ حرارت، نمی، اور کبھی کبھار فضائی دباؤ کو یکجا کرتے ہیں۔ درجہ حرارت سینسر کا جزو ایک منفی درجہ حرارت کوفیشینٹ (NTC) تھرمسٹر ہے، ایک تھرمسٹر جس کی مزاحمت درجہ حرارت بڑھنے پر کم ہوتی ہے۔
+
+یہ ایک ڈیجیٹل سینسر ہے، اس لیے اس میں ایک آن بورڈ ADC موجود ہے جو ڈیجیٹل سگنل بناتا ہے جس میں درجہ حرارت اور نمی کے ڈیٹا شامل ہوتے ہیں، جو مائیکرو کنٹرولر پڑھ سکتا ہے۔
+
+### درجہ حرارت سینسر کو جوڑیں
+
+گروو درجہ حرارت سینسر کو راسپبیری پائی سے جوڑا جا سکتا ہے۔
+
+#### کام
+
+درجہ حرارت سینسر کو جوڑیں
+
+![گروو درجہ حرارت سینسر](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ur.png)
+
+1. گروو کیبل کے ایک سرے کو نمی اور درجہ حرارت سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، گروو کیبل کے دوسرے سرے کو گروو بیس ہیٹ پر ڈیجیٹل ساکٹ **D5** میں جوڑیں جو پائی سے منسلک ہے۔ یہ ساکٹ GPIO پنز کے ساتھ والی قطار میں بائیں سے دوسرا ہے۔
+
+![گروو درجہ حرارت سینسر ساکٹ A0 سے جڑا ہوا](../../../../../translated_images/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.ur.png)
+
+## درجہ حرارت سینسر کو پروگرام کریں
+
+اب اس ڈیوائس کو منسلک درجہ حرارت سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام
+
+ڈیوائس کو پروگرام کریں۔
+
+1. پائی کو پاور دیں اور بوٹ ہونے کا انتظار کریں۔
+
+1. VS Code لانچ کریں، یا تو براہ راست پائی پر، یا ریموٹ SSH ایکسٹینشن کے ذریعے کنیکٹ کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو [سبق 1 میں VS Code کو سیٹ اپ اور لانچ کرنے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md) دیکھ سکتے ہیں۔
+
+1. ٹرمینل سے، `pi` یوزر کے ہوم ڈائریکٹری میں ایک نیا فولڈر بنائیں جس کا نام `temperature-sensor` ہو۔ اس فولڈر میں ایک فائل بنائیں جس کا نام `app.py` ہو:
+
+    ```sh
+    mkdir temperature-sensor
+    cd temperature-sensor
+    touch app.py
+    ```
+
+1. اس فولڈر کو VS Code میں کھولیں۔
+
+1. درجہ حرارت اور نمی سینسر استعمال کرنے کے لیے، ایک اضافی Pip پیکج انسٹال کرنا ہوگا۔ VS Code کے ٹرمینل سے، پائی پر یہ Pip پیکج انسٹال کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    pip3 install seeed-python-dht
+    ```
+
+1. `app.py` فائل میں درج ذیل کوڈ شامل کریں تاکہ مطلوبہ لائبریریاں درآمد کی جا سکیں:
+
+    ```python
+    import time
+    from seeed_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` بیان `DHT` سینسر کلاس کو `seeed_dht` ماڈیول سے گروو درجہ حرارت سینسر کے ساتھ تعامل کرنے کے لیے درآمد کرتا ہے۔
+
+1. اوپر دیے گئے کوڈ کے بعد درج ذیل کوڈ شامل کریں تاکہ درجہ حرارت سینسر کو منظم کرنے والے کلاس کا ایک انسٹینس بنایا جا سکے:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    یہ `DHT` کلاس کا ایک انسٹینس اعلان کرتا ہے جو **D**igital **H**umidity اور **T**emperature سینسر کو منظم کرتا ہے۔ پہلا پیرامیٹر کوڈ کو بتاتا ہے کہ استعمال ہونے والا سینسر *DHT11* ہے - آپ جو لائبریری استعمال کر رہے ہیں وہ اس سینسر کے دیگر ورژنز کو بھی سپورٹ کرتی ہے۔ دوسرا پیرامیٹر کوڈ کو بتاتا ہے کہ سینسر گروو بیس ہیٹ پر ڈیجیٹل پورٹ `D5` سے جڑا ہوا ہے۔
+
+    > ✅ یاد رکھیں، تمام ساکٹس کے منفرد پن نمبر ہوتے ہیں۔ پنز 0، 2، 4، اور 6 اینالاگ پنز ہیں، جبکہ پنز 5، 16، 18، 22، 24، اور 26 ڈیجیٹل پنز ہیں۔
+
+1. اوپر دیے گئے کوڈ کے بعد ایک لامتناہی لوپ شامل کریں تاکہ درجہ حرارت سینسر کی ویلیو پول کی جا سکے اور کنسول پر پرنٹ کی جا سکے:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    `sensor.read()` کو کال کرنے سے نمی اور درجہ حرارت کا ایک جوڑا واپس آتا ہے۔ آپ کو صرف درجہ حرارت کی ویلیو کی ضرورت ہے، اس لیے نمی کو نظر انداز کیا جاتا ہے۔ پھر درجہ حرارت کی ویلیو کنسول پر پرنٹ کی جاتی ہے۔
+
+1. لوپ کے آخر میں دس سیکنڈ کی ایک چھوٹی نیند شامل کریں کیونکہ درجہ حرارت کی سطح کو مسلسل چیک کرنے کی ضرورت نہیں ہے۔ نیند ڈیوائس کی پاور کنزمپشن کو کم کرتی ہے۔
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. VS Code ٹرمینل سے، درج ذیل کمانڈ چلائیں تاکہ آپ کی Python ایپ چلائی جا سکے:
+
+    ```sh
+    python3 app.py
+    ```
+
+    آپ کو کنسول پر درجہ حرارت کی ویلیوز نظر آئیں گی۔ سینسر کو گرم کرنے کے لیے کچھ استعمال کریں، جیسے کہ اس پر اپنا انگوٹھا رکھنا یا پنکھا استعمال کرنا تاکہ ویلیوز میں تبدیلی دیکھ سکیں:
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py 
+    Temperature 26°C
+    Temperature 26°C
+    Temperature 28°C
+    Temperature 30°C
+    Temperature 32°C
+    ```
+
+> 💁 آپ اس کوڈ کو [code-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/pi) فولڈر میں دیکھ سکتے ہیں۔
+
+😀 آپ کا درجہ حرارت سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
new file mode 100644
index 00000000..3cbf2419
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4efc74299e19f5d08f2f3f34451a11ba",
+  "translation_date": "2025-08-26T22:16:12+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/single-board-computer-temp-publish.md",
+  "language_code": "ur"
+}
+-->
+# درجہ حرارت شائع کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ MQTT کے ذریعے راسپبیری پائی یا ورچوئل IoT ڈیوائس کے ذریعے معلوم کیے گئے درجہ حرارت کی قدریں شائع کریں گے تاکہ بعد میں انہیں GDD کا حساب لگانے کے لیے استعمال کیا جا سکے۔
+
+## درجہ حرارت شائع کریں
+
+جب درجہ حرارت پڑھ لیا جائے، تو اسے MQTT کے ذریعے کسی 'سرور' کوڈ پر شائع کیا جا سکتا ہے جو ان قدروں کو پڑھے گا اور انہیں GDD کے حساب کے لیے استعمال کرنے کے لیے محفوظ کرے گا۔
+
+### کام - درجہ حرارت شائع کریں
+
+ڈیوائس کو درجہ حرارت کے ڈیٹا کو شائع کرنے کے لیے پروگرام کریں۔
+
+1. اگر `temperature-sensor` ایپ پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے کھولیں۔
+
+1. وہی اقدامات دہرائیں جو آپ نے سبق 4 میں MQTT سے جڑنے اور ٹیلیمیٹری بھیجنے کے لیے کیے تھے۔ آپ وہی عوامی Mosquitto بروکر استعمال کریں گے۔
+
+    ان اقدامات میں شامل ہیں:
+
+    - MQTT pip پیکیج شامل کریں
+    - MQTT بروکر سے جڑنے کے لیے کوڈ شامل کریں
+    - ٹیلیمیٹری شائع کرنے کے لیے کوڈ شامل کریں
+
+    > ⚠️ MQTT سے جڑنے کے [ہدایات](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-mqtt.md) اور ٹیلیمیٹری بھیجنے کے [ہدایات](../../../1-getting-started/lessons/4-connect-internet/single-board-computer-telemetry.md) سبق 4 سے دیکھیں اگر ضرورت ہو۔
+
+1. یقینی بنائیں کہ `client_name` اس پروجیکٹ کے نام کی عکاسی کرتا ہے:
+
+    ```python
+    client_name = id + 'temperature_sensor_client'
+    ```
+
+1. ٹیلیمیٹری کے لیے، روشنی کی قدر بھیجنے کے بجائے، DHT سینسر سے پڑھے گئے درجہ حرارت کی قدر کو JSON دستاویز میں ایک پراپرٹی کے طور پر `temperature` کے نام سے بھیجیں:
+
+    ```python
+    _, temp = sensor.read()
+    telemetry = json.dumps({'temperature' : temp})
+    ```
+
+1. درجہ حرارت کی قدر کو بار بار پڑھنے کی ضرورت نہیں ہے - یہ مختصر وقت میں زیادہ تبدیل نہیں ہوگا، لہذا `time.sleep` کو 10 منٹ پر سیٹ کریں:
+
+    ```cpp
+    time.sleep(10 * 60);
+    ```
+
+    > 💁 `sleep` فنکشن وقت کو سیکنڈز میں لیتا ہے، لہذا اسے آسانی سے پڑھنے کے لیے قدر کو ایک حساب کے نتیجے کے طور پر پاس کیا جاتا ہے۔ ایک منٹ میں 60 سیکنڈز، لہذا 10 x (ایک منٹ میں 60 سیکنڈز) 10 منٹ کی تاخیر دیتا ہے۔
+
+1. کوڈ کو اسی طرح چلائیں جیسے آپ نے اسائنمنٹ کے پچھلے حصے سے کوڈ چلایا تھا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ CounterFit ایپ چل رہی ہے اور نمی اور درجہ حرارت کے سینسرز صحیح پنز پر بنائے گئے ہیں۔
+
+    ```output
+    pi@raspberrypi:~/temperature-sensor $ python3 app.py
+    MQTT connected!
+    Sending telemetry  {"temperature": 25}
+    Sending telemetry  {"temperature": 25}
+    ```
+
+> 💁 آپ اس کوڈ کو [code-publish-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/virtual-device) فولڈر یا [code-publish-temperature/pi](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی سے اپنے ڈیوائس سے ٹیلیمیٹری کے طور پر درجہ حرارت شائع کر دیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
new file mode 100644
index 00000000..7701a173
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "70e5a428b607cd5a9a4f422c2a4df03d",
+  "translation_date": "2025-08-26T22:19:58+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md",
+  "language_code": "ur"
+}
+-->
+# درجہ حرارت کی پیمائش - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک درجہ حرارت سینسر شامل کریں گے۔
+
+## ورچوئل ہارڈویئر
+
+ورچوئل IoT ڈیوائس ایک سیمولیٹڈ Grove Digital Humidity اور Temperature سینسر استعمال کرے گا۔ یہ لیب Raspberry Pi کے ساتھ فزیکل Grove DHT11 سینسر استعمال کرنے جیسی ہی رہے گی۔
+
+یہ سینسر ایک **درجہ حرارت سینسر** کو **نمی سینسر** کے ساتھ جوڑتا ہے، لیکن اس لیب میں آپ صرف درجہ حرارت سینسر کے جزو میں دلچسپی رکھتے ہیں۔ ایک فزیکل IoT ڈیوائس میں، درجہ حرارت سینسر ایک [تھرمیسٹر](https://wikipedia.org/wiki/Thermistor) ہوگا جو مزاحمت میں تبدیلی کو محسوس کرکے درجہ حرارت کی پیمائش کرتا ہے۔ درجہ حرارت سینسر عام طور پر ڈیجیٹل سینسر ہوتے ہیں جو اندرونی طور پر مزاحمت کو درجہ حرارت میں تبدیل کرتے ہیں، جو سیلسیئس (یا کیلون، یا فارن ہائیٹ) میں ماپا جاتا ہے۔
+
+### CounterFit میں سینسرز شامل کریں
+
+ورچوئل نمی اور درجہ حرارت سینسر استعمال کرنے کے لیے، آپ کو CounterFit ایپ میں دونوں سینسرز شامل کرنے کی ضرورت ہوگی۔
+
+#### کام - CounterFit میں سینسرز شامل کریں
+
+CounterFit ایپ میں نمی اور درجہ حرارت سینسرز شامل کریں۔
+
+1. اپنے کمپیوٹر پر `temperature-sensor` نامی فولڈر میں ایک نیا Python ایپ بنائیں، جس میں ایک فائل `app.py` ہو اور ایک Python ورچوئل ماحول ہو، اور CounterFit pip پیکجز شامل کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو [سبق 1 میں CounterFit Python پروجیکٹ بنانے اور سیٹ اپ کرنے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) کا حوالہ لے سکتے ہیں۔
+
+1. DHT11 سینسر کے لیے CounterFit shim انسٹال کرنے کے لیے ایک اضافی Pip پیکج انسٹال کریں۔ یقینی بنائیں کہ آپ یہ انسٹالیشن ایک ایسے ٹرمینل سے کر رہے ہیں جس میں ورچوئل ماحول فعال ہو۔
+
+    ```sh
+    pip install counterfit-shims-seeed-python-dht
+    ```
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
+
+1. نمی سینسر بنائیں:
+
+    1. *Sensors* پین میں *Create sensor* باکس میں جائیں، *Sensor type* ڈراپ ڈاؤن کریں اور *Humidity* منتخب کریں۔
+
+    1. *Units* کو *Percentage* پر چھوڑ دیں۔
+
+    1. یقینی بنائیں کہ *Pin* کو *5* پر سیٹ کیا گیا ہے۔
+
+    1. **Add** بٹن منتخب کریں تاکہ Pin 5 پر نمی سینسر بنایا جا سکے۔
+
+    ![نمی سینسر کی ترتیبات](../../../../../translated_images/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.ur.png)
+
+    نمی سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![نمی سینسر بنایا گیا](../../../../../translated_images/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.ur.png)
+
+1. درجہ حرارت سینسر بنائیں:
+
+    1. *Sensors* پین میں *Create sensor* باکس میں جائیں، *Sensor type* ڈراپ ڈاؤن کریں اور *Temperature* منتخب کریں۔
+
+    1. *Units* کو *Celsius* پر چھوڑ دیں۔
+
+    1. یقینی بنائیں کہ *Pin* کو *6* پر سیٹ کیا گیا ہے۔
+
+    1. **Add** بٹن منتخب کریں تاکہ Pin 6 پر درجہ حرارت سینسر بنایا جا سکے۔
+
+    ![درجہ حرارت سینسر کی ترتیبات](../../../../../translated_images/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.ur.png)
+
+    درجہ حرارت سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![درجہ حرارت سینسر بنایا گیا](../../../../../translated_images/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.ur.png)
+
+## درجہ حرارت سینسر ایپ پروگرام کریں
+
+اب درجہ حرارت سینسر ایپ کو CounterFit سینسرز استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔
+
+### کام - درجہ حرارت سینسر ایپ پروگرام کریں
+
+درجہ حرارت سینسر ایپ پروگرام کریں۔
+
+1. یقینی بنائیں کہ `temperature-sensor` ایپ VS Code میں کھلی ہوئی ہے۔
+
+1. `app.py` فائل کھولیں۔
+
+1. CounterFit سے ایپ کو جوڑنے کے لیے درج ذیل کوڈ `app.py` کے اوپر شامل کریں:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. مطلوبہ لائبریریوں کو درآمد کرنے کے لیے درج ذیل کوڈ `app.py` فائل میں شامل کریں:
+
+    ```python
+    import time
+    from counterfit_shims_seeed_python_dht import DHT
+    ```
+
+    `from seeed_dht import DHT` بیان `DHT` سینسر کلاس کو درآمد کرتا ہے تاکہ `counterfit_shims_seeed_python_dht` ماڈیول کے شِم کا استعمال کرتے ہوئے ورچوئل Grove درجہ حرارت سینسر کے ساتھ تعامل کیا جا سکے۔
+
+1. ورچوئل نمی اور درجہ حرارت سینسر کو منظم کرنے والی کلاس کا ایک انسٹینس بنانے کے لیے درج ذیل کوڈ اوپر والے کوڈ کے بعد شامل کریں:
+
+    ```python
+    sensor = DHT("11", 5)
+    ```
+
+    یہ `DHT` کلاس کا ایک انسٹینس ڈکلیئر کرتا ہے جو ورچوئل **D**igital **H**umidity اور **T**emperature سینسر کو منظم کرتا ہے۔ پہلا پیرامیٹر کوڈ کو بتاتا ہے کہ استعمال ہونے والا سینسر ایک ورچوئل *DHT11* سینسر ہے۔ دوسرا پیرامیٹر کوڈ کو بتاتا ہے کہ سینسر پورٹ `5` سے جڑا ہوا ہے۔
+
+    > 💁 CounterFit اس مشترکہ نمی اور درجہ حرارت سینسر کو دو سینسرز سے جڑ کر سیمولیٹ کرتا ہے، ایک نمی سینسر اس پن پر جو `DHT` کلاس بناتے وقت دیا گیا ہو، اور ایک درجہ حرارت سینسر جو اگلے پن پر چلتا ہے۔ اگر نمی سینسر پن 5 پر ہے، تو شِم درجہ حرارت سینسر کو پن 6 پر توقع کرتا ہے۔
+
+1. اوپر والے کوڈ کے بعد ایک لامتناہی لوپ شامل کریں تاکہ درجہ حرارت سینسر کی ویلیو کو پول کیا جا سکے اور کنسول پر پرنٹ کیا جا سکے:
+
+    ```python
+    while True:
+        _, temp = sensor.read()
+        print(f'Temperature {temp}°C')
+    ```
+
+    `sensor.read()` کو کال کرنے سے نمی اور درجہ حرارت کا ایک جوڑا واپس آتا ہے۔ آپ کو صرف درجہ حرارت کی ویلیو کی ضرورت ہے، اس لیے نمی کو نظر انداز کیا جاتا ہے۔ پھر درجہ حرارت کی ویلیو کنسول پر پرنٹ کی جاتی ہے۔
+
+1. `loop` کے آخر میں دس سیکنڈ کی ایک چھوٹی نیند شامل کریں کیونکہ درجہ حرارت کی سطح کو مسلسل چیک کرنے کی ضرورت نہیں ہے۔ نیند ڈیوائس کی توانائی کی کھپت کو کم کرتی ہے۔
+
+    ```python
+    time.sleep(10)
+    ```
+
+1. VS Code ٹرمینل سے، جس میں ورچوئل ماحول فعال ہو، درج ذیل کمانڈ چلائیں تاکہ آپ کی Python ایپ چلائی جا سکے:
+
+    ```sh
+    python app.py
+    ```
+
+1. CounterFit ایپ سے، درجہ حرارت سینسر کی ویلیو کو تبدیل کریں جو ایپ کے ذریعے پڑھی جائے گی۔ آپ یہ دو طریقوں سے کر سکتے ہیں:
+
+    * درجہ حرارت سینسر کے لیے *Value* باکس میں ایک نمبر درج کریں، پھر **Set** بٹن منتخب کریں۔ جو نمبر آپ درج کریں گے وہ سینسر کے ذریعے واپس کی جانے والی ویلیو ہوگی۔
+
+    * *Random* چیک باکس کو چیک کریں، اور *Min* اور *Max* ویلیو درج کریں، پھر **Set** بٹن منتخب کریں۔ ہر بار جب سینسر ایک ویلیو پڑھے گا، تو یہ *Min* اور *Max* کے درمیان ایک رینڈم نمبر پڑھے گا۔
+
+    آپ کو کنسول میں وہ ویلیوز نظر آئیں گی جو آپ نے سیٹ کی ہیں۔ *Value* یا *Random* سیٹنگز کو تبدیل کریں تاکہ ویلیو میں تبدیلی دیکھ سکیں۔
+
+    ```output
+    (.venv) ➜  temperature-sensor python app.py
+    Temperature 28.25°C
+    Temperature 30.71°C
+    Temperature 25.17°C
+    ```
+
+> 💁 آپ اس کوڈ کو [code-temperature/virtual-device](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا درجہ حرارت سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
new file mode 100644
index 00000000..45a48b62
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md
@@ -0,0 +1,82 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "df28cd649cd892bcce034e064913b2f3",
+  "translation_date": "2025-08-26T22:18:50+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp-publish.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل - درجہ حرارت شائع کریں
+
+اس سبق کے اس حصے میں، آپ MQTT کے ذریعے وائیو ٹرمینل سے معلوم کیے گئے درجہ حرارت کے اعداد و شمار شائع کریں گے تاکہ بعد میں GDD کا حساب لگانے کے لیے ان کا استعمال کیا جا سکے۔
+
+## درجہ حرارت شائع کریں
+
+جب درجہ حرارت معلوم کر لیا جائے، تو اسے MQTT کے ذریعے کسی 'سرور' کوڈ پر شائع کیا جا سکتا ہے جو ان اعداد و شمار کو پڑھے گا اور انہیں GDD کے حساب کے لیے محفوظ کرے گا۔ مائیکرو کنٹرولرز انٹرنیٹ سے وقت نہیں پڑھتے اور نہ ہی باکس سے باہر ریئل ٹائم کلاک کے ذریعے وقت کو ٹریک کرتے ہیں، اس کے لیے ڈیوائس کو پروگرام کرنا پڑتا ہے، بشرطیکہ اس کے پاس ضروری ہارڈویئر موجود ہو۔
+
+اس سبق کو آسان بنانے کے لیے، سینسر کے ڈیٹا کے ساتھ وقت نہیں بھیجا جائے گا، بلکہ جب سرور کوڈ پیغامات وصول کرے گا تو وہ بعد میں وقت شامل کر سکتا ہے۔
+
+### کام
+
+ڈیوائس کو درجہ حرارت کے ڈیٹا کو شائع کرنے کے لیے پروگرام کریں۔
+
+1. `temperature-sensor` وائیو ٹرمینل پروجیکٹ کھولیں۔
+
+1. وہی اقدامات دہرائیں جو آپ نے سبق 4 میں MQTT سے جڑنے اور ٹیلی میٹری بھیجنے کے لیے کیے تھے۔ آپ وہی عوامی Mosquitto بروکر استعمال کریں گے۔
+
+    ان اقدامات میں شامل ہیں:
+
+    - `.ini` فائل میں Seeed WiFi اور MQTT لائبریریاں شامل کریں
+    - WiFi سے جڑنے کے لیے کنفیگریشن فائل اور کوڈ شامل کریں
+    - MQTT بروکر سے جڑنے کے لیے کوڈ شامل کریں
+    - ٹیلی میٹری شائع کرنے کے لیے کوڈ شامل کریں
+
+    > ⚠️ اگر ضرورت ہو تو [MQTT سے جڑنے کی ہدایات](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md) اور [ٹیلی میٹری بھیجنے کی ہدایات](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-telemetry.md) سبق 4 سے دیکھیں۔
+
+1. یقینی بنائیں کہ `config.h` ہیڈر فائل میں `CLIENT_NAME` اس پروجیکٹ کی عکاسی کرتا ہے:
+
+    ```cpp
+    const string CLIENT_NAME = ID + "temperature_sensor_client";
+    ```
+
+1. ٹیلی میٹری کے لیے، روشنی کی قدر بھیجنے کے بجائے، DHT سینسر سے پڑھی گئی درجہ حرارت کی قدر کو JSON دستاویز میں `temperature` نامی پراپرٹی کے طور پر بھیجیں۔ اس کے لیے `main.cpp` میں `loop` فنکشن کو تبدیل کریں:
+
+    ```cpp
+    float temp_hum_val[2] = {0};
+    dht.readTempAndHumidity(temp_hum_val);
+
+    DynamicJsonDocument doc(1024);
+    doc["temperature"] = temp_hum_val[1];
+    ```
+
+1. درجہ حرارت کی قدر کو بار بار پڑھنے کی ضرورت نہیں ہے - یہ مختصر وقت میں زیادہ تبدیل نہیں ہوگا، اس لیے `loop` فنکشن میں `delay` کو 10 منٹ پر سیٹ کریں:
+
+    ```cpp
+    delay(10 * 60 * 1000);
+    ```
+
+    > 💁 `delay` فنکشن وقت کو ملی سیکنڈز میں لیتا ہے، اس لیے اسے پڑھنے میں آسانی کے لیے قدر کو ایک حساب کے نتیجے کے طور پر پاس کیا جاتا ہے۔ 1,000ms ایک سیکنڈ میں، 60 سیکنڈ ایک منٹ میں، اس لیے 10 x (60 سیکنڈ ایک منٹ میں) x (1000ms ایک سیکنڈ میں) 10 منٹ کی تاخیر دیتا ہے۔
+
+1. اسے اپنے وائیو ٹرمینل پر اپ لوڈ کریں، اور سیریل مانیٹر کا استعمال کرتے ہوئے دیکھیں کہ درجہ حرارت MQTT بروکر کو بھیجا جا رہا ہے۔
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Attempting MQTT connection...connected
+    Sending telemetry {"temperature":25}
+    Sending telemetry {"temperature":25}
+    ```
+
+> 💁 آپ اس کوڈ کو [code-publish-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-publish-temperature/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ نے کامیابی کے ساتھ اپنے ڈیوائس سے درجہ حرارت کو ٹیلی میٹری کے طور پر شائع کر دیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
new file mode 100644
index 00000000..67970469
--- /dev/null
+++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md
@@ -0,0 +1,143 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "59263d094f20b302053888cd236880c3",
+  "translation_date": "2025-08-26T22:17:52+00:00",
+  "source_file": "2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل پر درجہ حرارت کی پیمائش کریں
+
+اس سبق کے اس حصے میں، آپ اپنے وائیو ٹرمینل میں ایک درجہ حرارت سینسر شامل کریں گے اور اس سے درجہ حرارت کی قدریں پڑھیں گے۔
+
+## ہارڈویئر
+
+وائیو ٹرمینل کو ایک درجہ حرارت سینسر کی ضرورت ہے۔
+
+جو سینسر آپ استعمال کریں گے وہ [DHT11 نمی اور درجہ حرارت سینسر](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html) ہے، جو ایک پیکج میں دو سینسرز کو یکجا کرتا ہے۔ یہ کافی مشہور ہے، اور کئی تجارتی طور پر دستیاب سینسرز درجہ حرارت، نمی اور کبھی کبھار فضائی دباؤ کو یکجا کرتے ہیں۔ درجہ حرارت سینسر کا جزو ایک منفی درجہ حرارت کوفیسیئنٹ (NTC) تھرمسٹر ہے، ایک تھرمسٹر جس کی مزاحمت درجہ حرارت بڑھنے کے ساتھ کم ہوتی ہے۔
+
+یہ ایک ڈیجیٹل سینسر ہے، اس لیے اس میں ایک آن بورڈ ADC موجود ہے جو ڈیجیٹل سگنل بناتا ہے جس میں درجہ حرارت اور نمی کے ڈیٹا شامل ہوتے ہیں، جنہیں مائیکرو کنٹرولر پڑھ سکتا ہے۔
+
+### درجہ حرارت سینسر کو جوڑیں
+
+گروو درجہ حرارت سینسر کو وائیو ٹرمینل کے ڈیجیٹل پورٹ سے جوڑا جا سکتا ہے۔
+
+#### کام - درجہ حرارت سینسر کو جوڑیں
+
+درجہ حرارت سینسر کو جوڑیں۔
+
+![گروو درجہ حرارت سینسر](../../../../../translated_images/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.ur.png)
+
+1. گروو کیبل کے ایک سرے کو نمی اور درجہ حرارت سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. وائیو ٹرمینل کو اپنے کمپیوٹر یا کسی اور پاور سپلائی سے منقطع کریں، اور گروو کیبل کے دوسرے سرے کو وائیو ٹرمینل کے دائیں جانب گروو ساکٹ سے جوڑیں جب آپ اسکرین کو دیکھ رہے ہوں۔ یہ پاور بٹن سے سب سے دور ساکٹ ہے۔
+
+![گروو درجہ حرارت سینسر دائیں جانب ساکٹ سے جڑا ہوا](../../../../../translated_images/wio-temperature-sensor.2934928f38c7f79a68d24879d2c8986c78244696f931e2e33c293f426ecdc0ad.ur.png)
+
+## درجہ حرارت سینسر کو پروگرام کریں
+
+اب وائیو ٹرمینل کو منسلک درجہ حرارت سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - درجہ حرارت سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. PlatformIO کا استعمال کرتے ہوئے ایک نیا وائیو ٹرمینل پروجیکٹ بنائیں۔ اس پروجیکٹ کا نام `temperature-sensor` رکھیں۔ `setup` فنکشن میں سیریل پورٹ کو ترتیب دینے کے لیے کوڈ شامل کریں۔
+
+    > ⚠️ آپ [پروجیکٹ 1، سبق 1 میں PlatformIO پروجیکٹ بنانے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. پروجیکٹ کے `platformio.ini` فائل میں Seeed Grove Humidity اور Temperature سینسر لائبریری کے لیے ایک لائبریری ڈیپینڈینسی شامل کریں:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Grove Temperature And Humidity Sensor @ 1.0.1
+    ```
+
+    > ⚠️ آپ [پروجیکٹ 1، سبق 4 میں PlatformIO پروجیکٹ میں لائبریریاں شامل کرنے کی ہدایات](../../../1-getting-started/lessons/4-connect-internet/wio-terminal-mqtt.md#install-the-wifi-and-mqtt-arduino-libraries) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. فائل کے اوپر موجود `#include <Arduino.h>` کے تحت درج ذیل `#include` ہدایات شامل کریں:
+
+    ```cpp
+    #include <DHT.h>
+    #include <SPI.h>
+    ```
+
+    یہ سینسر کے ساتھ تعامل کرنے کے لیے ضروری فائلیں درآمد کرتا ہے۔ `DHT.h` ہیڈر فائل سینسر کے لیے کوڈ پر مشتمل ہے، اور `SPI.h` ہیڈر کو شامل کرنے سے یہ یقینی بنایا جاتا ہے کہ سینسر سے بات کرنے کے لیے ضروری کوڈ ایپ کے کمپائل ہونے پر لنک کیا جائے۔
+
+1. `setup` فنکشن سے پہلے، DHT سینسر کو ڈکلیئر کریں:
+
+    ```cpp
+    DHT dht(D0, DHT11);
+    ```
+
+    یہ `DHT` کلاس کا ایک انسٹینس ڈکلیئر کرتا ہے جو **ڈی**جیٹل **ایچ**یومیڈیٹی اور **ٹی**مپریچر سینسر کو مینیج کرتا ہے۔ یہ پورٹ `D0` سے جڑا ہوا ہے، جو وائیو ٹرمینل پر دائیں جانب گروو ساکٹ ہے۔ دوسرا پیرامیٹر کوڈ کو بتاتا ہے کہ استعمال ہونے والا سینسر *DHT11* سینسر ہے - آپ جو لائبریری استعمال کر رہے ہیں وہ اس سینسر کے دیگر ویریئنٹس کو بھی سپورٹ کرتی ہے۔
+
+1. `setup` فنکشن میں، سیریل کنکشن کو ترتیب دینے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    void setup()
+    {
+        Serial.begin(9600);
+    
+        while (!Serial)
+            ; // Wait for Serial to be ready
+    
+        delay(1000);
+    }
+    ```
+
+1. `setup` فنکشن کے آخر میں، آخری `delay` کے بعد، DHT سینسر کو شروع کرنے کے لیے ایک کال شامل کریں:
+
+    ```cpp
+    dht.begin();
+    ```
+
+1. `loop` فنکشن میں، سینسر کو کال کرنے اور سیریل پورٹ پر درجہ حرارت پرنٹ کرنے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    void loop()
+    {
+        float temp_hum_val[2] = {0};
+        dht.readTempAndHumidity(temp_hum_val);
+        Serial.print("Temperature: ");
+        Serial.print(temp_hum_val[1]);
+        Serial.println ("°C");
+    
+        delay(10000);
+    }
+    ```
+
+    یہ کوڈ 2 فلوٹس کا ایک خالی ارے ڈکلیئر کرتا ہے، اور اسے `DHT` انسٹینس پر `readTempAndHumidity` کال میں پاس کرتا ہے۔ یہ کال ارے کو 2 قدروں سے بھر دیتی ہے - نمی ارے کے 0ویں آئٹم میں جاتی ہے (یاد رکھیں کہ C++ ارے 0 پر مبنی ہوتے ہیں، اس لیے ارے کا 'پہلا' آئٹم 0ویں آئٹم ہوتا ہے)، اور درجہ حرارت 1ویں آئٹم میں جاتا ہے۔
+
+    درجہ حرارت ارے کے 1ویں آئٹم سے پڑھا جاتا ہے، اور سیریل پورٹ پر پرنٹ کیا جاتا ہے۔
+
+    > 🇺🇸 درجہ حرارت سیلسیئس میں پڑھا جاتا ہے۔ امریکیوں کے لیے، اسے فارن ہائیٹ میں تبدیل کرنے کے لیے، سیلسیئس ویلیو کو 5 سے تقسیم کریں، پھر 9 سے ضرب دیں، پھر 32 شامل کریں۔ مثال کے طور پر، 20°C کی درجہ حرارت ریڈنگ ((20/5)*9) + 32 = 68°F بن جاتی ہے۔
+
+1. کوڈ کو کمپائل کریں اور وائیو ٹرمینل پر اپلوڈ کریں۔
+
+    > ⚠️ آپ [پروجیکٹ 1، سبق 1 میں PlatformIO پروجیکٹ بنانے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. اپلوڈ ہونے کے بعد، آپ سیریل مانیٹر کا استعمال کرتے ہوئے درجہ حرارت کی نگرانی کر سکتے ہیں:
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 25.00°C
+    Temperature: 24.00°C
+    ```
+
+> 💁 آپ اس کوڈ کو [code-temperature/wio-terminal](../../../../../2-farm/lessons/1-predict-plant-growth/code-temperature/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا درجہ حرارت سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md
new file mode 100644
index 00000000..378c3818
--- /dev/null
+++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md
@@ -0,0 +1,169 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4fb20273d299dc8d07a8f06c9cd0cdd9",
+  "translation_date": "2025-08-26T22:46:02+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/README.md",
+  "language_code": "ur"
+}
+-->
+C، جسے *آئی-اسکوائرڈ-سی* بھی کہا جاتا ہے، ایک ملٹی-کنٹرولر، ملٹی-پیریفرل پروٹوکول ہے، جہاں کوئی بھی جڑا ہوا ڈیوائس کنٹرولر یا پیریفرل کے طور پر کام کر سکتا ہے اور I²C بس (ڈیٹا منتقل کرنے کے لیے ایک کمیونیکیشن سسٹم) کے ذریعے بات چیت کر سکتا ہے۔ ڈیٹا ایڈریسڈ پیکٹس کی صورت میں بھیجا جاتا ہے، اور ہر پیکٹ میں اس جڑے ہوئے ڈیوائس کا ایڈریس شامل ہوتا ہے جس کے لیے یہ بھیجا جا رہا ہے۔
+
+> 💁 اس ماڈل کو پہلے ماسٹر/سلیو کہا جاتا تھا، لیکن غلامی سے متعلق اس کے تعلق کی وجہ سے یہ اصطلاح اب ترک کی جا رہی ہے۔ [اوپن سورس ہارڈویئر ایسوسی ایشن نے کنٹرولر/پیریفرل کو اپنایا ہے](https://www.oshwa.org/a-resolution-to-redefine-spi-signal-names/)، لیکن آپ کو پرانی اصطلاحات کے حوالے اب بھی مل سکتے ہیں۔
+
+ڈیوائسز کے پاس ایک ایڈریس ہوتا ہے جو وہ I²C بس سے جڑنے کے وقت استعمال کرتے ہیں، اور یہ عام طور پر ڈیوائس پر ہارڈ کوڈڈ ہوتا ہے۔ مثال کے طور پر، Seeed کے ہر قسم کے Grove سینسر کا ایک ہی ایڈریس ہوتا ہے، جیسے تمام لائٹ سینسرز کا ایک جیسا ایڈریس ہوتا ہے، تمام بٹنوں کا ایک جیسا ایڈریس ہوتا ہے جو لائٹ سینسر کے ایڈریس سے مختلف ہوتا ہے۔ کچھ ڈیوائسز میں ایڈریس کو تبدیل کرنے کے طریقے ہوتے ہیں، جیسے جمپر سیٹنگز کو تبدیل کرنا یا پنز کو سولڈر کرنا۔
+
+I²C بس میں 2 اہم وائرز کے ساتھ 2 پاور وائرز شامل ہوتی ہیں:
+
+| وائر | نام | وضاحت |
+| ---- | --------- | ----------- |
+| SDA | سیریل ڈیٹا | یہ وائر ڈیوائسز کے درمیان ڈیٹا بھیجنے کے لیے استعمال ہوتی ہے۔ |
+| SCL | سیریل کلاک | یہ وائر کنٹرولر کے سیٹ کردہ ریٹ پر کلاک سگنل بھیجتی ہے۔ |
+| VCC | وولٹیج کامن کلیکٹر | ڈیوائسز کے لیے پاور سپلائی۔ یہ SDA اور SCL وائرز سے جڑی ہوتی ہے تاکہ پل-اپ ریزسٹر کے ذریعے ان کو پاور فراہم کرے، جو سگنل کو اس وقت بند کر دیتا ہے جب کوئی ڈیوائس کنٹرولر نہ ہو۔ |
+| GND | گراؤنڈ | یہ الیکٹریکل سرکٹ کے لیے ایک کامن گراؤنڈ فراہم کرتی ہے۔ |
+
+![I2C بس جس میں 3 ڈیوائسز SDA اور SCL وائرز سے جڑی ہوئی ہیں، اور ایک کامن گراؤنڈ وائر شیئر کر رہی ہیں](../../../../../translated_images/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.ur.png)
+
+ڈیٹا بھیجنے کے لیے، ایک ڈیوائس اسٹارٹ کنڈیشن جاری کرے گی تاکہ ظاہر ہو کہ یہ ڈیٹا بھیجنے کے لیے تیار ہے۔ یہ پھر کنٹرولر بن جائے گی۔ کنٹرولر اس ڈیوائس کا ایڈریس بھیجے گی جس کے ساتھ یہ بات چیت کرنا چاہتی ہے، اور یہ بھی بتائے گی کہ یہ ڈیٹا پڑھنا چاہتی ہے یا لکھنا۔ ڈیٹا منتقل ہونے کے بعد، کنٹرولر اسٹاپ کنڈیشن جاری کرے گی تاکہ ظاہر ہو کہ یہ ختم ہو چکا ہے۔ اس کے بعد کوئی اور ڈیوائس کنٹرولر بن سکتی ہے اور ڈیٹا بھیج یا وصول کر سکتی ہے۔
+<سپ>
+2<sup>سی</sup> کی رفتار کی حدیں ہیں، جن میں تین مختلف موڈز مقررہ رفتار پر چلتے ہیں۔ سب سے تیز رفتار "ہائی اسپیڈ موڈ" ہے، جس کی زیادہ سے زیادہ رفتار 3.4Mbps (میگابٹس فی سیکنڈ) ہے، حالانکہ بہت کم ڈیوائسز اس رفتار کو سپورٹ کرتی ہیں۔ مثال کے طور پر، راسپبیری پائی کی رفتار "فاسٹ موڈ" میں 400Kbps (کلو بٹس فی سیکنڈ) تک محدود ہے۔ "اسٹینڈرڈ موڈ" 100Kbps پر چلتا ہے۔
+
+> 💁 اگر آپ راسپبیری پائی کو "گروو بیس ہیٹ" کے ساتھ اپنے IoT ہارڈویئر کے طور پر استعمال کر رہے ہیں، تو آپ بورڈ پر کئی I<sup>2</sup>C ساکٹس دیکھ سکیں گے جنہیں آپ I<sup>2</sup>C سینسرز کے ساتھ بات چیت کے لیے استعمال کر سکتے ہیں۔ اینالاگ گروو سینسرز بھی I<sup>2</sup>C کا استعمال کرتے ہیں، جس میں ایک ADC کے ذریعے اینالاگ ویلیوز کو ڈیجیٹل ڈیٹا میں تبدیل کیا جاتا ہے۔ اس طرح، جو لائٹ سینسر آپ نے استعمال کیا، وہ ایک اینالاگ پن کو سیمولیٹ کرتا ہے، اور ویلیو I<sup>2</sup>C کے ذریعے بھیجی جاتی ہے کیونکہ راسپبیری پائی صرف ڈیجیٹل پنز کو سپورٹ کرتی ہے۔
+
+### یونیورسل اسینکرونس ریسیور-ٹرانسمیٹر (UART)
+
+UART ایک فزیکل سرکٹری پر مشتمل ہوتا ہے جو دو ڈیوائسز کو بات چیت کرنے کی اجازت دیتا ہے۔ ہر ڈیوائس کے پاس دو کمیونیکیشن پنز ہوتے ہیں - ٹرانسمٹ (Tx) اور ریسیو (Rx)، جہاں پہلی ڈیوائس کا Tx پن دوسری ڈیوائس کے Rx پن سے جڑا ہوتا ہے، اور دوسری ڈیوائس کا Tx پن پہلی ڈیوائس کے Rx پن سے جڑا ہوتا ہے۔ اس سے ڈیٹا دونوں سمتوں میں بھیجا جا سکتا ہے۔
+
+* ڈیوائس 1 اپنے Tx پن سے ڈیٹا بھیجتی ہے، جو ڈیوائس 2 کے Rx پن پر موصول ہوتا ہے۔
+* ڈیوائس 1 اپنے Rx پن پر وہ ڈیٹا وصول کرتی ہے جو ڈیوائس 2 اپنے Tx پن سے بھیجتی ہے۔
+
+![UART کے ساتھ ایک چپ کے Tx پن کو دوسری چپ کے Rx پن سے جوڑا گیا ہے، اور اس کے برعکس](../../../../../translated_images/uart.d0dbd3fb9e3728c6ee1995c8206f3cdb13cdfd208f13745e8ef6854cab75e421.ur.png)
+
+> 🎓 ڈیٹا ایک وقت میں ایک بٹ بھیجا جاتا ہے، اور اسے *سیریل* کمیونیکیشن کہا جاتا ہے۔ زیادہ تر آپریٹنگ سسٹمز اور مائیکرو کنٹرولرز میں *سیریل پورٹس* ہوتے ہیں، جو آپ کے کوڈ کے لیے سیریل ڈیٹا بھیجنے اور وصول کرنے کے لیے دستیاب ہوتے ہیں۔
+
+UART ڈیوائسز کے پاس ایک [baud rate](https://wikipedia.org/wiki/Symbol_rate) (جسے Symbol rate بھی کہا جاتا ہے) ہوتا ہے، جو اس رفتار کو ظاہر کرتا ہے جس پر ڈیٹا بٹس فی سیکنڈ میں بھیجا اور وصول کیا جائے گا۔ ایک عام baud rate 9,600 ہے، جس کا مطلب ہے کہ ہر سیکنڈ میں 9,600 بٹس (0s اور 1s) کا ڈیٹا بھیجا جاتا ہے۔
+
+UART اسٹارٹ اور اسٹاپ بٹس کا استعمال کرتا ہے - یعنی یہ ایک اسٹارٹ بٹ بھیجتا ہے تاکہ ظاہر ہو کہ یہ 8 بٹس (ایک بائٹ) کا ڈیٹا بھیجنے والا ہے، اور پھر 8 بٹس بھیجنے کے بعد ایک اسٹاپ بٹ بھیجتا ہے۔
+
+UART کی رفتار ہارڈویئر پر منحصر ہوتی ہے، لیکن سب سے تیز رفتار عمل درآمد بھی 6.5 Mbps (میگابٹس فی سیکنڈ) سے زیادہ نہیں ہوتی۔
+
+آپ GPIO پنز کے ذریعے UART استعمال کر سکتے ہیں - آپ ایک پن کو Tx اور دوسرے کو Rx کے طور پر سیٹ کر سکتے ہیں، پھر انہیں کسی دوسری ڈیوائس سے جوڑ سکتے ہیں۔
+
+> 💁 اگر آپ راسپبیری پائی کو "گروو بیس ہیٹ" کے ساتھ اپنے IoT ہارڈویئر کے طور پر استعمال کر رہے ہیں، تو آپ بورڈ پر ایک UART ساکٹ دیکھ سکیں گے جسے آپ ان سینسرز کے ساتھ بات چیت کے لیے استعمال کر سکتے ہیں جو UART پروٹوکول استعمال کرتے ہیں۔
+
+### سیریل پیریفرل انٹرفیس (SPI)
+
+SPI کو قریبی فاصلے پر بات چیت کے لیے ڈیزائن کیا گیا ہے، جیسے کہ مائیکرو کنٹرولر پر اسٹوریج ڈیوائس (جیسے فلیش میموری) سے بات چیت کرنا۔ یہ ایک کنٹرولر/پیریفرل ماڈل پر مبنی ہے، جہاں ایک کنٹرولر (عام طور پر IoT ڈیوائس کا پروسیسر) کئی پیریفرلز کے ساتھ بات چیت کرتا ہے۔ کنٹرولر ہر چیز کو کنٹرول کرتا ہے، ایک پیریفرل کو منتخب کرتا ہے اور ڈیٹا بھیجتا یا طلب کرتا ہے۔
+
+> 💁 I<sup>2</sup>C کی طرح، کنٹرولر اور پیریفرل کی اصطلاحات حالیہ تبدیلیاں ہیں، لہذا آپ پرانے الفاظ بھی دیکھ سکتے ہیں۔
+
+SPI کنٹرولرز 3 وائرز استعمال کرتے ہیں، اور ہر پیریفرل کے لیے ایک اضافی وائر۔ پیریفرلز 4 وائرز استعمال کرتے ہیں۔ یہ وائرز درج ذیل ہیں:
+
+| وائر | نام | وضاحت |
+| ---- | --------- | ----------- |
+| COPI | کنٹرولر آؤٹ پٹ، پیریفرل ان پٹ | یہ وائر کنٹرولر سے پیریفرل تک ڈیٹا بھیجنے کے لیے ہے۔ |
+| CIPO | کنٹرولر ان پٹ، پیریفرل آؤٹ پٹ | یہ وائر پیریفرل سے کنٹرولر تک ڈیٹا بھیجنے کے لیے ہے۔ |
+| SCLK | سیریل کلاک | یہ وائر کنٹرولر کے ذریعے مقرر کردہ رفتار پر کلاک سگنل بھیجتا ہے۔ |
+| CS   | چپ سلیکٹ | کنٹرولر کے پاس کئی وائرز ہوتے ہیں، ہر پیریفرل کے لیے ایک، اور ہر وائر متعلقہ پیریفرل کے CS وائر سے جڑا ہوتا ہے۔ |
+
+![ایک کنٹرولر اور دو پیریفرلز کے ساتھ SPI](../../../../../translated_images/spi.297431d6f98b386b4ff88aea44ce9c1e7acfb1ef69c7e4e388a7aa97b6948e24.ur.png)
+
+CS وائر ایک وقت میں ایک پیریفرل کو فعال کرنے کے لیے استعمال ہوتا ہے، اور COPI اور CIPO وائرز کے ذریعے بات چیت کی جاتی ہے۔ جب کنٹرولر کو پیریفرل تبدیل کرنے کی ضرورت ہوتی ہے، تو وہ موجودہ فعال پیریفرل کے CS وائر کو غیر فعال کرتا ہے، پھر اس پیریفرل کے وائر کو فعال کرتا ہے جس کے ساتھ وہ اگلی بات چیت کرنا چاہتا ہے۔
+
+SPI *فل ڈوپلیکس* ہے، یعنی کنٹرولر ایک ہی وقت میں ایک ہی پیریفرل سے ڈیٹا بھیج اور وصول کر سکتا ہے، COPI اور CIPO وائرز کا استعمال کرتے ہوئے۔ SPI SCLK وائر پر ایک کلاک سگنل استعمال کرتا ہے تاکہ ڈیوائسز کو ہم آہنگ رکھا جا سکے، لہذا UART کے ذریعے براہ راست بھیجنے کے برعکس، اسے اسٹارٹ اور اسٹاپ بٹس کی ضرورت نہیں ہوتی۔
+
+SPI کے لیے کوئی مقررہ رفتار کی حد نہیں ہے، اور عمل درآمد اکثر فی سیکنڈ میں کئی میگا بائٹس ڈیٹا منتقل کرنے کے قابل ہوتے ہیں۔
+
+IoT ڈویلپر کٹس اکثر GPIO پنز پر SPI کو سپورٹ کرتی ہیں۔ مثال کے طور پر، راسپبیری پائی پر آپ GPIO پنز 19، 21، 23، 24 اور 26 کو SPI کے لیے استعمال کر سکتے ہیں۔
+
+### وائرلیس
+
+کچھ سینسرز معیاری وائرلیس پروٹوکولز کے ذریعے بات چیت کر سکتے ہیں، جیسے بلوٹوتھ (زیادہ تر بلوٹوتھ لو انرجی، یا BLE)، LoRaWAN (ایک **Lo**ng **Ra**nge کم پاور نیٹ ورکنگ پروٹوکول)، یا WiFi۔ یہ پروٹوکولز دور دراز سینسرز کو IoT ڈیوائس سے جسمانی طور پر جڑے بغیر بات چیت کرنے کی اجازت دیتے ہیں۔
+
+ایک مثال کمرشل مٹی نمی سینسرز میں دیکھی جا سکتی ہے۔ یہ کھیت میں مٹی کی نمی کی پیمائش کرتے ہیں، پھر LoRaWAN کے ذریعے ڈیٹا کو ایک حب ڈیوائس پر بھیجتے ہیں، جو ڈیٹا کو پروسیس کرتا ہے یا انٹرنیٹ پر بھیجتا ہے۔ اس سے سینسر کو IoT ڈیوائس سے دور رکھنے کی اجازت ملتی ہے جو ڈیٹا کو مینیج کرتا ہے، پاور کے استعمال کو کم کرتا ہے اور بڑے WiFi نیٹ ورکس یا لمبی کیبلز کی ضرورت کو ختم کرتا ہے۔
+
+BLE جدید سینسرز کے لیے مقبول ہے، جیسے کلائی پر پہنے جانے والے فٹنس ٹریکرز۔ یہ سینسرز کے مجموعے کو BLE کے ذریعے آپ کے فون جیسے IoT ڈیوائس پر ڈیٹا بھیجنے کے لیے استعمال کرتے ہیں۔
+
+✅ کیا آپ کے پاس کوئی بلوٹوتھ سینسر موجود ہے؟ یہ آپ کے گھر، اسکول یا آپ کے پاس موجود ہو سکتے ہیں، جیسے درجہ حرارت سینسر، قبضے کے سینسر، ڈیوائس ٹریکرز اور فٹنس ڈیوائسز۔
+
+کمرشل ڈیوائسز کے جڑنے کا ایک مقبول طریقہ Zigbee ہے۔ Zigbee WiFi کا استعمال کرتے ہوئے ڈیوائسز کے درمیان میش نیٹ ورکس بناتا ہے، جہاں ہر ڈیوائس قریبی ڈیوائسز سے جڑتی ہے، اور ایک مکڑی کے جالے کی طرح کئی کنکشنز بناتی ہے۔ جب ایک ڈیوائس انٹرنیٹ پر پیغام بھیجنا چاہتی ہے، تو وہ اسے قریبی ڈیوائسز کو بھیجتی ہے، جو اسے مزید قریبی ڈیوائسز کو فارورڈ کرتی ہیں، اور اسی طرح، جب تک کہ یہ کوآرڈینیٹر تک نہ پہنچ جائے اور انٹرنیٹ پر بھیجا جا سکے۔
+
+> 🐝 Zigbee کا نام شہد کی مکھیوں کے واگل ڈانس سے لیا گیا ہے، جو وہ چھتے میں واپس آنے کے بعد کرتی ہیں۔
+
+## مٹی میں نمی کی سطح کی پیمائش کریں
+
+آپ مٹی میں نمی کی سطح کو مٹی نمی سینسر، ایک IoT ڈیوائس، اور ایک گھریلو پودے یا قریبی مٹی کے ٹکڑے کا استعمال کرتے ہوئے ماپ سکتے ہیں۔
+
+### کام - مٹی کی نمی کی پیمائش کریں
+
+اپنے IoT ڈیوائس کا استعمال کرتے ہوئے مٹی کی نمی کی پیمائش کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-soil-moisture.md)  
+* [سنگل بورڈ کمپیوٹر - راسپبیری پائی](pi-soil-moisture.md)  
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-soil-moisture.md)  
+
+## سینسر کیلیبریشن
+
+سینسرز برقی خصوصیات جیسے مزاحمت یا کیپیسٹینس کی پیمائش پر انحصار کرتے ہیں۔
+
+> 🎓 مزاحمت، جسے اوہمز (Ω) میں ماپا جاتا ہے، یہ ظاہر کرتی ہے کہ کسی چیز کے ذریعے برقی کرنٹ کے گزرنے میں کتنی مزاحمت ہے۔ جب کسی مواد پر وولٹیج لگایا جاتا ہے، تو اس میں سے گزرنے والے کرنٹ کی مقدار مواد کی مزاحمت پر منحصر ہوتی ہے۔ آپ [ویکیپیڈیا کے برقی مزاحمت کے صفحے](https://wikipedia.org/wiki/Electrical_resistance_and_conductance) پر مزید پڑھ سکتے ہیں۔
+
+> 🎓 کیپیسٹینس، جسے فیراڈز (F) میں ماپا جاتا ہے، یہ ظاہر کرتی ہے کہ ایک جزو یا سرکٹ برقی توانائی کو جمع اور ذخیرہ کرنے کی کتنی صلاحیت رکھتا ہے۔ آپ [ویکیپیڈیا کے کیپیسٹینس صفحے](https://wikipedia.org/wiki/Capacitance) پر مزید پڑھ سکتے ہیں۔
+
+یہ پیمائشیں ہمیشہ مفید نہیں ہوتیں - تصور کریں کہ ایک درجہ حرارت سینسر آپ کو 22.5KΩ کی پیمائش دے رہا ہے! اس کے بجائے، ماپی گئی ویلیو کو ایک مفید یونٹ میں تبدیل کرنے کی ضرورت ہوتی ہے، جسے کیلیبریٹ کیا جاتا ہے - یعنی ماپی گئی ویلیوز کو ماپی گئی مقدار سے ملانا تاکہ نئی پیمائشوں کو درست یونٹ میں تبدیل کیا جا سکے۔
+
+کچھ سینسرز پہلے سے کیلیبریٹڈ ہوتے ہیں۔ مثال کے طور پر، پچھلے سبق میں استعمال کیا گیا درجہ حرارت سینسر پہلے سے کیلیبریٹڈ تھا تاکہ یہ °C میں درجہ حرارت کی پیمائش واپس کر سکے۔ فیکٹری میں پہلا سینسر جو بنایا گیا تھا، اسے معلوم درجہ حرارت کی ایک حد میں رکھا گیا، اور مزاحمت ماپی گئی۔ اس کے بعد اس پیمائش کو ایک حساب کتاب بنانے کے لیے استعمال کیا گیا جو Ω (مزاحمت کا یونٹ) سے °C میں تبدیل کر سکے۔
+
+> 💁 درجہ حرارت سے مزاحمت کا حساب لگانے کا فارمولا [Steinhart–Hart equation](https://wikipedia.org/wiki/Steinhart–Hart_equation) کہلاتا ہے۔
+
+### مٹی نمی سینسر کیلیبریشن
+
+مٹی کی نمی کو گریوی میٹرک یا والیومیٹرک واٹر کنٹینٹ کا استعمال کرتے ہوئے ماپا جاتا ہے۔
+
+* گریوی میٹرک مٹی کے ایک یونٹ وزن میں پانی کے وزن کو ماپتا ہے، جو خشک مٹی کے فی کلوگرام پانی کے کلوگرام کے طور پر ماپا جاتا ہے۔  
+* والیومیٹرک مٹی کے ایک یونٹ حجم میں پانی کے حجم کو ماپتا ہے، جو خشک مٹی کے فی مکعب میٹر پانی کے مکعب میٹر کے طور پر ماپا جاتا ہے۔  
+
+> 🇺🇸 امریکیوں کے لیے، یونٹس کی مستقل مزاجی کی وجہ سے، یہ کلوگرام کی بجائے پاؤنڈز یا مکعب میٹر کی بجائے مکعب فٹ میں ماپا جا سکتا ہے۔
+
+مٹی نمی سینسرز برقی مزاحمت یا کیپیسٹینس کی پیمائش کرتے ہیں - یہ نہ صرف مٹی کی نمی سے مختلف ہوتی ہے، بلکہ مٹی کی قسم سے بھی، کیونکہ مٹی کے اجزاء اس کی برقی خصوصیات کو تبدیل کر سکتے ہیں۔ مثالی طور پر سینسرز کو کیلیبریٹ کیا جانا چاہیے - یعنی سینسر سے ریڈنگ لینا اور انہیں ایک زیادہ سائنسی طریقے سے حاصل کردہ پیمائشوں سے موازنہ کرنا۔ مثال کے طور پر، ایک لیب مخصوص کھیت کے نمونوں کا استعمال کرتے ہوئے سال میں چند بار گریوی میٹرک مٹی نمی کا حساب لگا سکتی ہے، اور ان نمبروں کو سینسر کو کیلیبریٹ کرنے کے لیے استعمال کیا جا سکتا ہے، سینسر ریڈنگ کو گریوی میٹرک مٹی نمی سے ملاتے ہوئے۔
+
+![وولٹیج بمقابلہ مٹی نمی مواد کا گراف](../../../../../translated_images/soil-moisture-to-voltage.df86d80cda1587008f312431ed5f79eb6c50c58d4fbc25a6763c5e9127c3106b.ur.png)
+
+اوپر دیا گیا گراف سینسر کو کیلیبریٹ کرنے کا طریقہ دکھاتا ہے۔ مٹی کے نمونے کے لیے وولٹیج کو کیپچر کیا جاتا ہے، جسے پھر لیب میں ماپا جاتا ہے، نم مٹی کے وزن کو خشک وزن سے موازنہ کرکے (نم وزن ماپ کر، پھر اوون میں خشک کرکے اور خشک وزن ماپ کر)۔ ایک بار جب چند ریڈنگز لی جاتی ہیں، تو انہیں گراف پر پلاٹ کیا جا سکتا ہے اور پوائنٹس پر ایک لائن فٹ کی جا سکتی ہے۔ یہ لائن پھر IoT ڈیوائس کے ذریعے لی گئی مٹی نمی سینسر ریڈنگز کو اصل مٹی نمی پیمائشوں میں تبدیل کرنے کے لیے استعمال کی جا سکتی ہے۔
+
+💁 مزاحمتی مٹی نمی سینسرز کے لیے، وولٹیج مٹی نمی کے بڑھنے کے ساتھ بڑھتا ہے۔ کیپیسٹیو مٹی نمی سینسرز کے لیے، وولٹیج مٹی نمی کے بڑھنے کے ساتھ کم ہوتا ہے، لہذا ان کے گراف نیچے کی طرف جھکتے ہیں، اوپر کی طرف نہیں۔
+
+![گراف سے مٹی نمی ویلیو کو انٹرپولیٹ کیا گیا](../../../../../translated_images/soil-moisture-to-voltage-with-reading.681cb3e1f8b68caf5547dbf1415851c82e201edfb78face16fc98da4051ed9b2.ur.png)
+
+اوپر دیا گیا گراف مٹی نمی سینسر سے وولٹیج ریڈنگ دکھاتا ہے، اور گراف پر لائن تک اس کی پیروی کرکے، اصل مٹی نمی کا حساب لگایا جا سکتا ہے۔
+
+یہ طریقہ کار کسان کو صرف ایک کھیت کے لیے چند لیب پیمائشیں حاصل کرنے کی ضرورت دیتا ہے، پھر وہ IoT ڈیوائسز کا استعمال کرتے ہوئے مٹی نمی کی پیمائش کر سکتا ہے - پیمائش لینے کے وقت کو ڈرامائی طور پر تیز کرتا ہے۔
+
+---
+
+## 🚀 چیلنج
+
+مزاحمتی اور کیپیسٹیو مٹی نمی سینسرز میں کئی فرق ہیں۔ یہ فرق کیا ہیں، اور کسان کے لیے کون سا قسم (اگر کوئی ہے) بہترین ہے؟ کیا یہ جواب ترقی پذیر اور ترقی یافتہ ممالک کے درمیان مختلف ہوتا ہے؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/12)
+
+## جائزہ اور خود مطالعہ
+
+سینسرز اور ایکچیویٹرز کے لیے استعمال ہونے والے ہارڈویئر اور پروٹوکولز کے بارے میں پڑھیں:
+
+* [GPIO ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/General-purpose_input/output)  
+* [UART ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Universal_asynchronous_receiver-transmitter)  
+* [SPI ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Serial_Peripheral_Interface)  
+* [I<sup>2</sup>C ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/I²C)  
+* [Zigbee ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Zigbee)  
+
+## اسائنمنٹ
+
+[اپنے سینسر کو کیلیبریٹ کریں](
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md
new file mode 100644
index 00000000..d10e538d
--- /dev/null
+++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md
@@ -0,0 +1,63 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "506d21b544d5de47406c89ad496a21cd",
+  "translation_date": "2025-08-26T22:50:50+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/assignment.md",
+  "language_code": "ur"
+}
+-->
+# اپنے سینسر کو کیلیبریٹ کریں
+
+## ہدایات
+
+اس سبق میں آپ نے مٹی کی نمی کے سینسر کی ریڈنگز حاصل کیں، جو 0-1023 کی قدروں میں ماپی جاتی ہیں۔ ان کو حقیقی مٹی کی نمی کی ریڈنگز میں تبدیل کرنے کے لیے، آپ کو اپنے سینسر کو کیلیبریٹ کرنے کی ضرورت ہے۔ آپ یہ مٹی کے نمونوں سے ریڈنگز لے کر اور ان نمونوں سے وزنی مٹی کی نمی کا مواد حساب کر کے کر سکتے ہیں۔
+
+آپ کو یہ مراحل کئی بار دہرانے ہوں گے تاکہ مطلوبہ ریڈنگز حاصل کی جا سکیں، ہر بار مختلف نمی والی مٹی کے ساتھ۔
+
+1. مٹی کی نمی کے سینسر کا استعمال کرتے ہوئے مٹی کی نمی کی ریڈنگ لیں۔ اس ریڈنگ کو لکھ لیں۔
+
+1. مٹی کا نمونہ لیں اور اس کا وزن کریں۔ اس وزن کو لکھ لیں۔
+
+1. مٹی کو خشک کریں - 110°C (230°F) پر گرم اوون میں چند گھنٹوں کے لیے خشک کرنا بہترین طریقہ ہے، آپ یہ دھوپ میں کر سکتے ہیں، یا اسے کسی گرم، خشک جگہ پر رکھ سکتے ہیں جب تک کہ مٹی مکمل طور پر خشک نہ ہو جائے۔ یہ پاؤڈر کی طرح نرم اور ڈھیلی ہونی چاہیے۔
+
+    > 💁 لیب میں سب سے زیادہ درست نتائج کے لیے آپ اسے 48-72 گھنٹوں کے لیے اوون میں خشک کریں گے۔ اگر آپ کے اسکول میں خشک کرنے والے اوون موجود ہیں، تو دیکھیں کہ آیا آپ انہیں زیادہ دیر تک خشک کرنے کے لیے استعمال کر سکتے ہیں۔ جتنا زیادہ وقت، اتنی زیادہ خشک مٹی اور اتنے زیادہ درست نتائج۔
+
+1. مٹی کو دوبارہ وزن کریں۔
+
+    > 🔥 اگر آپ نے اسے اوون میں خشک کیا ہے تو پہلے یہ یقینی بنائیں کہ یہ ٹھنڈی ہو چکی ہے!
+
+وزنی مٹی کی نمی کا حساب درج ذیل فارمولے سے لگایا جاتا ہے:
+
+![مٹی کی نمی % = گیلی مٹی کا وزن - خشک مٹی کا وزن، تقسیم بر خشک مٹی کا وزن، ضرب 100](../../../../../translated_images/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.ur.png)
+
+* W
+- گیلی مٹی کا وزن
+* W
+- خشک مٹی کا وزن
+
+مثال کے طور پر، فرض کریں کہ آپ کے پاس ایک مٹی کا نمونہ ہے جس کا وزن 212g گیلا اور 197g خشک ہے۔
+
+![فارمولے میں بھرا ہوا حساب](../../../../../translated_images/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.ur.png)
+
+* W = 212g
+* W = 197g
+* 212 - 197 = 15
+* 15 / 197 = 0.076
+* 0.076 * 100 = 7.6%
+
+اس مثال میں، مٹی کی وزنی نمی 7.6% ہے۔
+
+جب آپ کے پاس کم از کم 3 نمونوں کی ریڈنگز ہوں، تو مٹی کی نمی % کو مٹی کی نمی کے سینسر کی ریڈنگ کے ساتھ گراف پر پلاٹ کریں اور پوائنٹس کے بہترین فٹ کے لیے ایک لائن شامل کریں۔ آپ پھر اس لائن سے پڑھ کر کسی دی گئی سینسر ریڈنگ کے لیے وزنی مٹی کی نمی کا مواد حساب کر سکتے ہیں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| -------- | --------- | -------- | ----------------- |
+| کیلیبریشن ڈیٹا جمع کریں | کم از کم 3 کیلیبریشن نمونے حاصل کریں | کم از کم 2 کیلیبریشن نمونے حاصل کریں | کم از کم 1 کیلیبریشن نمونہ حاصل کریں |
+| کیلیبریٹڈ ریڈنگ بنائیں | کامیابی سے کیلیبریشن گراف پلاٹ کریں اور سینسر سے ریڈنگ لیں، اور اسے وزنی مٹی کی نمی کے مواد میں تبدیل کریں | کامیابی سے کیلیبریشن گراف پلاٹ کریں | گراف پلاٹ کرنے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
new file mode 100644
index 00000000..2deca78e
--- /dev/null
+++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9d4d00a47d5d0f3e6ce42c0d1020064a",
+  "translation_date": "2025-08-26T22:53:05+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md",
+  "language_code": "ur"
+}
+-->
+# مٹی کی نمی کی پیمائش - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ راسپبیری پائی کے ساتھ ایک کیپیسٹیو مٹی نمی سینسر شامل کریں گے اور اس سے ویلیوز پڑھیں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک کیپیسٹیو مٹی نمی سینسر کی ضرورت ہے۔
+
+آپ جو سینسر استعمال کریں گے وہ [Capacitive Soil Moisture Sensor](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html) ہے، جو مٹی کی نمی کو مٹی کی کیپیسٹینس کا پتہ لگا کر ماپتا ہے، ایک خاصیت جو مٹی کی نمی کے بدلنے کے ساتھ تبدیل ہوتی ہے۔ جیسے جیسے مٹی کی نمی بڑھتی ہے، وولٹیج کم ہو جاتا ہے۔
+
+یہ ایک اینالاگ سینسر ہے، جو اینالاگ پن استعمال کرتا ہے، اور پائی پر موجود Grove Base Hat میں 10-bit ADC وولٹیج کو 1-1,023 کے ڈیجیٹل سگنل میں تبدیل کرتا ہے۔ یہ پھر GPIO پنز کے ذریعے پائی پر I
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
new file mode 100644
index 00000000..dfa91174
--- /dev/null
+++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2bf65f162bcebd35fbcba5fd245afac4",
+  "translation_date": "2025-08-26T22:51:51+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md",
+  "language_code": "ur"
+}
+-->
+# مٹی کی نمی کی پیمائش - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک کیپیسٹیو مٹی نمی سینسر شامل کریں گے اور اس سے ڈیٹا پڑھیں گے۔
+
+## ورچوئل ہارڈویئر
+
+ورچوئل IoT ڈیوائس ایک سیمولیٹڈ Grove کیپیسٹیو مٹی نمی سینسر استعمال کرے گا۔ یہ لیب بالکل ویسی ہی ہوگی جیسے آپ Raspberry Pi کے ساتھ ایک فزیکل Grove کیپیسٹیو مٹی نمی سینسر استعمال کر رہے ہوں۔
+
+ایک فزیکل IoT ڈیوائس میں، مٹی نمی سینسر ایک کیپیسٹیو سینسر ہوگا جو مٹی کی نمی کو مٹی کی کیپیسٹینس کا پتہ لگا کر ماپتا ہے، جو ایک ایسی خاصیت ہے جو مٹی کی نمی کے بدلنے کے ساتھ تبدیل ہوتی ہے۔ جیسے جیسے مٹی کی نمی بڑھتی ہے، وولٹیج کم ہو جاتا ہے۔
+
+یہ ایک اینالاگ سینسر ہے، اس لیے یہ 10-بٹ ADC کا استعمال کرتے ہوئے 1 سے 1,023 تک کی ویلیو رپورٹ کرتا ہے۔
+
+### CounterFit میں مٹی نمی سینسر شامل کریں
+
+ورچوئل مٹی نمی سینسر استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔
+
+#### کام - CounterFit میں مٹی نمی سینسر شامل کریں
+
+CounterFit ایپ میں مٹی نمی سینسر شامل کریں۔
+
+1. اپنے کمپیوٹر پر `soil-moisture-sensor` نامی فولڈر میں ایک نیا Python ایپ بنائیں، جس میں `app.py` نامی ایک فائل ہو اور ایک Python ورچوئل ماحول ہو، اور CounterFit pip پیکجز شامل کریں۔
+
+    > ⚠️ آپ [سبق 1 میں CounterFit Python پروجیکٹ بنانے اور سیٹ اپ کرنے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
+
+1. مٹی نمی سینسر بنائیں:
+
+    1. *Sensors* پین میں *Create sensor* باکس میں، *Sensor type* ڈراپ ڈاؤن کریں اور *Soil Moisture* منتخب کریں۔
+
+    1. *Units* کو *NoUnits* پر سیٹ رہنے دیں۔
+
+    1. یقینی بنائیں کہ *Pin* کو *0* پر سیٹ کیا گیا ہے۔
+
+    1. **Add** بٹن کو منتخب کریں تاکہ Pin 0 پر *Soil Moisture* سینسر بنایا جا سکے۔
+
+    ![مٹی نمی سینسر کی سیٹنگز](../../../../../translated_images/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.ur.png)
+
+    مٹی نمی سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![مٹی نمی سینسر بنایا گیا](../../../../../translated_images/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.ur.png)
+
+## مٹی نمی سینسر ایپ پروگرام کریں
+
+اب مٹی نمی سینسر ایپ کو CounterFit سینسرز کا استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔
+
+### کام - مٹی نمی سینسر ایپ پروگرام کریں
+
+مٹی نمی سینسر ایپ پروگرام کریں۔
+
+1. یقینی بنائیں کہ `soil-moisture-sensor` ایپ VS Code میں کھلی ہوئی ہے۔
+
+1. `app.py` فائل کھولیں۔
+
+1. `app.py` کے اوپر درج ذیل کوڈ شامل کریں تاکہ ایپ کو CounterFit سے جوڑا جا سکے:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. `app.py` فائل میں درج ذیل کوڈ شامل کریں تاکہ ضروری لائبریریاں درآمد کی جا سکیں:
+
+    ```python
+    import time
+    from counterfit_shims_grove.adc import ADC
+    ```
+
+    `import time` بیان `time` ماڈیول کو درآمد کرتا ہے جو اس اسائنمنٹ میں بعد میں استعمال ہوگا۔
+
+    `from counterfit_shims_grove.adc import ADC` بیان `ADC` کلاس کو درآمد کرتا ہے تاکہ ایک ورچوئل اینالاگ ٹو ڈیجیٹل کنورٹر کے ساتھ تعامل کیا جا سکے جو CounterFit سینسر سے جڑ سکتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ `ADC` کلاس کا ایک انسٹینس بنایا جا سکے:
+
+    ```python
+    adc = ADC()
+    ```
+
+1. ایک لامتناہی لوپ شامل کریں جو Pin 0 پر اس ADC سے پڑھتا ہے اور نتیجہ کنسول پر لکھتا ہے۔ یہ لوپ ہر پڑھنے کے درمیان 10 سیکنڈ کے لیے توقف کر سکتا ہے۔
+
+    ```python
+    while True:
+        soil_moisture = adc.read(0)
+        print("Soil moisture:", soil_moisture)
+    
+        time.sleep(10)
+    ```
+
+1. CounterFit ایپ سے، مٹی نمی سینسر کی ویلیو تبدیل کریں جو ایپ کے ذریعے پڑھی جائے گی۔ آپ یہ دو طریقوں سے کر سکتے ہیں:
+
+    * مٹی نمی سینسر کے لیے *Value* باکس میں ایک نمبر درج کریں، پھر **Set** بٹن کو منتخب کریں۔ جو نمبر آپ درج کریں گے وہ سینسر کے ذریعے واپس کیا جانے والا ویلیو ہوگا۔
+
+    * *Random* چیک باکس کو چیک کریں، اور *Min* اور *Max* ویلیو درج کریں، پھر **Set** بٹن کو منتخب کریں۔ ہر بار جب سینسر ویلیو پڑھے گا، یہ *Min* اور *Max* کے درمیان ایک رینڈم نمبر پڑھے گا۔
+
+1. Python ایپ چلائیں۔ آپ کنسول پر مٹی نمی کی پیمائش دیکھیں گے۔ *Value* یا *Random* سیٹنگز کو تبدیل کریں تاکہ ویلیو میں تبدیلی دیکھ سکیں۔
+
+    ```output
+    (.venv) ➜ soil-moisture-sensor $ python app.py 
+    Soil moisture: 615
+    Soil moisture: 612
+    Soil moisture: 498
+    Soil moisture: 493
+    Soil moisture: 490
+    Soil Moisture: 388
+    ```
+
+> 💁 آپ اس کوڈ کو [code/virtual-device](../../../../../2-farm/lessons/2-detect-soil-moisture/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی نمی سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
new file mode 100644
index 00000000..4a593332
--- /dev/null
+++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md
@@ -0,0 +1,117 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0d55caa8c23d73635b7559102cd17b8a",
+  "translation_date": "2025-08-26T22:49:16+00:00",
+  "source_file": "2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md",
+  "language_code": "ur"
+}
+-->
+# مٹی کی نمی کی پیمائش - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal میں ایک capacitive soil moisture sensor شامل کریں گے اور اس سے اقدار پڑھیں گے۔
+
+## ہارڈویئر
+
+Wio Terminal کو ایک capacitive soil moisture sensor کی ضرورت ہے۔
+
+جو سینسر آپ استعمال کریں گے وہ [Capacitive Soil Moisture Sensor](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html) ہے، جو مٹی کی نمی کو مٹی کی capacitance کا پتہ لگا کر ماپتا ہے، جو ایک خاصیت ہے جو مٹی کی نمی کے بدلنے پر تبدیل ہوتی ہے۔ جیسے جیسے مٹی کی نمی بڑھتی ہے، وولٹیج کم ہو جاتا ہے۔
+
+یہ ایک اینالاگ سینسر ہے، جو Wio Terminal کے اینالاگ پنز سے جڑتا ہے، اور ایک onboard ADC کا استعمال کرتے ہوئے 0-1,023 کی قدر پیدا کرتا ہے۔
+
+### مٹی کی نمی کے سینسر کو جوڑیں
+
+Grove soil moisture sensor کو Wio Terminal کے قابل ترتیب اینالاگ/ڈیجیٹل پورٹ سے جوڑا جا سکتا ہے۔
+
+#### کام - مٹی کی نمی کے سینسر کو جوڑیں
+
+مٹی کی نمی کے سینسر کو جوڑیں۔
+
+![ایک grove soil moisture sensor](../../../../../translated_images/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.ur.png)
+
+1. Grove کیبل کے ایک سرے کو مٹی کی نمی کے سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. Wio Terminal کو اپنے کمپیوٹر یا کسی اور پاور سپلائی سے منقطع کریں، اور Grove کیبل کے دوسرے سرے کو Wio Terminal کے دائیں جانب Grove ساکٹ سے جوڑیں جب آپ اسکرین کو دیکھ رہے ہوں۔ یہ پاور بٹن سے سب سے دور ساکٹ ہے۔
+
+![Grove soil moisture sensor دائیں ساکٹ سے جڑا ہوا](../../../../../translated_images/wio-soil-moisture-sensor.46919b61c3f6cb7497662251b29038ee0e57a4c8b9d071feb996c3b0d7f65aaf.ur.png)
+
+1. مٹی کی نمی کے سینسر کو مٹی میں ڈالیں۔ اس پر ایک 'سب سے اونچی پوزیشن لائن' ہے - سینسر کے پار ایک سفید لائن۔ سینسر کو اس لائن تک ڈالیں لیکن اس سے آگے نہ جائیں۔
+
+![Grove soil moisture sensor مٹی میں](../../../../../translated_images/soil-moisture-sensor-in-soil.bfad91002bda5e960f8c51ee64b02ee59b32c8c717e3515a2c945f33e614e403.ur.png)
+
+1. اب آپ Wio Terminal کو اپنے کمپیوٹر سے جوڑ سکتے ہیں۔
+
+## مٹی کی نمی کے سینسر کو پروگرام کریں
+
+اب Wio Terminal کو منسلک مٹی کی نمی کے سینسر کو استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - مٹی کی نمی کے سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. PlatformIO کا استعمال کرتے ہوئے ایک نیا Wio Terminal پروجیکٹ بنائیں۔ اس پروجیکٹ کا نام `soil-moisture-sensor` رکھیں۔ `setup` فنکشن میں سیریل پورٹ کو ترتیب دینے کے لیے کوڈ شامل کریں۔
+
+    > ⚠️ آپ [پروجیکٹ 1، سبق 1 میں PlatformIO پروجیکٹ بنانے کے لیے ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#create-a-platformio-project) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. اس سینسر کے لیے کوئی لائبریری موجود نہیں ہے، اس کے بجائے آپ اینالاگ پن سے Arduino کے بلٹ ان [`analogRead`](https://www.arduino.cc/reference/en/language/functions/analog-io/analogread/) فنکشن کا استعمال کرتے ہوئے پڑھ سکتے ہیں۔ پہلے اینالاگ پن کو ان پٹ کے لیے ترتیب دیں تاکہ اس سے اقدار پڑھی جا سکیں، `setup` فنکشن میں درج ذیل کو شامل کریں:
+
+    ```cpp
+    pinMode(A0, INPUT);
+    ```
+
+    یہ `A0` پن، جو مشترکہ اینالاگ/ڈیجیٹل پن ہے، کو ایک ان پٹ پن کے طور پر ترتیب دیتا ہے جس سے وولٹیج پڑھا جا سکتا ہے۔
+
+1. `loop` فنکشن میں درج ذیل کو شامل کریں تاکہ اس پن سے وولٹیج پڑھا جا سکے:
+
+    ```cpp
+    int soil_moisture = analogRead(A0);
+    ```
+
+1. اس کوڈ کے نیچے درج ذیل کوڈ شامل کریں تاکہ قدر کو سیریل پورٹ پر پرنٹ کیا جا سکے:
+
+    ```cpp
+    Serial.print("Soil Moisture: ");
+    Serial.println(soil_moisture);
+    ```
+
+1. آخر میں 10 سیکنڈ کی تاخیر شامل کریں:
+
+    ```cpp
+    delay(10000);
+    ```
+
+1. کوڈ کو Wio Terminal پر بنائیں اور اپلوڈ کریں۔
+
+    > ⚠️ آپ [پروجیکٹ 1، سبق 1 میں PlatformIO پروجیکٹ بنانے کے لیے ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/wio-terminal.md#write-the-hello-world-app) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+
+1. اپلوڈ ہونے کے بعد، آپ سیریل مانیٹر کا استعمال کرتے ہوئے مٹی کی نمی کی نگرانی کر سکتے ہیں۔ مٹی میں پانی شامل کریں، یا سینسر کو مٹی سے ہٹا دیں، اور قدر کو تبدیل ہوتے دیکھیں۔
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Soil Moisture: 526
+    Soil Moisture: 529
+    Soil Moisture: 521
+    Soil Moisture: 494
+    Soil Moisture: 454
+    Soil Moisture: 456
+    Soil Moisture: 395
+    Soil Moisture: 388
+    Soil Moisture: 394
+    Soil Moisture: 391
+    ```
+
+    اوپر دیے گئے مثال کے آؤٹ پٹ میں، آپ دیکھ سکتے ہیں کہ پانی شامل کرنے پر وولٹیج کم ہو جاتا ہے۔
+
+> 💁 آپ اس کوڈ کو [code/wio-terminal](../../../../../2-farm/lessons/2-detect-soil-moisture/code/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی کی نمی کے سینسر کا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md
new file mode 100644
index 00000000..e304c928
--- /dev/null
+++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md
@@ -0,0 +1,314 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f7bb24ba53fb627ddb38a8b24a05e594",
+  "translation_date": "2025-08-26T22:24:01+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/README.md",
+  "language_code": "ur"
+}
+-->
+# خودکار پودوں کو پانی دینا
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.ur.jpg)
+
+> خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ سبق [IoT for Beginners Project 2 - Digital Agriculture series](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) کے حصے کے طور پر [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) میں پڑھایا گیا۔
+
+[![IoT سے چلنے والا خودکار پانی دینے کا نظام](https://img.youtube.com/vi/g9FfZwv9R58/0.jpg)](https://youtu.be/g9FfZwv9R58)
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/13)
+
+## تعارف
+
+پچھلے سبق میں آپ نے مٹی کی نمی کو مانیٹر کرنا سیکھا۔ اس سبق میں آپ ایک خودکار پانی دینے کے نظام کے بنیادی اجزاء بنانا سیکھیں گے جو مٹی کی نمی کے مطابق کام کرے گا۔ آپ وقت کے بارے میں بھی سیکھیں گے - کہ سینسرز کو تبدیلیوں کا جواب دینے میں وقت لگ سکتا ہے، اور ایکچوئیٹرز کو ان خصوصیات کو تبدیل کرنے میں وقت لگ سکتا ہے جنہیں سینسرز ماپتے ہیں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [کم پاور IoT ڈیوائس سے ہائی پاور ڈیوائسز کو کنٹرول کریں](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [ریلے کو کنٹرول کریں](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [MQTT کے ذریعے اپنے پودے کو کنٹرول کریں](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [سینسر اور ایکچوئیٹر کا وقت](../../../../../2-farm/lessons/3-automated-plant-watering)
+* [اپنے پودے کے کنٹرول سرور میں وقت شامل کریں](../../../../../2-farm/lessons/3-automated-plant-watering)
+
+## کم پاور IoT ڈیوائس سے ہائی پاور ڈیوائسز کو کنٹرول کریں
+
+IoT ڈیوائسز کم وولٹیج استعمال کرتی ہیں۔ یہ سینسرز اور کم پاور ایکچوئیٹرز جیسے LEDs کے لیے کافی ہے، لیکن بڑے ہارڈویئر جیسے کہ آبپاشی کے لیے استعمال ہونے والے واٹر پمپ کو کنٹرول کرنے کے لیے ناکافی ہے۔ یہاں تک کہ چھوٹے پمپ جو آپ گھریلو پودوں کے لیے استعمال کر سکتے ہیں، IoT ڈیوائس کے لیے بہت زیادہ کرنٹ کھینچتے ہیں اور بورڈ کو نقصان پہنچا سکتے ہیں۔
+
+> 🎓 کرنٹ، جو ایمپئرز (A) میں ماپا جاتا ہے، وہ مقدار ہے جو بجلی ایک سرکٹ میں حرکت کرتی ہے۔ وولٹیج دھکا فراہم کرتا ہے، جبکہ کرنٹ دھکے کی مقدار کو ظاہر کرتا ہے۔ کرنٹ کے بارے میں مزید جاننے کے لیے [ویکیپیڈیا پر الیکٹرک کرنٹ کا صفحہ](https://wikipedia.org/wiki/Electric_current) دیکھیں۔
+
+اس مسئلے کا حل یہ ہے کہ پمپ کو ایک بیرونی پاور سپلائی سے جوڑا جائے، اور ایک ایکچوئیٹر کے ذریعے پمپ کو آن کیا جائے، بالکل اسی طرح جیسے آپ ایک لائٹ کو آن کرتے ہیں۔ آپ کی انگلی کے ذریعے سوئچ کو پلٹنے کے لیے تھوڑی سی توانائی درکار ہوتی ہے، اور یہ لائٹ کو مین بجلی سے جوڑ دیتا ہے جو 110v/240v پر چلتی ہے۔
+
+![ایک لائٹ سوئچ لائٹ کو آن کرنے کے لیے پاور فراہم کرتا ہے](../../../../../translated_images/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.ur.png)
+
+> 🎓 [مینز بجلی](https://wikipedia.org/wiki/Mains_electricity) وہ بجلی ہے جو گھروں اور کاروباروں کو قومی انفراسٹرکچر کے ذریعے فراہم کی جاتی ہے۔
+
+✅ IoT ڈیوائسز عام طور پر 3.3V یا 5V فراہم کر سکتی ہیں، جو 1 ایمپئر (1A) سے کم کرنٹ کے ساتھ ہوتی ہیں۔ اس کا موازنہ مینز بجلی سے کریں جو اکثر 230V (شمالی امریکہ میں 120V اور جاپان میں 100V) پر ہوتی ہے، اور 30A تک کے کرنٹ کے ساتھ ڈیوائسز کو پاور فراہم کر سکتی ہے۔
+
+ایسے کئی ایکچوئیٹرز موجود ہیں جو یہ کام کر سکتے ہیں، بشمول مکینیکل ڈیوائسز جو موجودہ سوئچز کے ساتھ منسلک ہو کر انہیں آن کرنے کے لیے انگلی کی نقل کرتے ہیں۔ سب سے زیادہ مقبول ایکچوئیٹر ریلے ہے۔
+
+### ریلے
+
+ریلے ایک الیکٹرو مکینیکل سوئچ ہے جو ایک برقی سگنل کو مکینیکل حرکت میں تبدیل کرتا ہے جو ایک سوئچ کو آن کرتا ہے۔ ریلے کا بنیادی حصہ ایک الیکٹرو میگنیٹ ہے۔
+
+> 🎓 [الیکٹرو میگنیٹس](https://wikipedia.org/wiki/Electromagnet) وہ میگنیٹس ہیں جو تار کے کوائل میں بجلی گزار کر بنائے جاتے ہیں۔ جب بجلی آن ہوتی ہے، تو کوائل مقناطیسی ہو جاتا ہے۔ جب بجلی بند ہوتی ہے، تو کوائل اپنی مقناطیسیت کھو دیتا ہے۔
+
+![جب آن ہو، تو الیکٹرو میگنیٹ ایک مقناطیسی میدان بناتا ہے، آؤٹ پٹ سرکٹ کے لیے سوئچ کو آن کرتا ہے](../../../../../translated_images/relay-on.4db16a0fd6b669262fd6699aff3fbcd31b6057c06d90411b6bddc06326d1cf75.ur.png)
+
+ریلے میں، کنٹرول سرکٹ الیکٹرو میگنیٹ کو پاور فراہم کرتا ہے۔ جب الیکٹرو میگنیٹ آن ہوتا ہے، تو یہ ایک لیور کو کھینچتا ہے جو ایک سوئچ کو حرکت دیتا ہے، رابطے بند کرتا ہے اور آؤٹ پٹ سرکٹ کو مکمل کرتا ہے۔
+
+![جب بند ہو، تو الیکٹرو میگنیٹ مقناطیسی میدان نہیں بناتا، آؤٹ پٹ سرکٹ کے لیے سوئچ کو بند کرتا ہے](../../../../../translated_images/relay-off.c34a178a2960fecdc3c6400d43e633ed11c6746cd653cfb4a768fa097c40394c.ur.png)
+
+جب کنٹرول سرکٹ بند ہوتا ہے، تو الیکٹرو میگنیٹ بند ہو جاتا ہے، لیور کو چھوڑ دیتا ہے اور رابطے کھول دیتا ہے، آؤٹ پٹ سرکٹ کو بند کر دیتا ہے۔ ریلے ڈیجیٹل ایکچوئیٹرز ہیں - ریلے کو آن کرنے کے لیے ایک ہائی سگنل دیا جاتا ہے، اور اسے بند کرنے کے لیے ایک لو سگنل۔
+
+آؤٹ پٹ سرکٹ اضافی ہارڈویئر کو پاور فراہم کرنے کے لیے استعمال کیا جا سکتا ہے، جیسے کہ آبپاشی کا نظام۔ IoT ڈیوائس ریلے کو آن کر سکتی ہے، آؤٹ پٹ سرکٹ کو مکمل کر سکتی ہے جو آبپاشی کے نظام کو پاور فراہم کرتا ہے، اور پودوں کو پانی ملتا ہے۔ پھر IoT ڈیوائس ریلے کو بند کر سکتی ہے، آبپاشی کے نظام کی پاور کاٹ سکتی ہے، اور پانی بند کر سکتی ہے۔
+
+![ایک ریلے آن ہو رہا ہے، ایک پمپ کو آن کر رہا ہے جو پودے کو پانی فراہم کر رہا ہے](../../../../../images/strawberry-pump.gif)
+
+اوپر دی گئی ویڈیو میں، ایک ریلے آن ہو رہا ہے۔ ریلے پر ایک LED روشن ہو رہا ہے جو ظاہر کرتا ہے کہ یہ آن ہے (کچھ ریلے بورڈز پر یہ ظاہر کرنے کے لیے LEDs ہوتے ہیں کہ ریلے آن ہے یا آف)، اور پمپ کو پاور فراہم کی جا رہی ہے، جو پانی کو پودے میں پمپ کر رہا ہے۔
+
+> 💁 ریلے کو اس طرح بھی استعمال کیا جا سکتا ہے کہ یہ دو آؤٹ پٹ سرکٹس کے درمیان سوئچ کرے، بجائے اس کے کہ ایک کو آن یا آف کرے۔ جیسے ہی لیور حرکت کرتا ہے، یہ ایک آؤٹ پٹ سرکٹ کو مکمل کرنے سے دوسرے آؤٹ پٹ سرکٹ کو مکمل کرنے کی طرف منتقل ہو جاتا ہے، عام طور پر ایک مشترکہ پاور کنکشن یا مشترکہ گراؤنڈ کنکشن کا اشتراک کرتے ہوئے۔
+
+✅ تحقیق کریں: ریلے کی کئی اقسام ہیں، جن میں فرق یہ ہے کہ کنٹرول سرکٹ پاور فراہم کرنے پر ریلے کو آن کرتا ہے یا آف، یا متعدد آؤٹ پٹ سرکٹس۔ ان مختلف اقسام کے بارے میں جانیں۔
+
+جب لیور حرکت کرتا ہے، تو آپ عام طور پر اسے الیکٹرو میگنیٹ کے ساتھ رابطہ کرتے ہوئے ایک واضح کلک کی آواز سن سکتے ہیں۔
+
+> 💁 ایک ریلے کو اس طرح وائر کیا جا سکتا ہے کہ کنکشن بنانے سے اصل میں ریلے کی پاور ختم ہو جائے، جس سے ریلے بند ہو جائے، جو پھر ریلے کو دوبارہ آن کرنے کے لیے پاور بھیجتا ہے، اور یہ عمل جاری رہتا ہے۔ اس کا مطلب ہے کہ ریلے بہت تیزی سے کلک کرے گا، ایک بھنبھناہٹ کی آواز پیدا کرے گا۔ یہ وہ طریقہ ہے جس سے ابتدائی بجلی کے دروازے کی گھنٹیاں کام کرتی تھیں۔
+
+### ریلے کی پاور
+
+الیکٹرو میگنیٹ کو لیور کو کھینچنے اور فعال کرنے کے لیے زیادہ پاور کی ضرورت نہیں ہوتی، اسے 3.3V یا 5V آؤٹ پٹ کے ذریعے IoT ڈیوائس سے کنٹرول کیا جا سکتا ہے۔ آؤٹ پٹ سرکٹ زیادہ پاور لے جا سکتا ہے، ریلے پر منحصر ہے، بشمول مینز وولٹیج یا صنعتی استعمال کے لیے اس سے بھی زیادہ پاور لیولز۔ اس طرح ایک IoT ڈیوائس ایک آبپاشی کے نظام کو کنٹرول کر سکتی ہے، چاہے وہ ایک پودے کے لیے چھوٹا پمپ ہو یا ایک بڑے تجارتی فارم کے لیے ایک وسیع صنعتی نظام۔
+
+![ایک گروو ریلے جس میں کنٹرول سرکٹ، آؤٹ پٹ سرکٹ اور ریلے لیبل کیے گئے ہیں](../../../../../translated_images/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.ur.png)
+
+اوپر دی گئی تصویر میں ایک گروو ریلے دکھایا گیا ہے۔ کنٹرول سرکٹ IoT ڈیوائس سے جڑتا ہے اور 3.3V یا 5V کا استعمال کرتے ہوئے ریلے کو آن یا آف کرتا ہے۔ آؤٹ پٹ سرکٹ میں دو ٹرمینلز ہیں، جن میں سے کوئی بھی پاور یا گراؤنڈ ہو سکتا ہے۔ آؤٹ پٹ سرکٹ 250V تک 10A کو ہینڈل کر سکتا ہے، جو مختلف مینز پاورڈ ڈیوائسز کے لیے کافی ہے۔ آپ ایسے ریلے بھی حاصل کر سکتے ہیں جو اس سے بھی زیادہ پاور لیولز کو ہینڈل کر سکتے ہیں۔
+
+![ایک پمپ جو ریلے کے ذریعے وائر کیا گیا ہے](../../../../../translated_images/pump-wired-to-relay.66c5cfc0d89189900cd601777f5caeb39ee35c6250f6c86bf38feaceedb21fe9.ur.png)
+
+اوپر دی گئی تصویر میں، ایک پمپ کو ریلے کے ذریعے پاور فراہم کی جا رہی ہے۔ ایک سرخ تار USB پاور سپلائی کے +5V ٹرمینل کو ریلے کے آؤٹ پٹ سرکٹ کے ایک ٹرمینل سے جوڑ رہا ہے، اور دوسرا سرخ تار آؤٹ پٹ سرکٹ کے دوسرے ٹرمینل کو پمپ سے جوڑ رہا ہے۔ ایک کالا تار پمپ کو USB پاور سپلائی کے گراؤنڈ سے جوڑ رہا ہے۔ جب ریلے آن ہوتا ہے، تو یہ سرکٹ کو مکمل کرتا ہے، پمپ کو 5V بھیجتا ہے، اور پمپ کو آن کر دیتا ہے۔
+
+## ریلے کو کنٹرول کریں
+
+آپ اپنے IoT ڈیوائس سے ایک ریلے کو کنٹرول کر سکتے ہیں۔
+
+### کام - ریلے کو کنٹرول کریں
+
+اپنے IoT ڈیوائس کا استعمال کرتے ہوئے ریلے کو کنٹرول کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-relay.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-relay.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-relay.md)
+
+## MQTT کے ذریعے اپنے پودے کو کنٹرول کریں
+
+اب تک آپ کا ریلے IoT ڈیوائس کے ذریعے براہ راست ایک واحد مٹی کی نمی کی ریڈنگ پر مبنی کنٹرول ہو رہا تھا۔ ایک تجارتی آبپاشی کے نظام میں، کنٹرول لاجک کو مرکزی بنایا جاتا ہے، تاکہ یہ متعدد سینسرز کے ڈیٹا کی بنیاد پر پانی دینے کے فیصلے کر سکے، اور کسی بھی کنفیگریشن کو ایک ہی جگہ پر تبدیل کرنے کی اجازت دے۔ اس کی نقل کرنے کے لیے، آپ MQTT کے ذریعے ریلے کو کنٹرول کر سکتے ہیں۔
+
+### کام - MQTT کے ذریعے ریلے کو کنٹرول کریں
+
+1. اپنے `soil-moisture-sensor` پروجیکٹ میں MQTT سے جڑنے کے لیے متعلقہ MQTT لائبریریاں/پائپ پیکجز اور کوڈ شامل کریں۔ کلائنٹ ID کو `soilmoisturesensor_client` کے طور پر اپنے ID کے ساتھ پیش کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 1، سبق 4 میں MQTT سے جڑنے کے لیے ہدایات](../../../1-getting-started/lessons/4-connect-internet/README.md#connect-your-iot-device-to-mqtt) دیکھیں۔
+
+1. مٹی کی نمی کی ترتیبات کے ساتھ ٹیلیمیٹری بھیجنے کے لیے متعلقہ ڈیوائس کوڈ شامل کریں۔ ٹیلیمیٹری میسج کے لیے پراپرٹی کا نام `soil_moisture` رکھیں۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 1، سبق 4 میں MQTT کو ٹیلیمیٹری بھیجنے کے لیے ہدایات](../../../1-getting-started/lessons/4-connect-internet/README.md#send-telemetry-from-your-iot-device) دیکھیں۔
+
+1. `soil-moisture-sensor-server` نامی فولڈر میں ٹیلیمیٹری کو سبسکرائب کرنے اور ریلے کو کنٹرول کرنے کے لیے کمانڈ بھیجنے کے لیے کچھ لوکل سرور کوڈ بنائیں۔ کمانڈ میسج میں پراپرٹی کا نام `relay_on` رکھیں، اور کلائنٹ ID کو `soilmoisturesensor_server` کے طور پر اپنے ID کے ساتھ پیش کریں۔ اس کوڈ کو اسی ساخت میں رکھیں جو آپ نے پروجیکٹ 1، سبق 4 کے لیے لکھا تھا کیونکہ آپ اس سبق میں اس کوڈ میں مزید اضافہ کریں گے۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 1، سبق 4 میں MQTT کو ٹیلیمیٹری بھیجنے](../../../1-getting-started/lessons/4-connect-internet/README.md#write-the-server-code) اور [MQTT کے ذریعے کمانڈ بھیجنے](../../../1-getting-started/lessons/4-connect-internet/README.md#send-commands-to-the-mqtt-broker) کے لیے ہدایات دیکھیں۔
+
+1. موصولہ کمانڈز سے ریلے کو کنٹرول کرنے کے لیے متعلقہ ڈیوائس کوڈ شامل کریں، میسج سے `relay_on` پراپرٹی کا استعمال کرتے ہوئے۔ اگر `soil_moisture` 450 سے زیادہ ہو تو `relay_on` کے لیے true بھیجیں، ورنہ false بھیجیں، بالکل اسی طرح جیسے آپ نے پہلے IoT ڈیوائس کے لیے لاجک شامل کیا تھا۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 1، سبق 4 میں MQTT سے کمانڈز کا جواب دینے کے لیے ہدایات](../../../1-getting-started/lessons/4-connect-internet/README.md#handle-commands-on-the-iot-device) دیکھیں۔
+
+> 💁 آپ اس کوڈ کو [code-mqtt](../../../../../2-farm/lessons/3-automated-plant-watering/code-mqtt) فولڈر میں تلاش کر سکتے ہیں۔
+
+یقینی بنائیں کہ کوڈ آپ کے ڈیوائس اور لوکل سرور پر چل رہا ہے، اور مٹی کی نمی کی سطح کو تبدیل کر کے اسے آزمائیں، چاہے ورچوئل سینسر کے ذریعے بھیجے گئے اقدار کو تبدیل کر کے، یا مٹی میں پانی شامل کر کے یا سینسر کو مٹی سے ہٹا کر۔
+
+## سینسر اور ایکچوئیٹر کا وقت
+
+سبق 3 میں آپ نے ایک نائٹ لائٹ بنائی تھی - ایک LED جو کم روشنی کی سطح کا پتہ لگاتے ہی آن ہو جاتی ہے۔ روشنی کے سینسر نے روشنی کی سطح میں تبدیلی کو فوراً محسوس کیا، اور ڈیوائس جلدی سے جواب دے سکتی تھی، صرف `loop` فنکشن یا `while True:` لوپ کی تاخیر کی لمبائی سے محدود۔ ایک IoT ڈویلپر کے طور پر، آپ ہمیشہ اتنی تیز فیڈبیک لوپ پر انحصار نہیں کر سکتے۔
+
+### مٹی کی نمی کے لیے وقت
+
+اگر آپ نے پچھلے سبق میں مٹی کی نمی کے لیے ایک فزیکل سینسر استعمال کیا، تو آپ نے محسوس کیا ہوگا کہ جب آپ نے اپنے پودے کو پانی دیا تو مٹی کی نمی کی ریڈنگ کو کم ہونے میں چند سیکنڈ لگے۔ یہ اس لیے نہیں کہ سینسر سست ہے، بلکہ اس لیے کہ پانی کو مٹی میں جذب ہونے میں وقت لگتا ہے۔
+💁 اگر آپ نے سینسر کے بہت قریب پانی دیا ہو تو آپ نے دیکھا ہوگا کہ ریڈنگ تیزی سے کم ہوئی اور پھر دوبارہ بڑھ گئی - یہ اس وجہ سے ہوتا ہے کہ سینسر کے قریب پانی باقی مٹی میں پھیل جاتا ہے، جس سے سینسر کے قریب مٹی کی نمی کم ہو جاتی ہے۔
+![ایک مٹی کی نمی کی پیمائش 658 دکھاتی ہے، جو پانی دینے کے دوران تبدیل نہیں ہوتی، بلکہ پانی مٹی میں جذب ہونے کے بعد 320 تک گر جاتی ہے](../../../../../translated_images/soil-moisture-travel.a0e31af222cf14385de5380dfc32c7b8213960965228b8e4f7b7ab7f73b310a3.ur.png)
+
+اوپر دیے گئے خاکے میں، مٹی کی نمی کی پیمائش 658 دکھا رہی ہے۔ پودے کو پانی دیا جاتا ہے، لیکن یہ پیمائش فوراً تبدیل نہیں ہوتی کیونکہ پانی ابھی تک سینسر تک نہیں پہنچا۔ پانی دینے کا عمل ختم بھی ہو سکتا ہے اس سے پہلے کہ پانی سینسر تک پہنچے اور نمی کی نئی سطح کو ظاہر کرنے کے لیے قدر کم ہو۔
+
+اگر آپ مٹی کی نمی کی سطح کی بنیاد پر ایک ریلے کے ذریعے آبپاشی کے نظام کو کنٹرول کرنے کے لیے کوڈ لکھ رہے ہیں، تو آپ کو اس تاخیر کو مدنظر رکھنا ہوگا اور اپنے IoT ڈیوائس میں زیادہ ذہین وقت بندی شامل کرنی ہوگی۔
+
+✅ ایک لمحہ نکال کر سوچیں کہ آپ یہ کیسے کر سکتے ہیں۔
+
+### سینسر اور ایکچیویٹر کی وقت بندی کو کنٹرول کریں
+
+تصور کریں کہ آپ کو ایک کھیت کے لیے آبپاشی کا نظام بنانے کا کام دیا گیا ہے۔ مٹی کی قسم کی بنیاد پر، پودوں کے لیے مثالی مٹی کی نمی کی سطح ایک اینالاگ وولٹیج ریڈنگ 400-450 کے برابر پائی گئی ہے۔
+
+آپ ڈیوائس کو اسی طرح پروگرام کر سکتے ہیں جیسے نائٹ لائٹ کو کیا جاتا ہے - جب تک سینسر 450 سے اوپر پڑھتا ہے، ایک ریلے کو آن کریں تاکہ پمپ کو آن کیا جا سکے۔ مسئلہ یہ ہے کہ پانی کو پمپ سے مٹی کے ذریعے سینسر تک پہنچنے میں وقت لگتا ہے۔ سینسر پانی کو اس وقت روک دے گا جب وہ 450 کی سطح کا پتہ لگائے گا، لیکن پانی کی سطح کم ہوتی رہے گی کیونکہ پمپ کیا گیا پانی مٹی میں جذب ہوتا رہے گا۔ نتیجہ ضائع شدہ پانی اور جڑوں کو نقصان پہنچنے کا خطرہ ہوگا۔
+
+✅ یاد رکھیں - بہت زیادہ پانی پودوں کے لیے اتنا ہی نقصان دہ ہو سکتا ہے جتنا کہ بہت کم پانی، اور یہ ایک قیمتی وسیلہ بھی ضائع کرتا ہے۔
+
+بہتر حل یہ ہے کہ یہ سمجھا جائے کہ ایکچیویٹر کے آن ہونے اور سینسر کی پڑھی جانے والی پراپرٹی کے تبدیل ہونے کے درمیان ایک تاخیر ہے۔ اس کا مطلب یہ ہے کہ نہ صرف سینسر کو قدر کی پیمائش کرنے سے پہلے کچھ دیر انتظار کرنا چاہیے، بلکہ ایکچیویٹر کو اگلی سینسر پیمائش سے پہلے کچھ دیر کے لیے بند رہنا چاہیے۔
+
+ہر بار ریلے کو کتنی دیر تک آن رہنا چاہیے؟ بہتر ہے کہ احتیاط سے کام لیا جائے اور ریلے کو صرف تھوڑی دیر کے لیے آن کیا جائے، پھر پانی کو جذب ہونے کے لیے انتظار کریں، پھر نمی کی سطح دوبارہ چیک کریں۔ آخرکار، آپ ہمیشہ مزید پانی شامل کرنے کے لیے پمپ کو دوبارہ آن کر سکتے ہیں، لیکن آپ مٹی سے پانی نہیں نکال سکتے۔
+
+> 💁 اس قسم کی وقت بندی کا کنٹرول خاص طور پر اس IoT ڈیوائس، پراپرٹی، اور سینسرز و ایکچیویٹرز پر منحصر ہے جو آپ استعمال کر رہے ہیں۔
+
+![ایک اسٹرابیری کا پودا جو پانی کے پمپ سے جڑا ہوا ہے، پمپ ایک ریلے سے جڑا ہوا ہے۔ ریلے اور مٹی کی نمی کا سینسر دونوں ایک راسپبیری پائی سے جڑے ہوئے ہیں](../../../../../translated_images/strawberry-with-pump.b410fc72ac6aabad3e28de9775bf2393ead73dcfec6fd8c9bc01cf107ecd171a.ur.png)
+
+مثال کے طور پر، میرے پاس ایک اسٹرابیری کا پودا ہے جس میں مٹی کی نمی کا سینسر اور ایک پمپ ہے جو ایک ریلے کے ذریعے کنٹرول ہوتا ہے۔ میں نے مشاہدہ کیا ہے کہ جب میں پانی شامل کرتا ہوں تو مٹی کی نمی کی پیمائش کو مستحکم ہونے میں تقریباً 20 سیکنڈ لگتے ہیں۔ اس کا مطلب ہے کہ مجھے ریلے کو بند کرنا ہوگا اور نمی کی سطح چیک کرنے سے پہلے 20 سیکنڈ انتظار کرنا ہوگا۔ میں کم پانی کو زیادہ پانی پر ترجیح دیتا ہوں - میں ہمیشہ پمپ کو دوبارہ آن کر سکتا ہوں، لیکن میں پودے سے پانی نہیں نکال سکتا۔
+
+![پہلا قدم، پیمائش کریں۔ دوسرا قدم، پانی شامل کریں۔ تیسرا قدم، پانی کو مٹی میں جذب ہونے دیں۔ چوتھا قدم، دوبارہ پیمائش کریں](../../../../../translated_images/soil-moisture-delay.865f3fae206db01d5f8f100f4f44040215d44a0412dd3450aef7ff7b93b6d273.ur.png)
+
+اس کا مطلب ہے کہ بہترین عمل ایک پانی دینے کا چکر ہوگا جو کچھ اس طرح ہو:
+
+* پمپ کو 5 سیکنڈ کے لیے آن کریں
+* 20 سیکنڈ انتظار کریں
+* مٹی کی نمی چیک کریں
+* اگر سطح اب بھی مطلوبہ سطح سے اوپر ہے، تو اوپر دیے گئے اقدامات کو دہرائیں
+
+5 سیکنڈ پمپ کے لیے بہت زیادہ ہو سکتے ہیں، خاص طور پر اگر نمی کی سطح مطلوبہ سطح سے صرف تھوڑی سی اوپر ہو۔ بہترین طریقہ یہ ہے کہ اسے آزمائیں، پھر سینسر ڈیٹا کے ساتھ ایڈجسٹ کریں، ایک مستقل فیڈبیک لوپ کے ساتھ۔ یہ مزید تفصیلی وقت بندی کی طرف بھی لے جا سکتا ہے، جیسے کہ ہر 100 مطلوبہ مٹی کی نمی سے اوپر کے لیے پمپ کو 1 سیکنڈ کے لیے آن کرنا، بجائے ایک مقررہ 5 سیکنڈ کے۔
+
+✅ تحقیق کریں: کیا دیگر وقت بندی کے عوامل ہیں؟ کیا پودے کو کسی بھی وقت پانی دیا جا سکتا ہے جب مٹی کی نمی بہت کم ہو، یا دن کے مخصوص اوقات ایسے ہیں جو پودوں کو پانی دینے کے لیے اچھے یا برے ہیں؟
+
+> 💁 موسمی پیش گوئیوں کو بھی بیرونی کاشت کے لیے خودکار آبپاشی کے نظام کو کنٹرول کرتے وقت مدنظر رکھا جا سکتا ہے۔ اگر بارش کی توقع ہو، تو پانی دینے کو بارش کے ختم ہونے تک ملتوی کیا جا سکتا ہے۔ اس وقت مٹی اتنی نم ہو سکتی ہے کہ اسے پانی دینے کی ضرورت نہ ہو، جو بارش سے پہلے پانی دینے کے مقابلے میں زیادہ مؤثر ہے۔
+
+## اپنے پودے کے کنٹرول سرور میں وقت بندی شامل کریں
+
+سرور کوڈ کو پانی دینے کے چکر کی وقت بندی اور مٹی کی نمی کی سطح کے تبدیل ہونے کے انتظار کے ارد گرد کنٹرول شامل کرنے کے لیے ترمیم کی جا سکتی ہے۔ ریلے کی وقت بندی کو کنٹرول کرنے کے لیے سرور کی منطق یہ ہے:
+
+1. ٹیلی میٹری پیغام موصول ہوا
+1. مٹی کی نمی کی سطح چیک کریں
+1. اگر سطح ٹھیک ہے، تو کچھ نہ کریں۔ اگر ریڈنگ بہت زیادہ ہے (یعنی مٹی کی نمی بہت کم ہے) تو:
+    1. ریلے کو آن کرنے کا کمانڈ بھیجیں
+    1. 5 سیکنڈ انتظار کریں
+    1. ریلے کو بند کرنے کا کمانڈ بھیجیں
+    1. مٹی کی نمی کی سطح کو مستحکم ہونے کے لیے 20 سیکنڈ انتظار کریں
+
+پانی دینے کا چکر، ٹیلی میٹری پیغام موصول ہونے سے لے کر مٹی کی نمی کی سطح کو دوبارہ پروسیس کرنے کے لیے تیار ہونے تک، تقریباً 25 سیکنڈ لیتا ہے۔ ہم ہر 10 سیکنڈ میں مٹی کی نمی کی سطح بھیج رہے ہیں، لہذا ایک اوورلیپ ہے جہاں ایک پیغام موصول ہوتا ہے جبکہ سرور مٹی کی نمی کی سطح کو مستحکم ہونے کے لیے انتظار کر رہا ہوتا ہے، جو ایک اور پانی دینے کے چکر کو شروع کر سکتا ہے۔
+
+اس کے حل کے دو اختیارات ہیں:
+
+* IoT ڈیوائس کوڈ کو تبدیل کریں تاکہ ٹیلی میٹری صرف ہر منٹ میں بھیجی جائے، اس طرح پانی دینے کا چکر مکمل ہو جائے گا اس سے پہلے کہ اگلا پیغام بھیجا جائے
+* پانی دینے کے چکر کے دوران ٹیلی میٹری سے ان سبسکرائب کریں
+
+پہلا آپشن بڑے کھیتوں کے لیے ہمیشہ اچھا حل نہیں ہوتا۔ کسان مٹی کی نمی کی سطح کو اس وقت ریکارڈ کرنا چاہ سکتا ہے جب مٹی کو پانی دیا جا رہا ہو تاکہ بعد میں تجزیہ کے لیے، مثال کے طور پر، کھیت کے مختلف علاقوں میں پانی کے بہاؤ سے آگاہ ہونے کے لیے زیادہ ہدف شدہ آبپاشی کی رہنمائی کی جا سکے۔ دوسرا آپشن بہتر ہے - کوڈ صرف اس وقت ٹیلی میٹری کو نظر انداز کر رہا ہے جب وہ اسے استعمال نہیں کر سکتا، لیکن ٹیلی میٹری اب بھی موجود ہے دیگر سروسز کے لیے جو اسے سبسکرائب کر سکتی ہیں۔
+
+> 💁 IoT ڈیٹا صرف ایک ڈیوائس سے ایک سروس تک نہیں بھیجا جاتا، بلکہ کئی ڈیوائسز ڈیٹا کو ایک بروکر کو بھیج سکتی ہیں، اور کئی سروسز بروکر سے ڈیٹا سن سکتی ہیں۔ مثال کے طور پر، ایک سروس مٹی کی نمی کے ڈیٹا کو سن سکتی ہے اور اسے بعد میں تجزیہ کے لیے ایک ڈیٹا بیس میں اسٹور کر سکتی ہے۔ ایک اور سروس اسی ٹیلی میٹری کو آبپاشی کے نظام کو کنٹرول کرنے کے لیے سن سکتی ہے۔
+
+### کام - اپنے پودے کے کنٹرول سرور میں وقت بندی شامل کریں
+
+اپنے سرور کوڈ کو اپ ڈیٹ کریں تاکہ ریلے کو 5 سیکنڈ کے لیے چلایا جا سکے، پھر 20 سیکنڈ انتظار کریں۔
+
+1. اگر `soil-moisture-sensor-server` فولڈر VS Code میں پہلے سے کھلا نہیں ہے تو اسے کھولیں۔ یقینی بنائیں کہ ورچوئل ماحول فعال ہے۔
+
+1. `app.py` فائل کھولیں
+
+1. موجودہ امپورٹس کے نیچے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import threading
+    ```
+
+    یہ بیان Python لائبریریوں سے `threading` کو امپورٹ کرتا ہے، جو Python کو انتظار کے دوران دیگر کوڈ کو چلانے کی اجازت دیتا ہے۔
+
+1. `handle_telemetry` فنکشن سے پہلے درج ذیل کوڈ شامل کریں جو سرور کوڈ کے ذریعے موصول ہونے والے ٹیلی میٹری پیغامات کو ہینڈل کرتا ہے:
+
+    ```python
+    water_time = 5
+    wait_time = 20
+    ```
+
+    یہ بیان کرتا ہے کہ ریلے کو کتنی دیر تک چلانا ہے (`water_time`)، اور اس کے بعد مٹی کی نمی کو چیک کرنے کے لیے کتنی دیر تک انتظار کرنا ہے (`wait_time`)۔
+
+1. اس کوڈ کے نیچے درج ذیل شامل کریں:
+
+    ```python
+    def send_relay_command(client, state):
+        command = { 'relay_on' : state }
+        print("Sending message:", command)
+        client.publish(server_command_topic, json.dumps(command))
+    ```
+
+    یہ کوڈ ایک فنکشن `send_relay_command` کی وضاحت کرتا ہے جو MQTT کے ذریعے ریلے کو کنٹرول کرنے کے لیے کمانڈ بھیجتا ہے۔ ٹیلی میٹری کو ایک ڈکشنری کے طور پر بنایا جاتا ہے، پھر JSON سٹرنگ میں تبدیل کیا جاتا ہے۔ `state` میں پاس کی گئی ویلیو یہ طے کرتی ہے کہ ریلے آن ہونا چاہیے یا آف۔
+
+1. `send_relay_code` فنکشن کے بعد درج ذیل کوڈ شامل کریں:
+
+    ```python
+    def control_relay(client):
+        print("Unsubscribing from telemetry")
+        mqtt_client.unsubscribe(client_telemetry_topic)
+    
+        send_relay_command(client, True)
+        time.sleep(water_time)
+        send_relay_command(client, False)
+    
+        time.sleep(wait_time)
+    
+        print("Subscribing to telemetry")
+        mqtt_client.subscribe(client_telemetry_topic)
+    ```
+
+    یہ ایک فنکشن کی وضاحت کرتا ہے جو مطلوبہ وقت بندی کی بنیاد پر ریلے کو کنٹرول کرتا ہے۔ یہ ٹیلی میٹری سے ان سبسکرائب کرنے سے شروع ہوتا ہے تاکہ پانی دینے کے دوران مٹی کی نمی کے پیغامات پروسیس نہ ہوں۔ اس کے بعد یہ ریلے کو آن کرنے کا کمانڈ بھیجتا ہے۔ پھر یہ `water_time` کے لیے انتظار کرتا ہے اس سے پہلے کہ ریلے کو بند کرنے کا کمانڈ بھیجے۔ آخر میں یہ مٹی کی نمی کی سطح کو مستحکم ہونے کے لیے `wait_time` سیکنڈ انتظار کرتا ہے۔ اس کے بعد یہ دوبارہ ٹیلی میٹری کو سبسکرائب کرتا ہے۔
+
+1. `handle_telemetry` فنکشن کو درج ذیل میں تبدیل کریں:
+
+    ```python
+    def handle_telemetry(client, userdata, message):
+        payload = json.loads(message.payload.decode())
+        print("Message received:", payload)
+    
+        if payload['soil_moisture'] > 450:
+            threading.Thread(target=control_relay, args=(client,)).start()
+    ```
+
+    یہ کوڈ مٹی کی نمی کی سطح کو چیک کرتا ہے۔ اگر یہ 450 سے زیادہ ہے، تو مٹی کو پانی دینے کی ضرورت ہے، لہذا یہ `control_relay` فنکشن کو کال کرتا ہے۔ یہ فنکشن ایک علیحدہ تھریڈ پر چلتا ہے، جو بیک گراؤنڈ میں چل رہا ہوتا ہے۔
+
+1. یقینی بنائیں کہ آپ کا IoT ڈیوائس چل رہا ہے، پھر اس کوڈ کو چلائیں۔ مٹی کی نمی کی سطح کو تبدیل کریں اور دیکھیں کہ ریلے کے ساتھ کیا ہوتا ہے - یہ 5 سیکنڈ کے لیے آن ہونا چاہیے پھر کم از کم 20 سیکنڈ کے لیے بند رہنا چاہیے، صرف اس وقت آن ہونا چاہیے جب مٹی کی نمی کی سطح کافی نہ ہو۔
+
+    ```output
+    (.venv) ➜  soil-moisture-sensor-server ✗ python app.py
+    Message received: {'soil_moisture': 457}
+    Unsubscribing from telemetry
+    Sending message: {'relay_on': True}
+    Sending message: {'relay_on': False}
+    Subscribing to telemetry
+    Message received: {'soil_moisture': 302}
+    ```
+
+    ایک نقلی آبپاشی کے نظام میں اس کی جانچ کرنے کا ایک اچھا طریقہ یہ ہے کہ خشک مٹی استعمال کریں، پھر ریلے کے آن ہونے کے دوران دستی طور پر پانی ڈالیں، اور جب ریلے بند ہو جائے تو پانی ڈالنا بند کریں۔
+
+> 💁 آپ اس کوڈ کو [code-timing](../../../../../2-farm/lessons/3-automated-plant-watering/code-timing) فولڈر میں تلاش کر سکتے ہیں۔
+
+> 💁 اگر آپ ایک حقیقی آبپاشی کا نظام بنانے کے لیے پمپ استعمال کرنا چاہتے ہیں، تو آپ ایک [6V واٹر پمپ](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html) کے ساتھ ایک [USB ٹرمینل پاور سپلائی](https://www.adafruit.com/product/3628) استعمال کر سکتے ہیں۔ یقینی بنائیں کہ پمپ کو یا تو پاور یا آؤٹ پٹ ریلے کے ذریعے جڑا ہوا ہے۔
+
+---
+
+## 🚀 چیلنج
+
+کیا آپ کسی اور IoT یا دیگر برقی آلات کے بارے میں سوچ سکتے ہیں جن میں ایسا مسئلہ ہو جہاں ایکچیویٹر کے نتائج سینسر تک پہنچنے میں وقت لیتے ہوں؟ آپ کے گھر یا اسکول میں شاید کچھ ایسے آلات ہوں۔
+
+* وہ کون سی پراپرٹیز ماپتے ہیں؟
+* ایکچیویٹر کے استعمال کے بعد پراپرٹی کو تبدیل ہونے میں کتنا وقت لگتا ہے؟
+* کیا یہ ٹھیک ہے کہ پراپرٹی مطلوبہ قدر سے آگے بڑھ جائے؟
+* اگر ضرورت ہو تو اسے مطلوبہ قدر پر کیسے واپس لایا جا سکتا ہے؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/14)
+
+## جائزہ اور خود مطالعہ
+
+* ریلے کے بارے میں مزید پڑھیں، بشمول ان کے تاریخی استعمال ٹیلیفون ایکسچینجز میں، [ریلے ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/Relay) پر۔
+
+## اسائنمنٹ
+
+[زیادہ مؤثر پانی دینے کا چکر بنائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/assignment.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/assignment.md
new file mode 100644
index 00000000..5f9e0518
--- /dev/null
+++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/assignment.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "ed0fbd6aed084bfba7d5e2f206968c50",
+  "translation_date": "2025-08-26T22:27:51+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ایک زیادہ مؤثر آبپاشی کا نظام بنائیں
+
+## ہدایات
+
+اس سبق میں یہ سکھایا گیا کہ سینسر ڈیٹا کے ذریعے ریلے کو کیسے کنٹرول کیا جائے، اور وہ ریلے آبپاشی کے نظام کے لیے پمپ کو کنٹرول کر سکتا ہے۔ ایک مخصوص مٹی کے جسم کے لیے، ایک مقررہ وقت کے لیے پمپ چلانے کا مٹی کی نمی پر ہمیشہ ایک جیسا اثر ہوگا۔ اس کا مطلب ہے کہ آپ یہ اندازہ لگا سکتے ہیں کہ آبپاشی کے کتنے سیکنڈز مٹی کی نمی کی ریڈنگ میں ایک خاص کمی کے برابر ہیں۔ اس ڈیٹا کو استعمال کرتے ہوئے آپ ایک زیادہ کنٹرولڈ آبپاشی کا نظام بنا سکتے ہیں۔
+
+اس اسائنمنٹ میں آپ حساب لگائیں گے کہ مٹی کی نمی میں ایک خاص اضافے کے لیے پمپ کو کتنی دیر تک چلانا چاہیے۔
+
+> ⚠️ اگر آپ ورچوئل IoT ہارڈویئر استعمال کر رہے ہیں، تو آپ اس عمل کو مکمل کر سکتے ہیں، لیکن نتائج کو اس طرح سیمولیٹ کریں کہ جب ریلے آن ہو تو مٹی کی نمی کی ریڈنگ کو ہر سیکنڈ میں دستی طور پر ایک مقررہ مقدار سے بڑھا دیں۔
+
+1. خشک مٹی سے شروع کریں۔ مٹی کی نمی کی پیمائش کریں۔
+
+1. ایک مقررہ مقدار میں پانی شامل کریں، یا تو پمپ کو 1 سیکنڈ کے لیے چلا کر یا ایک مقررہ مقدار ڈال کر۔
+
+    > پمپ کو ہمیشہ ایک مستقل رفتار سے چلنا چاہیے، تاکہ ہر سیکنڈ جب پمپ چلے تو وہ ایک جیسی مقدار میں پانی فراہم کرے۔
+
+1. انتظار کریں جب تک مٹی کی نمی کی سطح مستحکم نہ ہو جائے اور پھر ریڈنگ لیں۔
+
+1. اس عمل کو کئی بار دہرائیں اور نتائج کی ایک جدول بنائیں۔ اس جدول کی ایک مثال نیچے دی گئی ہے۔
+
+    | کل پمپ کا وقت | مٹی کی نمی | کمی |
+    | --- | --: | -: |
+    | خشک | 643 |  0 |
+    | 1سیکنڈ  | 621 | 22 |
+    | 2سیکنڈ  | 601 | 20 |
+    | 3سیکنڈ  | 579 | 22 |
+    | 4سیکنڈ  | 560 | 19 |
+    | 5سیکنڈ  | 539 | 21 |
+    | 6سیکنڈ  | 521 | 18 |
+
+1. پانی کے ہر سیکنڈ کے لیے مٹی کی نمی میں اوسط کمی کا حساب لگائیں۔ اوپر دی گئی مثال میں، پانی کے ہر سیکنڈ سے ریڈنگ میں اوسطاً 20.3 کی کمی ہوتی ہے۔
+
+1. اس ڈیٹا کو اپنے سرور کوڈ کی کارکردگی بہتر بنانے کے لیے استعمال کریں، تاکہ پمپ کو مطلوبہ وقت کے لیے چلایا جا سکے اور مٹی کی نمی کو مطلوبہ سطح تک پہنچایا جا سکے۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| -------- | --------- | -------- | ----------------- |
+| مٹی کی نمی کا ڈیٹا حاصل کریں | مقررہ مقدار میں پانی شامل کرنے کے بعد کئی ریڈنگز حاصل کرنے کے قابل ہے | مقررہ مقدار میں پانی کے ساتھ کچھ ریڈنگز حاصل کرنے کے قابل ہے | صرف ایک یا دو ریڈنگز حاصل کر سکتا ہے، یا مقررہ مقدار میں پانی استعمال کرنے کے قابل نہیں ہے |
+| سرور کوڈ کو کیلیبریٹ کریں | مٹی کی نمی کی ریڈنگ میں اوسط کمی کا حساب لگا کر سرور کوڈ کو اپ ڈیٹ کرنے کے قابل ہے | اوسط کمی کا حساب لگا سکتا ہے، لیکن سرور کوڈ کو اپ ڈیٹ نہیں کر سکتا، یا اوسط کا درست حساب نہیں لگا سکتا لیکن اس قدر کو استعمال کر کے سرور کوڈ کو درست طریقے سے اپ ڈیٹ کرتا ہے | اوسط کا حساب لگانے یا سرور کوڈ کو اپ ڈیٹ کرنے کے قابل نہیں ہے |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md
new file mode 100644
index 00000000..01669f67
--- /dev/null
+++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md
@@ -0,0 +1,123 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "66b81165e60f8f169bd52a401b6a0f8b",
+  "translation_date": "2025-08-26T22:29:43+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/pi-relay.md",
+  "language_code": "ur"
+}
+-->
+# ریلے کو کنٹرول کریں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنی راسپبیری پائی میں مٹی کی نمی کے سینسر کے ساتھ ایک ریلے شامل کریں گے اور اسے مٹی کی نمی کی سطح کے مطابق کنٹرول کریں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک ریلے کی ضرورت ہے۔
+
+آپ جو ریلے استعمال کریں گے وہ [Grove relay](https://www.seeedstudio.com/Grove-Relay.html) ہے، جو ایک عام طور پر کھلا ریلے ہے (یعنی جب ریلے کو کوئی سگنل نہیں بھیجا جاتا تو آؤٹ پٹ سرکٹ کھلا یا منقطع رہتا ہے) اور یہ 250V اور 10A تک کے آؤٹ پٹ سرکٹس کو سنبھال سکتا ہے۔
+
+یہ ایک ڈیجیٹل ایکچیویٹر ہے، اس لیے یہ Grove Base Hat کے ڈیجیٹل پن سے جڑتا ہے۔
+
+### ریلے کو جوڑیں
+
+Grove ریلے کو راسپبیری پائی سے جوڑا جا سکتا ہے۔
+
+#### کام
+
+ریلے کو جوڑیں۔
+
+![ایک Grove ریلے](../../../../../translated_images/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.ur.png)
+
+1. Grove کیبل کے ایک سرے کو ریلے کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base Hat پر **D5** کے نشان والے ڈیجیٹل ساکٹ سے جوڑیں جو پائی سے منسلک ہے۔ یہ ساکٹ GPIO پنز کے ساتھ والی ساکٹوں کی قطار میں بائیں طرف سے دوسرا ہے۔ مٹی کی نمی کے سینسر کو **A0** ساکٹ سے جڑا رہنے دیں۔
+
+![Grove ریلے D5 ساکٹ سے جڑا ہوا، اور مٹی کی نمی کا سینسر A0 ساکٹ سے جڑا ہوا](../../../../../translated_images/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.ur.png)
+
+1. مٹی کی نمی کے سینسر کو مٹی میں ڈالیں، اگر یہ پچھلے سبق سے پہلے ہی نہیں ڈالا گیا ہے۔
+
+## ریلے کو پروگرام کریں
+
+اب راسپبیری پائی کو منسلک ریلے کو استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام
+
+ڈیوائس کو پروگرام کریں۔
+
+1. پائی کو آن کریں اور اس کے بوٹ ہونے کا انتظار کریں۔
+
+1. اگر یہ پہلے سے کھلا نہیں ہے تو پچھلے سبق سے `soil-moisture-sensor` پروجیکٹ کو VS Code میں کھولیں۔ آپ اس پروجیکٹ میں اضافہ کریں گے۔
+
+1. موجودہ امپورٹس کے نیچے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from grove.grove_relay import GroveRelay
+    ```
+
+    یہ بیان Grove Python لائبریریوں سے `GroveRelay` کو امپورٹ کرتا ہے تاکہ Grove ریلے کے ساتھ تعامل کیا جا سکے۔
+
+1. `ADC` کلاس کے اعلان کے نیچے درج ذیل کوڈ شامل کریں تاکہ `GroveRelay` کا ایک انسٹینس بنایا جا سکے:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    یہ ایک ریلے بناتا ہے جو پن **D5** پر ہے، وہی ڈیجیٹل پن جس سے آپ نے ریلے کو جوڑا ہے۔
+
+1. یہ جانچنے کے لیے کہ آیا ریلے کام کر رہا ہے، درج ذیل کوڈ کو `while True:` لوپ میں شامل کریں:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    یہ کوڈ ریلے کو آن کرتا ہے، 0.5 سیکنڈ انتظار کرتا ہے، پھر ریلے کو بند کر دیتا ہے۔
+
+1. Python ایپ کو چلائیں۔ ریلے ہر 10 سیکنڈ میں آن اور آف ہوگا، آن اور آف ہونے کے درمیان آدھے سیکنڈ کی تاخیر کے ساتھ۔ آپ ریلے کو کلک کی آواز کے ساتھ آن اور آف ہوتے سنیں گے۔ جب ریلے آن ہوگا تو Grove بورڈ پر ایک LED روشن ہوگا، اور جب ریلے آف ہوگا تو بجھ جائے گا۔
+
+    ![ریلے آن اور آف ہو رہا ہے](../../../../../images/relay-turn-on-off.gif)
+
+## مٹی کی نمی سے ریلے کو کنٹرول کریں
+
+اب جب کہ ریلے کام کر رہا ہے، اسے مٹی کی نمی کی ریڈنگ کے جواب میں کنٹرول کیا جا سکتا ہے۔
+
+### کام
+
+ریلے کو کنٹرول کریں۔
+
+1. وہ 3 لائنیں حذف کریں جو آپ نے ریلے کو جانچنے کے لیے شامل کی تھیں۔ ان کی جگہ درج ذیل کوڈ شامل کریں:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    یہ کوڈ مٹی کی نمی کے سینسر سے مٹی کی نمی کی سطح کو چیک کرتا ہے۔ اگر یہ 450 سے زیادہ ہو تو یہ ریلے کو آن کرتا ہے، اور جب یہ 450 سے کم ہو تو اسے بند کر دیتا ہے۔
+
+    > 💁 یاد رکھیں کہ کیپیسٹیو مٹی کی نمی کا سینسر جتنا کم پڑھتا ہے، مٹی میں اتنی ہی زیادہ نمی ہوتی ہے اور اس کے برعکس۔
+
+1. Python ایپ کو چلائیں۔ آپ دیکھیں گے کہ ریلے مٹی کی نمی کی سطح کے مطابق آن یا آف ہو رہا ہے۔ خشک مٹی میں آزمائیں، پھر پانی شامل کریں۔
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 آپ اس کوڈ کو [code-relay/pi](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی کی نمی کے سینسر کے ذریعے ریلے کو کنٹرول کرنے کا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
new file mode 100644
index 00000000..cac21edf
--- /dev/null
+++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f8f541ee945545017a51aaf309aa37c3",
+  "translation_date": "2025-08-26T22:30:50+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md",
+  "language_code": "ur"
+}
+-->
+# ریلے کو کنٹرول کریں - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنی ورچوئل IoT ڈیوائس میں مٹی کی نمی کے سینسر کے ساتھ ایک ریلے شامل کریں گے اور اسے مٹی کی نمی کی سطح کے مطابق کنٹرول کریں گے۔
+
+## ورچوئل ہارڈویئر
+
+ورچوئل IoT ڈیوائس ایک سیمولیٹڈ Grove ریلے استعمال کرے گی۔ یہ لیب کو اسی طرح رکھتا ہے جیسے آپ Raspberry Pi کے ساتھ ایک فزیکل Grove ریلے استعمال کر رہے ہوں۔
+
+ایک فزیکل IoT ڈیوائس میں، ریلے عام طور پر ایک نارملی-اوپن ریلے ہوگا (یعنی جب ریلے کو کوئی سگنل نہیں بھیجا جاتا تو آؤٹ پٹ سرکٹ کھلا یا منقطع ہوتا ہے)۔ اس قسم کا ریلے 250V اور 10A تک کے آؤٹ پٹ سرکٹس کو سنبھال سکتا ہے۔
+
+### CounterFit میں ریلے شامل کریں
+
+ورچوئل ریلے استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔
+
+#### کام
+
+CounterFit ایپ میں ریلے شامل کریں۔
+
+1. اگر پچھلے سبق سے `soil-moisture-sensor` پروجیکٹ VS Code میں پہلے سے کھلا نہیں ہے تو اسے کھولیں۔ آپ اس پروجیکٹ میں اضافہ کریں گے۔
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
+
+1. ایک ریلے بنائیں:
+
+    1. *Actuators* پین میں *Create actuator* باکس میں، *Actuator type* ڈراپ ڈاؤن کریں اور *Relay* منتخب کریں۔
+
+    1. *Pin* کو *5* پر سیٹ کریں۔
+
+    1. **Add** بٹن کو منتخب کریں تاکہ Pin 5 پر ریلے بنایا جا سکے۔
+
+    ![ریلے کی سیٹنگز](../../../../../translated_images/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.ur.png)
+
+    ریلے بنایا جائے گا اور ایکچوئیٹرز کی فہرست میں ظاہر ہوگا۔
+
+    ![ریلے بنایا گیا](../../../../../translated_images/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.ur.png)
+
+## ریلے کو پروگرام کریں
+
+اب مٹی کی نمی کے سینسر ایپ کو ورچوئل ریلے استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام
+
+ورچوئل ڈیوائس کو پروگرام کریں۔
+
+1. اگر پچھلے سبق سے `soil-moisture-sensor` پروجیکٹ VS Code میں پہلے سے کھلا نہیں ہے تو اسے کھولیں۔ آپ اس پروجیکٹ میں اضافہ کریں گے۔
+
+1. موجودہ امپورٹس کے نیچے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from counterfit_shims_grove.grove_relay import GroveRelay
+    ```
+
+    یہ بیان Grove Python shim لائبریریوں سے `GroveRelay` کو امپورٹ کرتا ہے تاکہ ورچوئل Grove ریلے کے ساتھ تعامل کیا جا سکے۔
+
+1. `ADC` کلاس کے اعلان کے نیچے درج ذیل کوڈ شامل کریں تاکہ `GroveRelay` کی ایک انسٹینس بنائی جا سکے:
+
+    ```python
+    relay = GroveRelay(5)
+    ```
+
+    یہ Pin **5** کا استعمال کرتے ہوئے ایک ریلے بناتا ہے، وہی پن جس سے آپ نے ریلے کو جوڑا تھا۔
+
+1. یہ جانچنے کے لیے کہ آیا ریلے کام کر رہا ہے، درج ذیل کوڈ `while True:` لوپ میں شامل کریں:
+
+    ```python
+    relay.on()
+    time.sleep(.5)
+    relay.off()
+    ```
+
+    یہ کوڈ ریلے کو آن کرتا ہے، 0.5 سیکنڈ انتظار کرتا ہے، اور پھر ریلے کو آف کر دیتا ہے۔
+
+1. Python ایپ چلائیں۔ ریلے ہر 10 سیکنڈ میں آن اور آف ہوگا، آن اور آف ہونے کے درمیان آدھے سیکنڈ کی تاخیر کے ساتھ۔ آپ CounterFit ایپ میں ورچوئل ریلے کو بند اور کھلتے ہوئے دیکھیں گے۔
+
+    ![ورچوئل ریلے آن اور آف ہو رہا ہے](../../../../../images/virtual-relay-turn-on-off.gif)
+
+## مٹی کی نمی سے ریلے کو کنٹرول کریں
+
+اب جب کہ ریلے کام کر رہا ہے، اسے مٹی کی نمی کی ریڈنگز کے جواب میں کنٹرول کیا جا سکتا ہے۔
+
+### کام
+
+ریلے کو کنٹرول کریں۔
+
+1. وہ 3 لائنز کوڈ حذف کریں جو آپ نے ریلے کو ٹیسٹ کرنے کے لیے شامل کی تھیں۔ ان کی جگہ درج ذیل کوڈ شامل کریں:
+
+    ```python
+    if soil_moisture > 450:
+        print("Soil Moisture is too low, turning relay on.")
+        relay.on()
+    else:
+        print("Soil Moisture is ok, turning relay off.")
+        relay.off()
+    ```
+
+    یہ کوڈ مٹی کی نمی کے سینسر سے مٹی کی نمی کی سطح کو چیک کرتا ہے۔ اگر یہ 450 سے زیادہ ہو تو ریلے کو آن کرتا ہے، اور اگر یہ 450 سے کم ہو تو اسے آف کر دیتا ہے۔
+
+    > 💁 یاد رکھیں کہ کیپیسٹیو مٹی کی نمی کا سینسر پڑھتا ہے کہ جتنی کم مٹی کی نمی کی سطح ہو، مٹی میں اتنی زیادہ نمی ہوتی ہے اور اس کے برعکس۔
+
+1. Python ایپ چلائیں۔ آپ دیکھیں گے کہ ریلے مٹی کی نمی کی سطح کے مطابق آن یا آف ہو رہا ہے۔ مٹی کی نمی کے سینسر کے لیے *Value* یا *Random* سیٹنگز کو تبدیل کریں تاکہ ویلیو میں تبدیلی دیکھ سکیں۔
+
+    ```output
+    Soil Moisture: 638
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 452
+    Soil Moisture is too low, turning relay on.
+    Soil Moisture: 347
+    Soil Moisture is ok, turning relay off.
+    ```
+
+> 💁 آپ یہ کوڈ [code-relay/virtual-device](../../../../../2-farm/lessons/3-automated-plant-watering/code-relay/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا ورچوئل مٹی کی نمی کا سینسر جو ریلے کو کنٹرول کرتا ہے، کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
new file mode 100644
index 00000000..9a72e4c6
--- /dev/null
+++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f3c5d8afa2ef6a0b425ef8ff20615cb4",
+  "translation_date": "2025-08-26T22:28:55+00:00",
+  "source_file": "2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md",
+  "language_code": "ur"
+}
+-->
+# ریلے کو کنٹرول کریں - وائیو ٹرمینل
+
+اس سبق کے اس حصے میں، آپ مٹی کی نمی کے سینسر کے ساتھ ساتھ اپنے وائیو ٹرمینل میں ایک ریلے شامل کریں گے اور اسے مٹی کی نمی کی سطح کے مطابق کنٹرول کریں گے۔
+
+## ہارڈویئر
+
+وائیو ٹرمینل کو ایک ریلے کی ضرورت ہے۔
+
+جو ریلے آپ استعمال کریں گے وہ [Grove relay](https://www.seeedstudio.com/Grove-Relay.html) ہے، جو ایک نارملی-اوپن ریلے ہے (یعنی جب ریلے کو کوئی سگنل نہیں بھیجا جاتا تو آؤٹ پٹ سرکٹ کھلا یا منقطع ہوتا ہے) جو 250V اور 10A تک کے آؤٹ پٹ سرکٹس کو سنبھال سکتا ہے۔
+
+یہ ایک ڈیجیٹل ایکچوایٹر ہے، لہذا یہ وائیو ٹرمینل کے ڈیجیٹل پنز سے جڑتا ہے۔ مشترکہ اینالاگ/ڈیجیٹل پورٹ پہلے ہی مٹی کی نمی کے سینسر کے ساتھ استعمال ہو رہا ہے، لہذا یہ دوسرے پورٹ میں لگتا ہے، جو ایک مشترکہ I
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
new file mode 100644
index 00000000..85fac7e6
--- /dev/null
+++ b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md
@@ -0,0 +1,451 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4d8e7a066d75b625e7a979c14157041d",
+  "translation_date": "2025-08-26T22:56:15+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md",
+  "language_code": "ur"
+}
+-->
+# اپنے پودے کو کلاؤڈ پر منتقل کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.ur.jpg)
+
+> خاکہ از [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ سبق [IoT for Beginners Project 2 - Digital Agriculture series](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) کے حصے کے طور پر [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) میں پڑھایا گیا۔
+
+[![Azure IoT Hub کے ساتھ اپنے ڈیوائس کو کلاؤڈ سے جوڑیں](https://img.youtube.com/vi/bNxjopXkhvk/0.jpg)](https://youtu.be/bNxjopXkhvk)
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/15)
+
+## تعارف
+
+پچھلے سبق میں، آپ نے سیکھا کہ اپنے پودے کو MQTT بروکر سے کیسے جوڑیں اور مقامی طور پر چلنے والے سرور کوڈ سے ایک ریلے کو کنٹرول کریں۔ یہ وہ بنیادی نظام ہے جو انٹرنیٹ سے جڑے ہوئے خودکار آبپاشی کے نظام کے لیے استعمال ہوتا ہے، چاہے وہ گھر کے انفرادی پودوں کے لیے ہو یا تجارتی کھیتوں کے لیے۔
+
+آپ کے IoT ڈیوائس نے ایک عوامی MQTT بروکر کے ساتھ بات چیت کی تاکہ اصولوں کو سمجھایا جا سکے، لیکن یہ سب سے زیادہ قابل اعتماد یا محفوظ طریقہ نہیں ہے۔ اس سبق میں آپ کلاؤڈ کے بارے میں سیکھیں گے اور عوامی کلاؤڈ سروسز کے ذریعے فراہم کردہ IoT صلاحیتوں کے بارے میں جانیں گے۔ آپ یہ بھی سیکھیں گے کہ اپنے پودے کو عوامی MQTT بروکر سے کلاؤڈ سروسز پر کیسے منتقل کریں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [کلاؤڈ کیا ہے؟](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [کلاؤڈ سبسکرپشن بنائیں](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [کلاؤڈ IoT سروسز](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [کلاؤڈ میں IoT سروس بنائیں](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [IoT Hub کے ساتھ بات چیت کریں](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+* [اپنے ڈیوائس کو IoT سروس سے جوڑیں](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud)
+
+## کلاؤڈ کیا ہے؟
+
+کلاؤڈ سے پہلے، جب کوئی کمپنی اپنے ملازمین کو خدمات فراہم کرنا چاہتی تھی (جیسے ڈیٹا بیس یا فائل اسٹوریج)، یا عوام کو (جیسے ویب سائٹس)، تو وہ ایک ڈیٹا سینٹر بناتی اور چلاتی تھی۔ یہ ایک کمرے میں چند کمپیوٹرز سے لے کر ایک عمارت میں کئی کمپیوٹرز تک ہو سکتا تھا۔ کمپنی کو سب کچھ خود سنبھالنا پڑتا تھا، بشمول:
+
+* کمپیوٹرز خریدنا
+* ہارڈویئر کی دیکھ بھال
+* بجلی اور کولنگ
+* نیٹ ورکنگ
+* سیکیورٹی، بشمول عمارت اور سافٹ ویئر کی حفاظت
+* سافٹ ویئر کی تنصیب اور اپ ڈیٹس
+
+یہ سب بہت مہنگا ہو سکتا تھا، مختلف مہارتوں کے حامل ملازمین کی ضرورت ہوتی تھی، اور ضرورت پڑنے پر تبدیلیاں کرنے میں بہت وقت لگتا تھا۔ مثال کے طور پر، اگر ایک آن لائن اسٹور کو مصروف تعطیلاتی سیزن کے لیے منصوبہ بندی کرنی ہوتی، تو انہیں مہینوں پہلے ہارڈویئر خریدنے، اسے ترتیب دینے، اور سیلز کے عمل کو چلانے کے لیے سافٹ ویئر انسٹال کرنے کی ضرورت ہوتی۔ تعطیلاتی سیزن کے بعد، جب فروخت کم ہو جاتی، تو وہ کمپیوٹرز جو انہوں نے خریدے تھے، اگلے مصروف سیزن تک بیکار پڑے رہتے۔
+
+✅ کیا آپ کو لگتا ہے کہ یہ کمپنیوں کو تیزی سے کام کرنے کی اجازت دیتا؟ اگر ایک آن لائن کپڑوں کا بیچنے والا اچانک مشہور ہو جائے کیونکہ کسی مشہور شخصیت نے ان کے کپڑے پہنے، تو کیا وہ اپنے کمپیوٹنگ پاور کو اتنی جلدی بڑھا سکتے ہیں کہ آرڈرز کے اچانک اضافے کو سنبھال سکیں؟
+
+### کسی اور کا کمپیوٹر
+
+کلاؤڈ کو اکثر مذاق میں 'کسی اور کا کمپیوٹر' کہا جاتا ہے۔ بنیادی خیال سادہ تھا - کمپیوٹر خریدنے کے بجائے، آپ کسی اور کا کمپیوٹر کرائے پر لیں۔ کوئی اور، یعنی کلاؤڈ کمپیوٹنگ فراہم کنندہ، بڑے ڈیٹا سینٹرز کا انتظام کرے گا۔ وہ ہارڈویئر خریدنے اور انسٹال کرنے، بجلی اور کولنگ کا انتظام کرنے، نیٹ ورکنگ، عمارت کی حفاظت، ہارڈویئر اور سافٹ ویئر اپ ڈیٹس، سب کچھ سنبھالیں گے۔ بطور صارف، آپ کو صرف ضرورت کے مطابق کمپیوٹر کرائے پر لینے ہوں گے، جب مانگ بڑھے تو زیادہ کرائے پر لیں، اور جب مانگ کم ہو تو کم کرائے پر لیں۔ یہ کلاؤڈ ڈیٹا سینٹرز دنیا بھر میں موجود ہیں۔
+
+![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر](../../../../../translated_images/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.ur.png)
+![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر کی منصوبہ بندی](../../../../../translated_images/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.ur.png)
+
+یہ ڈیٹا سینٹرز کئی مربع کلومیٹر کے رقبے پر محیط ہو سکتے ہیں۔ اوپر دی گئی تصاویر چند سال پہلے ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر میں لی گئی تھیں، اور ابتدائی سائز کے ساتھ ساتھ منصوبہ بند توسیع کو دکھاتی ہیں۔ توسیع کے لیے صاف کیا گیا علاقہ 5 مربع کلومیٹر سے زیادہ ہے۔
+
+> 💁 یہ ڈیٹا سینٹرز اتنی بڑی مقدار میں بجلی استعمال کرتے ہیں کہ کچھ کے اپنے پاور اسٹیشنز ہوتے ہیں۔ ان کے سائز اور کلاؤڈ فراہم کنندگان کی سرمایہ کاری کی وجہ سے، یہ عام طور پر ماحولیاتی طور پر دوستانہ ہوتے ہیں۔ یہ چھوٹے ڈیٹا سینٹرز کے مقابلے میں زیادہ مؤثر ہیں، زیادہ تر قابل تجدید توانائی پر چلتے ہیں، اور کلاؤڈ فراہم کنندگان فضلہ کو کم کرنے، پانی کے استعمال کو کم کرنے، اور جنگلات کو دوبارہ اگانے کے لیے سخت محنت کرتے ہیں۔ آپ ایک کلاؤڈ فراہم کنندہ کے پائیداری کے اقدامات کے بارے میں مزید پڑھ سکتے ہیں [Azure پائیداری سائٹ](https://azure.microsoft.com/global-infrastructure/sustainability/?WT.mc_id=academic-17441-jabenn) پر۔
+
+✅ تحقیق کریں: مائیکروسافٹ کے [Azure](https://azure.microsoft.com/?WT.mc_id=academic-17441-jabenn) یا گوگل کے [GCP](https://cloud.google.com) جیسے بڑے کلاؤڈز کے بارے میں پڑھیں۔ ان کے پاس کتنے ڈیٹا سینٹرز ہیں، اور وہ دنیا میں کہاں واقع ہیں؟
+
+کلاؤڈ کا استعمال کمپنیوں کے اخراجات کو کم رکھتا ہے، اور انہیں اپنے بنیادی کام پر توجہ مرکوز کرنے کی اجازت دیتا ہے، جبکہ کلاؤڈ کمپیوٹنگ کی مہارت فراہم کنندہ کے ہاتھ میں رہتی ہے۔ کمپنیوں کو اب ڈیٹا سینٹر کی جگہ کرائے پر لینے یا خریدنے، مختلف فراہم کنندگان کو کنیکٹیویٹی اور بجلی کے لیے ادائیگی کرنے، یا ماہرین کو ملازمت دینے کی ضرورت نہیں ہوتی۔ اس کے بجائے، وہ کلاؤڈ فراہم کنندہ کو ایک ماہانہ بل ادا کرتے ہیں تاکہ سب کچھ سنبھالا جا سکے۔
+
+کلاؤڈ فراہم کنندہ پھر بڑے پیمانے پر معیشت کا فائدہ اٹھا کر اخراجات کو کم کر سکتا ہے، ہارڈویئر کو کم قیمت پر بڑی مقدار میں خرید سکتا ہے، دیکھ بھال کے لیے اپنے کام کے بوجھ کو کم کرنے کے لیے ٹولنگ میں سرمایہ کاری کر سکتا ہے، اور یہاں تک کہ اپنے کلاؤڈ کی پیشکش کو بہتر بنانے کے لیے اپنا ہارڈویئر ڈیزائن اور تیار کر سکتا ہے۔
+
+### مائیکروسافٹ Azure
+
+Azure مائیکروسافٹ کا ڈویلپر کلاؤڈ ہے، اور یہی کلاؤڈ آپ ان اسباق میں استعمال کریں گے۔ نیچے دی گئی ویڈیو Azure کا مختصر جائزہ پیش کرتی ہے:
+
+[![Azure ویڈیو کا جائزہ](../../../../../translated_images/what-is-azure-video-thumbnail.20174db09e03bbb87d213f928d3cb27410305d2e567e952827de8478dbda959b.ur.png)](https://www.microsoft.com/videoplayer/embed/RE4Ibng?WT.mc_id=academic-17441-jabenn)
+
+## کلاؤڈ سبسکرپشن بنائیں
+
+کلاؤڈ میں خدمات استعمال کرنے کے لیے، آپ کو کلاؤڈ فراہم کنندہ کے ساتھ سبسکرپشن کے لیے سائن اپ کرنا ہوگا۔ اس سبق کے لیے، آپ مائیکروسافٹ Azure سبسکرپشن کے لیے سائن اپ کریں گے۔ اگر آپ کے پاس پہلے سے Azure سبسکرپشن ہے تو آپ اس کام کو چھوڑ سکتے ہیں۔ یہاں بیان کردہ سبسکرپشن کی تفصیلات تحریر کے وقت درست ہیں، لیکن وقت کے ساتھ تبدیل ہو سکتی ہیں۔
+
+> 💁 اگر آپ یہ اسباق اپنے اسکول کے ذریعے حاصل کر رہے ہیں، تو آپ کے پاس پہلے سے ایک Azure سبسکرپشن دستیاب ہو سکتی ہے۔ اپنے استاد سے چیک کریں۔
+
+Azure سبسکرپشن کے دو مختلف مفت اقسام ہیں جن کے لیے آپ سائن اپ کر سکتے ہیں:
+
+* **Azure for Students** - یہ 18+ طلباء کے لیے ڈیزائن کردہ سبسکرپشن ہے۔ سائن اپ کرنے کے لیے آپ کو کریڈٹ کارڈ کی ضرورت نہیں ہوتی، اور آپ اپنے اسکول کے ای میل ایڈریس کا استعمال کرتے ہوئے تصدیق کرتے ہیں کہ آپ طالب علم ہیں۔ سائن اپ کرنے پر آپ کو کلاؤڈ وسائل پر خرچ کرنے کے لیے $100 ملتے ہیں، ساتھ ہی مفت خدمات بشمول IoT سروس کا ایک مفت ورژن۔ یہ 12 مہینے تک جاری رہتا ہے، اور آپ ہر سال جب تک طالب علم رہیں اسے تجدید کر سکتے ہیں۔
+
+* **Azure مفت سبسکرپشن** - یہ ان لوگوں کے لیے سبسکرپشن ہے جو طالب علم نہیں ہیں۔ اس سبسکرپشن کے لیے سائن اپ کرنے کے لیے آپ کو کریڈٹ کارڈ کی ضرورت ہوگی، لیکن آپ کے کارڈ سے چارج نہیں کیا جائے گا، یہ صرف اس بات کی تصدیق کے لیے استعمال ہوتا ہے کہ آپ ایک حقیقی انسان ہیں، نہ کہ بوٹ۔ آپ کو پہلے 30 دنوں میں کسی بھی سروس پر استعمال کرنے کے لیے $200 کا کریڈٹ ملتا ہے، ساتھ ہی Azure خدمات کے مفت درجے۔ ایک بار جب آپ کا کریڈٹ ختم ہو جاتا ہے، تو آپ کے کارڈ سے چارج نہیں کیا جائے گا جب تک کہ آپ اسے پے ایز یو گو سبسکرپشن میں تبدیل نہ کریں۔
+
+> 💁 مائیکروسافٹ 18 سال سے کم عمر طلباء کے لیے Azure for Students Starter سبسکرپشن پیش کرتا ہے، لیکن تحریر کے وقت یہ کسی بھی IoT سروسز کی حمایت نہیں کرتا۔
+
+### کام - مفت کلاؤڈ سبسکرپشن کے لیے سائن اپ کریں
+
+اگر آپ 18+ عمر کے طالب علم ہیں، تو آپ Azure for Students سبسکرپشن کے لیے سائن اپ کر سکتے ہیں۔ آپ کو اسکول کے ای میل ایڈریس کے ساتھ تصدیق کرنی ہوگی۔ آپ یہ دو طریقوں سے کر سکتے ہیں:
+
+* GitHub اسٹوڈنٹ ڈویلپر پیک کے لیے [education.github.com/pack](https://education.github.com/pack) پر سائن اپ کریں۔ یہ آپ کو GitHub اور Microsoft Azure سمیت ٹولز اور آفرز تک رسائی فراہم کرتا ہے۔ ڈویلپر پیک کے لیے سائن اپ کرنے کے بعد، آپ Azure for Students آفر کو فعال کر سکتے ہیں۔
+
+* براہ راست Azure for Students اکاؤنٹ کے لیے [azure.microsoft.com/free/students](https://azure.microsoft.com/free/students/?WT.mc_id=academic-17441-jabenn) پر سائن اپ کریں۔
+
+> ⚠️ اگر آپ کے اسکول کے ای میل ایڈریس کو تسلیم نہیں کیا گیا، تو اس [ریپو میں مسئلہ اٹھائیں](https://github.com/Microsoft/IoT-For-Beginners/issues) اور ہم دیکھیں گے کہ کیا اسے Azure for Students کی اجازت کی فہرست میں شامل کیا جا سکتا ہے۔
+
+اگر آپ طالب علم نہیں ہیں، یا آپ کے پاس درست اسکول ای میل ایڈریس نہیں ہے، تو آپ Azure مفت سبسکرپشن کے لیے سائن اپ کر سکتے ہیں۔
+
+* Azure مفت سبسکرپشن کے لیے [azure.microsoft.com/free](https://azure.microsoft.com/free/?WT.mc_id=academic-17441-jabenn) پر سائن اپ کریں۔
+
+## کلاؤڈ IoT سروسز
+
+آپ جو عوامی ٹیسٹ MQTT بروکر استعمال کر رہے ہیں وہ سیکھنے کے دوران ایک بہترین ٹول ہے، لیکن تجارتی ماحول میں استعمال کے لیے اس میں کئی خامیاں ہیں:
+
+* قابل اعتماد نہیں - یہ ایک مفت سروس ہے جس کی کوئی ضمانت نہیں، اور کسی بھی وقت بند کی جا سکتی ہے۔
+* غیر محفوظ - یہ عوامی ہے، اس لیے کوئی بھی آپ کے ٹیلیمیٹری کو سن سکتا ہے یا آپ کے ہارڈویئر کو کنٹرول کرنے کے لیے کمانڈ بھیج سکتا ہے۔
+* کارکردگی - یہ صرف چند ٹیسٹ پیغامات کے لیے ڈیزائن کیا گیا ہے، اس لیے یہ بڑی تعداد میں پیغامات کو سنبھال نہیں سکتا۔
+* دریافت - یہ معلوم کرنے کا کوئی طریقہ نہیں کہ کون سے ڈیوائسز جڑے ہوئے ہیں۔
+
+کلاؤڈ میں IoT سروسز ان مسائل کو حل کرتی ہیں۔ یہ بڑی کلاؤڈ فراہم کنندگان کے ذریعے برقرار رکھی جاتی ہیں جو قابل اعتماد ہونے میں بھاری سرمایہ کاری کرتے ہیں اور کسی بھی مسئلے کو حل کرنے کے لیے دستیاب ہوتے ہیں۔ ان میں سیکیورٹی شامل ہوتی ہے تاکہ ہیکرز آپ کے ڈیٹا کو نہ پڑھ سکیں یا جعلی کمانڈ نہ بھیج سکیں۔ یہ اعلیٰ کارکردگی کی حامل ہوتی ہیں، روزانہ لاکھوں پیغامات کو سنبھال سکتی ہیں، اور ضرورت کے مطابق کلاؤڈ کا فائدہ اٹھا کر توسیع کر سکتی ہیں۔
+
+> 💁 اگرچہ آپ ان فوائد کے لیے ماہانہ فیس ادا کرتے ہیں، زیادہ تر کلاؤڈ فراہم کنندگان اپنی IoT سروس کا ایک مفت ورژن پیش کرتے ہیں جس میں روزانہ پیغامات کی محدود تعداد یا جڑنے والے ڈیوائسز کی حد ہوتی ہے۔ یہ مفت ورژن عام طور پر ڈویلپر کے لیے سروس کے بارے میں سیکھنے کے لیے کافی ہوتا ہے۔ اس سبق میں آپ ایک مفت ورژن استعمال کریں گے۔
+
+IoT ڈیوائسز کلاؤڈ سروس سے یا تو ڈیوائس SDK (ایک لائبریری جو سروس کی خصوصیات کے ساتھ کام کرنے کے لیے کوڈ فراہم کرتی ہے) یا براہ راست کسی مواصلاتی پروٹوکول جیسے MQTT یا HTTP کے ذریعے جڑتی ہیں۔ ڈیوائس SDK عام طور پر سب سے آسان راستہ ہوتا ہے کیونکہ یہ سب کچھ آپ کے لیے سنبھالتا ہے، جیسے کہ کون سے موضوعات پر شائع کرنا یا سبسکرائب کرنا، اور سیکیورٹی کو کیسے سنبھالنا۔
+
+![ڈیوائسز سروس سے ڈیوائس SDK کے ذریعے جڑتی ہیں۔ سرور کوڈ بھی SDK کے ذریعے سروس سے جڑتا ہے](../../../../../translated_images/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.ur.png)
+
+آپ کا ڈیوائس پھر آپ کی ایپلیکیشن کے دوسرے حصوں کے ساتھ اس سروس کے ذریعے بات چیت کرتا ہے - بالکل اسی طرح جیسے آپ نے MQTT کے ذریعے ٹیلیمیٹری بھیجی اور کمانڈز وصول کیں۔ یہ عام طور پر سروس SDK یا اسی طرح کی لائبریری کا استعمال کرتے ہوئے کیا جاتا ہے۔ پیغامات آپ کے ڈیوائس سے سروس تک آتے ہیں جہاں آپ کی ایپلیکیشن کے دوسرے اجزاء انہیں پڑھ سکتے ہیں، اور پیغامات آپ کے ڈیوائس کو واپس بھیجے جا سکتے ہیں۔
+
+![جس ڈیوائس کے پاس درست خفیہ کلید نہیں ہوتی وہ IoT سروس سے نہیں جڑ سکتی](../../../../../translated_images/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.ur.png)
+
+یہ سروسز سیکیورٹی کو نافذ کرتی ہیں، یہ جان کر کہ کون سے ڈیوائسز جڑ سکتے ہیں اور ڈیٹا بھیج سکتے ہیں، یا تو ڈیوائسز کو سروس کے ساتھ پہلے سے رجسٹر کر کے، یا ڈیوائسز کو خفیہ کلیدیں یا سرٹیفکیٹس دے کر تاکہ وہ پہلی بار سروس سے جڑنے پر خود کو رجسٹر کر سکیں۔ نامعلوم ڈیوائسز جڑ نہیں سکتیں، اگر وہ کوشش کریں تو سروس کنکشن کو مسترد کر دیتی ہے اور ان کے بھیجے گئے پیغامات کو نظر انداز کر دیتی ہے۔
+
+✅ تحقیق کریں: ایک کھلی IoT سروس رکھنے کا کیا نقصان ہے جہاں کوئی بھی ڈیوائس یا کوڈ جڑ سکتا ہو؟ کیا آپ ایسے مخصوص مثالیں تلاش کر سکتے ہیں جہاں ہیکرز نے اس کا فائدہ اٹھایا ہو؟
+
+آپ کی ایپلیکیشن کے دوسرے اجزاء IoT سروس سے جڑ سکتے ہیں اور تمام جڑے ہوئے یا رجسٹرڈ ڈیوائسز کے بارے میں جان سکتے ہیں، اور ان کے ساتھ براہ راست یا اجتماعی طور پر بات چیت کر سکتے ہیں۔
+💁 آئی او ٹی سروسز اضافی صلاحیتیں بھی فراہم کرتی ہیں، اور کلاؤڈ فراہم کنندگان کے پاس اضافی سروسز اور ایپلیکیشنز موجود ہوتی ہیں جنہیں اس سروس کے ساتھ منسلک کیا جا سکتا ہے۔ مثال کے طور پر، اگر آپ تمام ڈیوائسز کی طرف سے بھیجے گئے ٹیلیمیٹری پیغامات کو ایک ڈیٹا بیس میں محفوظ کرنا چاہتے ہیں، تو عام طور پر کلاؤڈ فراہم کنندہ کے کنفیگریشن ٹول میں صرف چند کلکس کی ضرورت ہوتی ہے تاکہ سروس کو ڈیٹا بیس کے ساتھ منسلک کیا جا سکے اور ڈیٹا کو اسٹریم کیا جا سکے۔
+## کلاؤڈ میں IoT سروس بنائیں
+
+اب جب کہ آپ کے پاس Azure سبسکرپشن ہے، آپ IoT سروس کے لیے سائن اپ کر سکتے ہیں۔ Microsoft کی IoT سروس کو Azure IoT Hub کہا جاتا ہے۔
+
+![Azure IoT Hub کا لوگو](../../../../../translated_images/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.ur.png)
+
+نیچے دی گئی ویڈیو Azure IoT Hub کا مختصر جائزہ پیش کرتی ہے:
+
+[![Azure IoT Hub ویڈیو کا جائزہ](https://img.youtube.com/vi/smuZaZZXKsU/0.jpg)](https://www.youtube.com/watch?v=smuZaZZXKsU)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+✅ کچھ وقت نکالیں اور [Microsoft IoT Hub دستاویزات](https://docs.microsoft.com/azure/iot-hub/about-iot-hub?WT.mc_id=academic-17441-jabenn) میں IoT Hub کا جائزہ پڑھیں۔
+
+Azure میں دستیاب کلاؤڈ سروسز کو ویب پر مبنی پورٹل یا کمانڈ لائن انٹرفیس (CLI) کے ذریعے ترتیب دیا جا سکتا ہے۔ اس کام کے لیے، آپ CLI استعمال کریں گے۔
+
+### کام - Azure CLI انسٹال کریں
+
+Azure CLI استعمال کرنے کے لیے، پہلے اسے آپ کے PC یا Mac پر انسٹال کرنا ہوگا۔
+
+1. [Azure CLI دستاویزات](https://docs.microsoft.com/cli/azure/install-azure-cli?WT.mc_id=academic-17441-jabenn) میں دی گئی ہدایات پر عمل کریں تاکہ CLI انسٹال کیا جا سکے۔
+
+1. Azure CLI متعدد ایکسٹینشنز کو سپورٹ کرتا ہے جو Azure سروسز کی وسیع رینج کو منظم کرنے کی صلاحیتیں شامل کرتی ہیں۔ IoT ایکسٹینشن انسٹال کرنے کے لیے، اپنے کمانڈ لائن یا ٹرمینل سے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az extension add --name azure-iot
+    ```
+
+1. اپنے کمانڈ لائن یا ٹرمینل سے درج ذیل کمانڈ چلائیں تاکہ Azure CLI سے اپنی Azure سبسکرپشن میں لاگ ان کریں۔
+
+    ```sh
+    az login
+    ```
+
+    ایک ویب صفحہ آپ کے ڈیفالٹ براؤزر میں لانچ ہوگا۔ اس اکاؤنٹ سے لاگ ان کریں جو آپ نے اپنی Azure سبسکرپشن کے لیے سائن اپ کرنے کے لیے استعمال کیا تھا۔ لاگ ان ہونے کے بعد، آپ براؤزر ٹیب کو بند کر سکتے ہیں۔
+
+1. اگر آپ کے پاس متعدد Azure سبسکرپشنز ہیں، جیسے اسکول کی فراہم کردہ سبسکرپشن اور اپنی Azure for Students سبسکرپشن، تو آپ کو وہ سبسکرپشن منتخب کرنے کی ضرورت ہوگی جسے آپ استعمال کرنا چاہتے ہیں۔ درج ذیل کمانڈ چلائیں تاکہ آپ کے پاس موجود تمام سبسکرپشنز کی فہرست حاصل کی جا سکے:
+
+    ```sh
+    az account list --output table
+    ```
+
+    آؤٹ پٹ میں، آپ کو ہر سبسکرپشن کا نام اور اس کا `SubscriptionId` نظر آئے گا۔
+
+    ```output
+    ➜  ~ az account list --output table
+    Name                    CloudName    SubscriptionId                        State    IsDefault
+    ----------------------  -----------  ------------------------------------  -------  -----------
+    School-subscription     AzureCloud   cb30cde9-814a-42f0-a111-754cb788e4e1  Enabled  True
+    Azure for Students      AzureCloud   fa51c31b-162c-4599-add6-781def2e1fbf  Enabled  False
+    ```
+
+    وہ سبسکرپشن منتخب کرنے کے لیے جسے آپ استعمال کرنا چاہتے ہیں، درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az account set --subscription <SubscriptionId>
+    ```
+
+    `<SubscriptionId>` کو اس سبسکرپشن کے Id سے تبدیل کریں جسے آپ استعمال کرنا چاہتے ہیں۔ اس کمانڈ کو چلانے کے بعد، اپنے اکاؤنٹس کی فہرست دوبارہ حاصل کریں۔ آپ دیکھیں گے کہ `IsDefault` کالم اس سبسکرپشن کے لیے `True` کے طور پر نشان زد ہوگا جسے آپ نے ابھی سیٹ کیا ہے۔
+
+### کام - ریسورس گروپ بنائیں
+
+Azure سروسز، جیسے IoT Hub انسٹینسز، ورچوئل مشینز، ڈیٹا بیسز، یا AI سروسز، کو **ریسورسز** کہا جاتا ہے۔ ہر ریسورس کو ایک **ریسورس گروپ** میں رہنا ہوتا ہے، جو ایک یا زیادہ ریسورسز کا منطقی گروپ ہوتا ہے۔
+
+> 💁 ریسورس گروپس استعمال کرنے کا مطلب ہے کہ آپ ایک ساتھ متعدد سروسز کو منظم کر سکتے ہیں۔ مثال کے طور پر، ایک بار جب آپ اس پروجیکٹ کے تمام اسباق مکمل کر لیں، تو آپ ریسورس گروپ کو حذف کر سکتے ہیں، اور اس میں موجود تمام ریسورسز خود بخود حذف ہو جائیں گے۔
+
+1. دنیا بھر میں متعدد Azure ڈیٹا سینٹرز ہیں، جو علاقوں میں تقسیم کیے گئے ہیں۔ جب آپ Azure ریسورس یا ریسورس گروپ بناتے ہیں، تو آپ کو یہ بتانا ہوتا ہے کہ آپ اسے کہاں بنانا چاہتے ہیں۔ درج ذیل کمانڈ چلائیں تاکہ مقامات کی فہرست حاصل کی جا سکے:
+
+    ```sh
+    az account list-locations --output table
+    ```
+
+    آپ کو مقامات کی ایک فہرست نظر آئے گی۔ یہ فہرست طویل ہوگی۔
+
+    > 💁 اس وقت، آپ 65 مقامات پر تعینات کر سکتے ہیں۔
+
+    ```output
+        ➜  ~ az account list-locations --output table
+    DisplayName               Name                 RegionalDisplayName
+    ------------------------  -------------------  -------------------------------------
+    East US                   eastus               (US) East US
+    East US 2                 eastus2              (US) East US 2
+    South Central US          southcentralus       (US) South Central US
+    ...
+    ```
+
+    اپنے قریب ترین علاقے کے `Name` کالم سے قدر نوٹ کریں۔ آپ Azure جغرافیائی صفحہ پر نقشے پر علاقوں کو تلاش کر سکتے ہیں: [Azure جغرافیائی صفحہ](https://azure.microsoft.com/global-infrastructure/geographies/?WT.mc_id=academic-17441-jabenn)۔
+
+1. درج ذیل کمانڈ چلائیں تاکہ `soil-moisture-sensor` نامی ریسورس گروپ بنایا جا سکے۔ ریسورس گروپ کے نام آپ کی سبسکرپشن میں منفرد ہونے چاہئیں۔
+
+    ```sh
+    az group create --name soil-moisture-sensor \
+                    --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے پچھلے مرحلے میں منتخب کیا تھا۔
+
+### کام - IoT Hub بنائیں
+
+اب آپ اپنے ریسورس گروپ میں IoT Hub ریسورس بنا سکتے ہیں۔
+
+1. درج ذیل کمانڈ استعمال کریں تاکہ آپ کا IoT Hub ریسورس بنایا جا سکے:
+
+    ```sh
+    az iot hub create --resource-group soil-moisture-sensor \
+                      --sku F1 \
+                      --partition-count 2 \
+                      --name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے ہب کے لیے نام سے تبدیل کریں۔ یہ نام عالمی طور پر منفرد ہونا چاہیے - یعنی کسی اور کے بنائے گئے IoT Hub کا نام ایک جیسا نہیں ہو سکتا۔ یہ نام ایک URL میں استعمال ہوتا ہے جو ہب کی طرف اشارہ کرتا ہے، اس لیے منفرد ہونا ضروری ہے۔ کچھ ایسا استعمال کریں جیسے `soil-moisture-sensor-` اور آخر میں ایک منفرد شناخت کنندہ شامل کریں، جیسے کچھ بے ترتیب الفاظ یا آپ کا نام۔
+
+    `--sku F1` آپشن اسے مفت درجے کے طور پر استعمال کرنے کے لیے کہتا ہے۔ مفت درجے میں روزانہ 8,000 پیغامات اور مکمل قیمت والے درجے کی زیادہ تر خصوصیات شامل ہیں۔
+
+    > 🎓 Azure سروسز کے مختلف قیمتوں کے درجے کو درجے کہا جاتا ہے۔ ہر درجے کی مختلف قیمت ہوتی ہے اور مختلف خصوصیات یا ڈیٹا کی مقدار فراہم کرتا ہے۔
+
+    > 💁 اگر آپ قیمتوں کے بارے میں مزید جاننا چاہتے ہیں، تو آپ [Azure IoT Hub قیمتوں کی گائیڈ](https://azure.microsoft.com/pricing/details/iot-hub/?WT.mc_id=academic-17441-jabenn) دیکھ سکتے ہیں۔
+
+    `--partition-count 2` آپشن یہ بتاتا ہے کہ IoT Hub کتنے ڈیٹا اسٹریمز کو سپورٹ کرتا ہے، زیادہ پارٹیشنز ڈیٹا بلاکنگ کو کم کرتی ہیں جب متعدد چیزیں IoT Hub سے پڑھتی اور لکھتی ہیں۔ پارٹیشنز ان اسباق کے دائرہ کار سے باہر ہیں، لیکن مفت درجے کا IoT Hub بنانے کے لیے اس قدر کو سیٹ کرنا ضروری ہے۔
+
+    > 💁 آپ کی سبسکرپشن میں صرف ایک مفت درجے کا IoT Hub ہو سکتا ہے۔
+
+IoT Hub بنایا جائے گا۔ اس میں ایک یا دو منٹ لگ سکتے ہیں۔
+
+## IoT Hub کے ساتھ بات چیت کریں
+
+پچھلے سبق میں، آپ نے MQTT استعمال کیا اور مختلف موضوعات پر پیغامات بھیجے اور وصول کیے، جن کے مختلف مقاصد تھے۔ مختلف موضوعات پر پیغامات بھیجنے کے بجائے، IoT Hub کے پاس ڈیوائس اور ہب کے درمیان بات چیت کے لیے کئی متعین طریقے ہیں۔
+
+> 💁 اندرونی طور پر، IoT Hub اور آپ کے ڈیوائس کے درمیان یہ بات چیت MQTT, HTTPS یا AMQP استعمال کر سکتی ہے۔
+
+* ڈیوائس سے کلاؤڈ (D2C) پیغامات - یہ پیغامات ہیں جو ڈیوائس سے IoT Hub کو بھیجے جاتے ہیں، جیسے ٹیلیمیٹری۔ پھر آپ کے ایپلیکیشن کوڈ کے ذریعے IoT Hub سے پڑھے جا سکتے ہیں۔
+
+    > 🎓 اندرونی طور پر، IoT Hub ایک Azure سروس استعمال کرتا ہے جسے [Event Hubs](https://docs.microsoft.com/azure/event-hubs/?WT.mc_id=academic-17441-jabenn) کہا جاتا ہے۔ جب آپ ہب کو بھیجے گئے پیغامات پڑھنے کے لیے کوڈ لکھتے ہیں، تو انہیں اکثر ایونٹس کہا جاتا ہے۔
+
+* کلاؤڈ سے ڈیوائس (C2D) پیغامات - یہ پیغامات ایپلیکیشن کوڈ سے، IoT Hub کے ذریعے IoT ڈیوائس کو بھیجے جاتے ہیں۔
+
+* ڈائریکٹ میتھڈ درخواستیں - یہ پیغامات ایپلیکیشن کوڈ سے IoT Hub کے ذریعے IoT ڈیوائس کو بھیجے جاتے ہیں تاکہ ڈیوائس کچھ کرے، جیسے ایکچوایٹر کو کنٹرول کرنا۔ ان پیغامات کو جواب کی ضرورت ہوتی ہے تاکہ آپ کا ایپلیکیشن کوڈ بتا سکے کہ آیا یہ کامیابی سے پروسیس ہوا۔
+
+* ڈیوائس ٹوئنز - یہ JSON دستاویزات ہیں جو ڈیوائس اور IoT Hub کے درمیان ہم آہنگ رکھی جاتی ہیں، اور ان کا استعمال سیٹنگز یا دیگر پراپرٹیز کو ذخیرہ کرنے کے لیے کیا جاتا ہے جو ڈیوائس کے ذریعے رپورٹ کی گئی ہوں، یا IoT Hub کے ذریعے ڈیوائس پر سیٹ کی جانی چاہئیں (جسے مطلوبہ کہا جاتا ہے)۔
+
+IoT Hub پیغامات اور ڈائریکٹ میتھڈ درخواستوں کو ایک قابل ترتیب مدت کے لیے ذخیرہ کر سکتا ہے (ڈیفالٹ ایک دن)، لہذا اگر ڈیوائس یا ایپلیکیشن کوڈ کنکشن کھو دیتا ہے، تو یہ دوبارہ کنیکٹ کرنے کے بعد آف لائن ہونے کے دوران بھیجے گئے پیغامات کو دوبارہ حاصل کر سکتا ہے۔ ڈیوائس ٹوئنز IoT Hub میں مستقل طور پر رکھے جاتے ہیں، لہذا کسی بھی وقت ڈیوائس دوبارہ کنیکٹ کر سکتا ہے اور تازہ ترین ڈیوائس ٹوئن حاصل کر سکتا ہے۔
+
+✅ کچھ تحقیق کریں: ان پیغام کی اقسام پر مزید پڑھیں [ڈیوائس سے کلاؤڈ کمیونیکیشن گائیڈنس](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-d2c-guidance?WT.mc_id=academic-17441-jabenn)، اور [کلاؤڈ سے ڈیوائس کمیونیکیشن گائیڈنس](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-c2d-guidance?WT.mc_id=academic-17441-jabenn) IoT Hub دستاویزات میں۔
+
+## اپنے ڈیوائس کو IoT سروس سے کنیکٹ کریں
+
+ایک بار ہب بن جانے کے بعد، آپ کا IoT ڈیوائس اس سے کنیکٹ کر سکتا ہے۔ صرف رجسٹرڈ ڈیوائسز سروس سے کنیکٹ کر سکتی ہیں، لہذا آپ کو پہلے اپنے ڈیوائس کو رجسٹر کرنا ہوگا۔ جب آپ رجسٹر کرتے ہیں تو آپ کو ایک کنکشن اسٹرنگ واپس مل سکتی ہے جسے ڈیوائس کنیکٹ کرنے کے لیے استعمال کر سکتا ہے۔ یہ کنکشن اسٹرنگ ڈیوائس مخصوص ہے، اور اس میں IoT Hub، ڈیوائس، اور ایک خفیہ کلید کے بارے میں معلومات شامل ہوتی ہیں جو اس ڈیوائس کو کنیکٹ کرنے کی اجازت دیتی ہے۔
+
+> 🎓 کنکشن اسٹرنگ ایک عمومی اصطلاح ہے جو ایک ٹیکسٹ کے ٹکڑے کے لیے استعمال ہوتی ہے جس میں کنکشن کی تفصیلات شامل ہوتی ہیں۔ یہ IoT Hubs, ڈیٹا بیسز اور بہت سی دیگر سروسز سے کنیکٹ کرنے کے وقت استعمال ہوتی ہیں۔ یہ عام طور پر سروس کے لیے ایک شناخت کنندہ پر مشتمل ہوتی ہیں، جیسے ایک URL، اور سیکیورٹی معلومات جیسے ایک خفیہ کلید۔ یہ سروس سے کنیکٹ کرنے کے لیے SDKs کو دی جاتی ہیں۔
+
+> ⚠️ کنکشن اسٹرنگز کو محفوظ رکھنا چاہیے! سیکیورٹی پر مزید تفصیل سے ایک آئندہ سبق میں بات کی جائے گی۔
+
+### کام - اپنے IoT ڈیوائس کو رجسٹر کریں
+
+آپ کے IoT ڈیوائس کو Azure CLI استعمال کرتے ہوئے آپ کے IoT Hub کے ساتھ رجسٹر کیا جا سکتا ہے۔
+
+1. درج ذیل کمانڈ چلائیں تاکہ ڈیوائس رجسٹر کیا جا سکے:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنے IoT Hub کے لیے استعمال کیا تھا۔
+
+    یہ `soil-moisture-sensor` کے ID کے ساتھ ایک ڈیوائس بنائے گا۔
+
+1. جب آپ کا IoT ڈیوائس IoT Hub سے SDK استعمال کرتے ہوئے کنیکٹ ہوتا ہے، تو اسے ایک کنکشن اسٹرنگ استعمال کرنی ہوتی ہے جو ہب کے URL کے ساتھ ایک خفیہ کلید فراہم کرتی ہے۔ درج ذیل کمانڈ چلائیں تاکہ کنکشن اسٹرنگ حاصل کی جا سکے:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id soil-moisture-sensor \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنے IoT Hub کے لیے استعمال کیا تھا۔
+
+1. آؤٹپٹ میں دکھائی گئی کنکشن اسٹرنگ کو محفوظ کریں کیونکہ آپ کو بعد میں اس کی ضرورت ہوگی۔
+
+### کام - اپنے IoT ڈیوائس کو کلاؤڈ سے کنیکٹ کریں
+
+اپنے IoT ڈیوائس کو کلاؤڈ سے کنیکٹ کرنے کے لیے متعلقہ گائیڈ پر کام کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-connect-hub.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/ورچوئل IoT ڈیوائس](single-board-computer-connect-hub.md)
+
+### کام - ایونٹس کی نگرانی کریں
+
+فی الحال، آپ اپنے سرور کوڈ کو اپ ڈیٹ نہیں کریں گے۔ اس کے بجائے آپ Azure CLI استعمال کر سکتے ہیں تاکہ اپنے IoT ڈیوائس سے ایونٹس کی نگرانی کی جا سکے۔
+
+1. یقینی بنائیں کہ آپ کا IoT ڈیوائس چل رہا ہے اور مٹی کی نمی کے ٹیلیمیٹری ویلیوز بھیج رہا ہے۔
+
+1. اپنے کمانڈ پرامپٹ یا ٹرمینل میں درج ذیل کمانڈ چلائیں تاکہ آپ کے IoT Hub کو بھیجے گئے پیغامات کی نگرانی کی جا سکے:
+
+    ```sh
+    az iot hub monitor-events --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنے IoT Hub کے لیے استعمال کیا تھا۔
+
+    آپ دیکھیں گے کہ پیغامات آپ کے IoT ڈیوائس کے ذریعے بھیجے جانے پر کنسول آؤٹپٹ میں ظاہر ہوں گے۔
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 376}"
+        }
+    },
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    `payload` کے مواد آپ کے IoT ڈیوائس کے ذریعے بھیجے گئے پیغام سے میل کھائیں گے۔
+
+    > اس وقت، `az iot` ایکسٹینشن Apple Silicon پر مکمل طور پر کام نہیں کر رہا ہے۔ اگر آپ Apple Silicon ڈیوائس استعمال کر رہے ہیں، تو آپ کو پیغامات کی نگرانی کسی مختلف طریقے سے کرنی ہوگی، جیسے [Azure IoT Tools for Visual Studio Code](https://docs.microsoft.com/en-us/azure/iot-hub/iot-hub-vscode-iot-toolkit-cloud-device-messaging) استعمال کرتے ہوئے۔
+
+1. ان پیغامات میں خود بخود کئی پراپرٹیز منسلک ہوتی ہیں، جیسے وہ وقت جب انہیں بھیجا گیا تھا۔ انہیں *annotations* کہا جاتا ہے۔ تمام پیغام کی annotations دیکھنے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az iot hub monitor-events --properties anno --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنے IoT Hub کے لیے استعمال کیا تھا۔
+
+    آپ دیکھیں گے کہ پیغامات آپ کے IoT ڈیوائس کے ذریعے بھیجے جانے پر کنسول آؤٹپٹ میں ظاہر ہوں گے۔
+
+    ```output
+    Starting event monitor, use ctrl-c to stop...
+    {
+        "event": {
+            "origin": "soil-moisture-sensor",
+            "module": "",
+            "interface": "",
+            "component": "",
+            "properties": {},
+            "annotations": {
+                "iothub-connection-device-id": "soil-moisture-sensor",
+                "iothub-connection-auth-method": "{\"scope\":\"device\",\"type\":\"sas\",\"issuer\":\"iothub\",\"acceptingIpFilterRule\":null}",
+                "iothub-connection-auth-generation-id": "637553997165220462",
+                "iothub-enqueuedtime": 1619976150288,
+                "iothub-message-source": "Telemetry",
+                "x-opt-sequence-number": 1379,
+                "x-opt-offset": "550576",
+                "x-opt-enqueued-time": 1619976150277
+            },
+            "payload": "{\"soil_moisture\": 381}"
+        }
+    }
+    ```
+
+    annotations میں وقت کی قدریں [UNIX time](https://wikipedia.org/wiki/Unix_time) میں ہوتی ہیں، جو 1 جنوری 1970 کی آدھی رات سے سیکنڈز کی تعداد کو ظاہر کرتی ہیں۔
+
+    جب آپ کام مکمل کر لیں تو ایونٹ مانیٹر سے باہر نکلیں۔
+
+### کام - اپنے IoT ڈیوائس کو کنٹرول کریں
+
+آپ Azure CLI استعمال کرتے ہوئے اپنے IoT ڈیوائس پر ڈائریکٹ میتھڈز کو کال کر سکتے ہیں۔
+
+1. اپنے کمانڈ پرامپٹ یا ٹرمینل میں درج ذیل کمانڈ چلائیں تاکہ IoT ڈیوائس پر `relay_on` میتھڈ کو کال کیا جا سکے:
+
+    ```sh
+    az iot hub invoke-device-method --device-id soil-moisture-sensor \
+                                    --method-name relay_on \
+                                    --method-payload '{}' \
+                                    --hub-name <hub_name>
+    ```
+
+    `
+<hub_name>
+` کے ساتھ جو آپ نے اپنے IoT Hub کے لیے استعمال کیا ہے۔
+
+یہ `method-name` کے ذریعے دی گئی طریقہ کار کی درخواست بھیجتا ہے۔ ڈائریکٹ طریقے ایک payload لے سکتے ہیں جو طریقہ کار کے لیے ڈیٹا پر مشتمل ہو، اور یہ JSON کے طور پر `method-payload` پیرامیٹر میں دیا جا سکتا ہے۔
+
+آپ دیکھیں گے کہ ریلے آن ہو جائے گا، اور آپ کے IoT ڈیوائس سے متعلقہ آؤٹ پٹ نظر آئے گا:
+
+```output
+    Direct method received -  relay_on
+    ```
+
+1. اوپر والے مرحلے کو دہرائیں، لیکن `--method-name` کو `relay_off` پر سیٹ کریں۔ آپ دیکھیں گے کہ ریلے آف ہو جائے گا اور IoT ڈیوائس سے متعلقہ آؤٹ پٹ نظر آئے گا۔
+
+---
+
+## 🚀 چیلنج
+
+IoT Hub کا مفت ٹائر روزانہ 8,000 پیغامات کی اجازت دیتا ہے۔ آپ کا لکھا ہوا کوڈ ہر 10 سیکنڈ میں ٹیلیمیٹری پیغامات بھیجتا ہے۔ ہر 10 سیکنڈ میں ایک پیغام روزانہ کتنے پیغامات بنتے ہیں؟
+
+سوچیں کہ مٹی کی نمی کی پیمائش کتنی بار بھیجی جانی چاہیے؟ آپ اپنے کوڈ کو کیسے تبدیل کر سکتے ہیں تاکہ مفت ٹائر کے اندر رہیں اور جتنی بار ضرورت ہو چیک کریں لیکن زیادہ بار نہ کریں؟ اگر آپ ایک دوسرا ڈیوائس شامل کرنا چاہتے ہیں تو کیا ہوگا؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/16)
+
+## جائزہ اور خود مطالعہ
+
+IoT Hub SDK Arduino اور Python دونوں کے لیے اوپن سورس ہے۔ GitHub پر کوڈ ریپوز میں مختلف IoT Hub فیچرز کے ساتھ کام کرنے کے لیے کئی نمونے موجود ہیں۔
+
+* اگر آپ Wio Terminal استعمال کر رہے ہیں، تو [GitHub پر Arduino کے نمونے](https://github.com/Azure/azure-iot-pal-arduino/tree/master/pal/samples) دیکھیں۔
+* اگر آپ Raspberry Pi یا ورچوئل ڈیوائس استعمال کر رہے ہیں، تو [GitHub پر Python کے نمونے](https://github.com/Azure/azure-iot-sdk-python/tree/master/azure-iot-hub/samples) دیکھیں۔
+
+## اسائنمنٹ
+
+[کلاؤڈ سروسز کے بارے میں جانیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
new file mode 100644
index 00000000..1a5a4a50
--- /dev/null
+++ b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bfd35499bd68d7d740242bfea784bbeb",
+  "translation_date": "2025-08-26T22:59:08+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/assignment.md",
+  "language_code": "ur"
+}
+-->
+# کلاؤڈ سروسز کے بارے میں جانیں
+
+## ہدایات
+
+کلاؤڈز، جیسے کہ مائیکروسافٹ کا Azure، صرف کرائے پر کمپیوٹ فراہم کرنے سے زیادہ خدمات پیش کرتے ہیں۔ کلاؤڈ کی بنیادی اقسام میں شامل ہیں:
+
+* انفراسٹرکچر بطور سروس (IaaS)
+* پلیٹ فارم بطور سروس (PaaS)
+* سرور لیس
+* سافٹ ویئر بطور سروس (SaaS)
+
+ان مختلف اقسام کے بارے میں جانیں، اور وضاحت کریں کہ یہ کیا ہیں اور ایک دوسرے سے کیسے مختلف ہیں۔ وضاحت کریں کہ کون سی خدمات IoT ڈویلپرز کے لیے موزوں ہیں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------- | --------------- |
+| مختلف کلاؤڈ خدمات کی وضاحت کریں | تمام 4 اقسام کی واضح وضاحت دی | 3 اقسام کی وضاحت کرنے میں کامیاب رہا | صرف 1 یا 2 اقسام کی وضاحت کرنے میں کامیاب رہا |
+| IoT کے لیے موزوں خدمات کی وضاحت کریں | وضاحت کی کہ کون سی خدمات IoT ڈویلپرز کے لیے موزوں ہیں اور کیوں | وضاحت کی کہ کون سی خدمات IoT ڈویلپرز کے لیے موزوں ہیں لیکن وجہ نہیں بتائی | وضاحت کرنے میں ناکام رہا کہ کون سی خدمات IoT ڈویلپرز کے لیے موزوں ہیں |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
new file mode 100644
index 00000000..a1202539
--- /dev/null
+++ b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md
@@ -0,0 +1,130 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ac42e284a7222c0e83d2d43231a364f",
+  "translation_date": "2025-08-26T22:59:53+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/single-board-computer-connect-hub.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس کو کلاؤڈ سے جوڑیں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس یا راسپبیری پائی کو اپنے IoT ہب سے جوڑیں گے تاکہ ٹیلیمیٹری بھیج سکیں اور کمانڈز وصول کر سکیں۔
+
+## اپنے ڈیوائس کو IoT ہب سے جوڑیں
+
+اگلا مرحلہ یہ ہے کہ اپنے ڈیوائس کو IoT ہب سے جوڑیں۔
+
+### کام - IoT ہب سے جڑیں
+
+1. VS کوڈ میں `soil-moisture-sensor` فولڈر کھولیں۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو یقینی بنائیں کہ ٹرمینل میں ورچوئل ماحول چل رہا ہو۔
+
+1. کچھ اضافی Pip پیکجز انسٹال کریں:
+
+    ```sh
+    pip3 install azure-iot-device
+    ```
+
+    `azure-iot-device` ایک لائبریری ہے جو آپ کے IoT ہب سے بات چیت کرنے کے لیے استعمال ہوتی ہے۔
+
+1. درج ذیل امپورٹس کو `app.py` فائل کے اوپر موجودہ امپورٹس کے نیچے شامل کریں:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse
+    ```
+
+    یہ کوڈ آپ کے IoT ہب سے بات چیت کرنے کے لیے SDK کو امپورٹ کرتا ہے۔
+
+1. `import paho.mqtt.client as mqtt` لائن کو ہٹا دیں کیونکہ اب اس لائبریری کی ضرورت نہیں ہے۔ تمام MQTT کوڈ کو ہٹا دیں، بشمول ٹاپک کے نام، وہ تمام کوڈ جو `mqtt_client` استعمال کرتا ہے اور `handle_command`۔ `while True:` لوپ کو برقرار رکھیں، بس اس لوپ سے `mqtt_client.publish` لائن کو حذف کر دیں۔
+
+1. امپورٹ اسٹیٹمنٹس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    connection_string = "<connection string>"
+    ```
+
+    `<connection string>` کو اس کنکشن اسٹرنگ سے تبدیل کریں جو آپ نے اس سبق کے پہلے حصے میں ڈیوائس کے لیے حاصل کی تھی۔
+
+    > 💁 یہ بہترین عمل نہیں ہے۔ کنکشن اسٹرنگز کو کبھی بھی سورس کوڈ میں محفوظ نہیں کرنا چاہیے، کیونکہ یہ سورس کوڈ کنٹرول میں چیک ہو سکتی ہیں اور کسی کے ذریعے بھی دیکھی جا سکتی ہیں۔ ہم یہاں سادگی کے لیے ایسا کر رہے ہیں۔ مثالی طور پر، آپ کو کسی ماحول کے متغیر اور [`python-dotenv`](https://pypi.org/project/python-dotenv/) جیسے ٹول کا استعمال کرنا چاہیے۔ آپ اس کے بارے میں ایک آنے والے سبق میں مزید سیکھیں گے۔
+
+1. اس کوڈ کے نیچے، درج ذیل شامل کریں تاکہ ایک ڈیوائس کلائنٹ آبجیکٹ بنایا جا سکے جو IoT ہب سے بات چیت کر سکے، اور اسے جوڑیں:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_connection_string(connection_string)
+
+    print('Connecting')
+    device_client.connect()
+    print('Connected')
+    ```
+
+1. اس کوڈ کو چلائیں۔ آپ دیکھیں گے کہ آپ کا ڈیوائس جڑ گیا ہے۔
+
+    ```output
+    pi@raspberrypi:~/soil-moisture-sensor $ python3 app.py 
+    Connecting
+    Connected
+    Soil moisture: 379
+    ```
+
+## ٹیلیمیٹری بھیجیں
+
+اب جب کہ آپ کا ڈیوائس جڑ چکا ہے، آپ MQTT بروکر کے بجائے IoT ہب کو ٹیلیمیٹری بھیج سکتے ہیں۔
+
+### کام - ٹیلیمیٹری بھیجیں
+
+1. `while True` لوپ کے اندر درج ذیل کوڈ شامل کریں، نیند سے بالکل پہلے:
+
+    ```python
+    message = Message(json.dumps({ 'soil_moisture': soil_moisture }))
+    device_client.send_message(message)
+    ```
+
+    یہ کوڈ ایک IoT ہب `Message` بناتا ہے جس میں مٹی کی نمی کی ریڈنگ ایک JSON اسٹرنگ کے طور پر شامل ہوتی ہے، پھر اسے IoT ہب کو ایک ڈیوائس سے کلاؤڈ میسج کے طور پر بھیجتا ہے۔
+
+## کمانڈز کو ہینڈل کریں
+
+آپ کے ڈیوائس کو سرور کوڈ سے ایک کمانڈ ہینڈل کرنے کی ضرورت ہے تاکہ ریلے کو کنٹرول کیا جا سکے۔ یہ ایک ڈائریکٹ میتھڈ ریکویسٹ کے طور پر بھیجا جاتا ہے۔
+
+## کام - ایک ڈائریکٹ میتھڈ ریکویسٹ کو ہینڈل کریں
+
+1. `while True` لوپ سے پہلے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    def handle_method_request(request):
+        print("Direct method received - ", request.name)
+    
+        if request.name == "relay_on":
+            relay.on()
+        elif request.name == "relay_off":
+            relay.off()    
+    ```
+
+    یہ ایک میتھڈ، `handle_method_request`، کو ڈیفائن کرتا ہے جو اس وقت کال کیا جائے گا جب IoT ہب کی طرف سے ایک ڈائریکٹ میتھڈ کال کیا جائے گا۔ ہر ڈائریکٹ میتھڈ کا ایک نام ہوتا ہے، اور یہ کوڈ ایک میتھڈ کی توقع کرتا ہے جسے `relay_on` کہا جاتا ہے تاکہ ریلے کو آن کرے، اور `relay_off` تاکہ ریلے کو آف کرے۔
+
+    > 💁 یہ ایک ہی ڈائریکٹ میتھڈ ریکویسٹ میں بھی نافذ کیا جا سکتا ہے، جس میں ریلے کی مطلوبہ حالت کو ایک پے لوڈ میں پاس کیا جا سکتا ہے جو میتھڈ ریکویسٹ کے ساتھ پاس کیا جا سکتا ہے اور `request` آبجیکٹ سے دستیاب ہو سکتا ہے۔
+
+1. ڈائریکٹ میتھڈز کو ایک ریسپانس کی ضرورت ہوتی ہے تاکہ کال کرنے والے کوڈ کو بتایا جا سکے کہ انہیں ہینڈل کر لیا گیا ہے۔ `handle_method_request` فنکشن کے آخر میں درج ذیل کوڈ شامل کریں تاکہ ریکویسٹ کا ریسپانس بنایا جا سکے:
+
+    ```python
+    method_response = MethodResponse.create_from_method_request(request, 200)
+    device_client.send_method_response(method_response)
+    ```
+
+    یہ کوڈ ڈائریکٹ میتھڈ ریکویسٹ کا ریسپانس بھیجتا ہے جس میں HTTP اسٹیٹس کوڈ 200 ہوتا ہے، اور اسے IoT ہب کو واپس بھیجتا ہے۔
+
+1. اس فنکشن کی تعریف کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    device_client.on_method_request_received = handle_method_request
+    ```
+
+    یہ کوڈ IoT ہب کلائنٹ کو بتاتا ہے کہ جب ایک ڈائریکٹ میتھڈ کال کیا جائے تو `handle_method_request` فنکشن کو کال کریں۔
+
+> 💁 آپ اس کوڈ کو [code/pi](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/pi) یا [code/virtual-device](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی کی نمی کا سینسر پروگرام آپ کے IoT ہب سے جڑ چکا ہے!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
new file mode 100644
index 00000000..b24660b5
--- /dev/null
+++ b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md
@@ -0,0 +1,306 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "28320305a35ea3bc59c41fe146a2e6ed",
+  "translation_date": "2025-08-26T23:01:14+00:00",
+  "source_file": "2-farm/lessons/4-migrate-your-plant-to-the-cloud/wio-terminal-connect-hub.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس کو کلاؤڈ سے جوڑیں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal کو IoT Hub سے جوڑیں گے تاکہ ٹیلیمیٹری بھیج سکیں اور کمانڈز وصول کر سکیں۔
+
+## اپنے ڈیوائس کو IoT Hub سے جوڑیں
+
+اگلا مرحلہ یہ ہے کہ اپنے ڈیوائس کو IoT Hub سے جوڑیں۔
+
+### کام - IoT Hub سے جڑیں
+
+1. VS Code میں `soil-moisture-sensor` پروجیکٹ کھولیں۔
+
+1. `platformio.ini` فائل کھولیں۔ `knolleary/PubSubClient` لائبریری کی ڈیپینڈنسی کو ہٹا دیں۔ یہ پبلک MQTT بروکر سے جڑنے کے لیے استعمال کی گئی تھی، اور IoT Hub سے جڑنے کے لیے ضروری نہیں ہے۔
+
+1. درج ذیل لائبریری ڈیپینڈنسیز شامل کریں:
+
+    ```ini
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    arduino-libraries/AzureIoTHub @ 1.6.0
+    azure/AzureIoTUtility @ 1.6.1
+    azure/AzureIoTProtocol_MQTT @ 1.6.0
+    azure/AzureIoTProtocol_HTTP @ 1.6.0
+    azure/AzureIoTSocket_WiFi @ 1.0.2
+    ```
+
+    `Seeed Arduino RTC` لائبریری Wio Terminal میں ریئل ٹائم کلاک کے ساتھ تعامل کے لیے کوڈ فراہم کرتی ہے، جو وقت کو ٹریک کرنے کے لیے استعمال ہوتی ہے۔ باقی لائبریریاں آپ کے IoT ڈیوائس کو IoT Hub سے جڑنے کی اجازت دیتی ہیں۔
+
+1. `platformio.ini` فائل کے آخر میں درج ذیل شامل کریں:
+
+    ```ini
+    build_flags =
+        -DDONT_USE_UPLOADTOBLOB
+    ```
+
+    یہ ایک کمپائلر فلیگ سیٹ کرتا ہے جو Arduino IoT Hub کوڈ کو کمپائل کرتے وقت ضروری ہے۔
+
+1. `config.h` ہیڈر فائل کھولیں۔ تمام MQTT سیٹنگز کو ہٹا دیں اور ڈیوائس کنکشن اسٹرنگ کے لیے درج ذیل کانسٹنٹ شامل کریں:
+
+    ```cpp
+    // IoT Hub settings
+    const char *CONNECTION_STRING = "<connection string>";
+    ```
+
+    `<connection string>` کو اس کنکشن اسٹرنگ سے تبدیل کریں جو آپ نے پہلے کاپی کی تھی۔
+
+1. IoT Hub سے جڑنے کے لیے وقت پر مبنی ٹوکن استعمال ہوتا ہے۔ اس کا مطلب ہے کہ IoT ڈیوائس کو موجودہ وقت معلوم ہونا چاہیے۔ ونڈوز، macOS یا لینکس جیسے آپریٹنگ سسٹمز کے برعکس، مائیکرو کنٹرولرز خود بخود انٹرنیٹ کے ذریعے موجودہ وقت کو ہم آہنگ نہیں کرتے۔ اس کا مطلب ہے کہ آپ کو کوڈ شامل کرنا ہوگا تاکہ موجودہ وقت [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) سرور سے حاصل کیا جا سکے۔ ایک بار وقت حاصل ہو جائے، اسے Wio Terminal میں ریئل ٹائم کلاک میں محفوظ کیا جا سکتا ہے، جس سے بعد میں درست وقت کی درخواست کی جا سکتی ہے، بشرطیکہ ڈیوائس پاور نہ کھوئے۔ `ntp.h` نامی ایک نئی فائل بنائیں اور درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    #pragma once
+    
+    #include "DateTime.h"
+    #include <time.h>
+    #include "samd/NTPClientAz.h"
+    #include <sys/time.h>
+
+    static void initTime()
+    {
+        WiFiUDP _udp;
+        time_t epochTime = (time_t)-1;
+        NTPClientAz ntpClient;
+
+        ntpClient.begin();
+
+        while (true)
+        {
+            epochTime = ntpClient.getEpochTime("0.pool.ntp.org");
+
+            if (epochTime == (time_t)-1)
+            {
+                Serial.println("Fetching NTP epoch time failed! Waiting 2 seconds to retry.");
+                delay(2000);
+            }
+            else
+            {
+                Serial.print("Fetched NTP epoch time is: ");
+
+                char buff[32];
+                sprintf(buff, "%.f", difftime(epochTime, (time_t)0));
+                Serial.println(buff);
+                break;
+            }
+        }
+
+        ntpClient.end();
+
+        struct timeval tv;
+        tv.tv_sec = epochTime;
+        tv.tv_usec = 0;
+
+        settimeofday(&tv, NULL);
+    }
+    ```
+
+    اس کوڈ کی تفصیلات اس سبق کے دائرہ کار سے باہر ہیں۔ یہ ایک فنکشن `initTime` کو ڈیفائن کرتا ہے جو موجودہ وقت کو NTP سرور سے حاصل کرتا ہے اور اسے Wio Terminal کے کلاک پر سیٹ کرتا ہے۔
+
+1. `main.cpp` فائل کھولیں اور تمام MQTT کوڈ کو ہٹا دیں، بشمول `PubSubClient.h` ہیڈر فائل، `PubSubClient` ویریبل کا اعلان، `reconnectMQTTClient` اور `createMQTTClient` میتھڈز، اور ان ویریبلز اور میتھڈز کے کسی بھی کالز کو۔ اس فائل میں صرف WiFi سے جڑنے، مٹی کی نمی حاصل کرنے اور اس کے ساتھ JSON ڈاکیومنٹ بنانے کا کوڈ ہونا چاہیے۔
+
+1. `main.cpp` فائل کے اوپر درج ذیل `#include` ڈائریکٹیوز شامل کریں تاکہ IoT Hub لائبریریوں اور وقت سیٹ کرنے کے لیے ہیڈر فائلز شامل کی جا سکیں:
+
+    ```cpp
+    #include <AzureIoTHub.h>
+    #include <AzureIoTProtocol_MQTT.h>
+    #include <iothubtransportmqtt.h>
+    #include "ntp.h"
+    ```
+
+1. `setup` فنکشن کے آخر میں درج ذیل کال شامل کریں تاکہ موجودہ وقت سیٹ کیا جا سکے:
+
+    ```cpp
+    initTime();
+    ```
+
+1. فائل کے اوپر، انکلوڈ ڈائریکٹیوز کے نیچے درج ذیل ویریبل اعلان شامل کریں:
+
+    ```cpp
+    IOTHUB_DEVICE_CLIENT_LL_HANDLE _device_ll_handle;
+    ```
+
+    یہ ایک `IOTHUB_DEVICE_CLIENT_LL_HANDLE` کو ڈیکلئر کرتا ہے، جو IoT Hub سے کنکشن کے لیے ایک ہینڈل ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    static void connectionStatusCallback(IOTHUB_CLIENT_CONNECTION_STATUS result, IOTHUB_CLIENT_CONNECTION_STATUS_REASON reason, void *user_context)
+    {
+        if (result == IOTHUB_CLIENT_CONNECTION_AUTHENTICATED)
+        {
+            Serial.println("The device client is connected to iothub");
+        }
+        else
+        {
+            Serial.println("The device client has been disconnected");
+        }
+    }
+    ```
+
+    یہ ایک کال بیک فنکشن کو ڈیکلئر کرتا ہے جو IoT Hub سے کنکشن کی اسٹیٹس میں تبدیلی پر کال کیا جائے گا، جیسے کنیکٹ یا ڈس کنیکٹ ہونا۔ اسٹیٹس سیریل پورٹ پر بھیجا جاتا ہے۔
+
+1. اس کے نیچے IoT Hub سے جڑنے کے لیے ایک فنکشن شامل کریں:
+
+    ```cpp
+    void connectIoTHub()
+    {
+        IoTHub_Init();
+    
+        _device_ll_handle = IoTHubDeviceClient_LL_CreateFromConnectionString(CONNECTION_STRING, MQTT_Protocol);
+        
+        if (_device_ll_handle == NULL)
+        {
+            Serial.println("Failure creating Iothub device. Hint: Check your connection string.");
+            return;
+        }
+    
+        IoTHubDeviceClient_LL_SetConnectionStatusCallback(_device_ll_handle, connectionStatusCallback, NULL);
+    }
+    ```
+
+    یہ کوڈ IoT Hub لائبریری کو انیشیئلائز کرتا ہے، پھر `config.h` ہیڈر فائل میں موجود کنکشن اسٹرنگ کا استعمال کرتے ہوئے کنکشن بناتا ہے۔ یہ کنکشن MQTT پر مبنی ہے۔ اگر کنکشن ناکام ہو جائے، تو یہ سیریل پورٹ پر بھیجا جاتا ہے - اگر آپ آؤٹ پٹ میں یہ دیکھیں، تو کنکشن اسٹرنگ چیک کریں۔ آخر میں کنکشن اسٹیٹس کال بیک سیٹ اپ کیا جاتا ہے۔
+
+1. `setup` فنکشن میں `initTime` کال کے نیچے اس فنکشن کو کال کریں:
+
+    ```cpp
+    connectIoTHub();
+    ```
+
+1. MQTT کلائنٹ کی طرح، یہ کوڈ ایک سنگل تھریڈ پر چلتا ہے، اس لیے ہب کے ذریعے بھیجے گئے پیغامات کو پروسیس کرنے اور ہب کو بھیجے گئے پیغامات کو پروسیس کرنے کے لیے وقت درکار ہوتا ہے۔ `loop` فنکشن کے اوپر درج ذیل شامل کریں تاکہ یہ کام کیا جا سکے:
+
+    ```cpp
+    IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+    ```
+
+1. اس کوڈ کو بلڈ اور اپلوڈ کریں۔ آپ سیریل مانیٹر میں کنکشن دیکھیں گے:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Fetched NTP epoch time is: 1619983687
+    Sending telemetry {"soil_moisture":391}
+    The device client is connected to iothub
+    ```
+
+    آؤٹ پٹ میں آپ NTP وقت کو حاصل ہوتے ہوئے دیکھ سکتے ہیں، اس کے بعد ڈیوائس کلائنٹ کنیکٹ ہوتا ہے۔ کنیکٹ ہونے میں چند سیکنڈ لگ سکتے ہیں، اس لیے آپ آؤٹ پٹ میں مٹی کی نمی دیکھ سکتے ہیں جب تک کہ ڈیوائس کنیکٹ ہو رہا ہو۔
+
+    > 💁 آپ NTP کے UNIX وقت کو زیادہ قابلِ مطالعہ ورژن میں تبدیل کرنے کے لیے [unixtimestamp.com](https://www.unixtimestamp.com) جیسی ویب سائٹ استعمال کر سکتے ہیں۔
+
+## ٹیلیمیٹری بھیجیں
+
+اب جب کہ آپ کا ڈیوائس کنیکٹ ہو چکا ہے، آپ MQTT بروکر کے بجائے IoT Hub کو ٹیلیمیٹری بھیج سکتے ہیں۔
+
+### کام - ٹیلیمیٹری بھیجیں
+
+1. `setup` فنکشن کے اوپر درج ذیل فنکشن شامل کریں:
+
+    ```cpp
+    void sendTelemetry(const char *telemetry)
+    {
+        IOTHUB_MESSAGE_HANDLE message_handle = IoTHubMessage_CreateFromString(telemetry);
+        IoTHubDeviceClient_LL_SendEventAsync(_device_ll_handle, message_handle, NULL, NULL);
+        IoTHubMessage_Destroy(message_handle);
+    }
+    ```
+
+    یہ کوڈ ایک IoT Hub میسج بناتا ہے جو ایک پیرامیٹر کے طور پر پاس کی گئی اسٹرنگ سے ہوتا ہے، اسے ہب کو بھیجتا ہے، پھر میسج آبجیکٹ کو صاف کرتا ہے۔
+
+1. `loop` فنکشن میں، ٹیلیمیٹری کو سیریل پورٹ پر بھیجنے والی لائن کے فوراً بعد اس کوڈ کو کال کریں:
+
+    ```cpp
+    sendTelemetry(telemetry.c_str());
+    ```
+
+## کمانڈز کو ہینڈل کریں
+
+آپ کے ڈیوائس کو سرور کوڈ سے ایک کمانڈ ہینڈل کرنے کی ضرورت ہے تاکہ ریلے کو کنٹرول کیا جا سکے۔ یہ ایک ڈائریکٹ میتھڈ ریکویسٹ کے طور پر بھیجا جاتا ہے۔
+
+### کام - ڈائریکٹ میتھڈ ریکویسٹ کو ہینڈل کریں
+
+1. `connectIoTHub` فنکشن سے پہلے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    int directMethodCallback(const char *method_name, const unsigned char *payload, size_t size, unsigned char **response, size_t *response_size, void *userContextCallback)
+    {
+        Serial.printf("Direct method received %s\r\n", method_name);
+    
+        if (strcmp(method_name, "relay_on") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, HIGH);
+        }
+        else if (strcmp(method_name, "relay_off") == 0)
+        {
+            digitalWrite(PIN_WIRE_SCL, LOW);
+        }
+    }
+    ```
+
+    یہ کوڈ ایک کال بیک میتھڈ ڈیفائن کرتا ہے جسے IoT Hub لائبریری اس وقت کال کر سکتی ہے جب اسے ڈائریکٹ میتھڈ ریکویسٹ موصول ہو۔ ریکویسٹ کی گئی میتھڈ `method_name` پیرامیٹر میں بھیجی جاتی ہے۔ یہ فنکشن سیریل پورٹ پر کال کی گئی میتھڈ کو پرنٹ کرتا ہے، پھر میتھڈ نام کے مطابق ریلے کو آن یا آف کرتا ہے۔
+
+    > 💁 یہ ایک سنگل ڈائریکٹ میتھڈ ریکویسٹ میں بھی نافذ کیا جا سکتا ہے، مطلوبہ ریلے کی حالت کو ایک پے لوڈ میں پاس کرتے ہوئے جو میتھڈ ریکویسٹ کے ساتھ پاس کیا جا سکتا ہے اور `payload` پیرامیٹر سے دستیاب ہو سکتا ہے۔
+
+1. `directMethodCallback` فنکشن کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    char resultBuff[16];
+    sprintf(resultBuff, "{\"Result\":\"\"}");
+    *response_size = strlen(resultBuff);
+    *response = (unsigned char *)malloc(*response_size);
+    memcpy(*response, resultBuff, *response_size);
+
+    return IOTHUB_CLIENT_OK;
+    ```
+
+    ڈائریکٹ میتھڈ ریکویسٹز کو ایک ریسپانس کی ضرورت ہوتی ہے، اور ریسپانس دو حصوں میں ہوتا ہے - ایک ٹیکسٹ کے طور پر ریسپانس، اور ایک ریٹرن کوڈ۔ یہ کوڈ درج ذیل JSON ڈاکیومنٹ کے طور پر ایک رزلٹ بنائے گا:
+
+    ```JSON
+    {
+        "Result": ""
+    }
+    ```
+
+    یہ پھر `response` پیرامیٹر میں کاپی کیا جاتا ہے، اور اس ریسپانس کا سائز `response_size` پیرامیٹر میں سیٹ کیا جاتا ہے۔ یہ کوڈ پھر `IOTHUB_CLIENT_OK` ریٹرن کرتا ہے تاکہ ظاہر ہو کہ میتھڈ کو صحیح طریقے سے ہینڈل کیا گیا۔
+
+1. کال بیک کو وائر اپ کرنے کے لیے درج ذیل کو `connectIoTHub` فنکشن کے آخر میں شامل کریں:
+
+    ```cpp
+    IoTHubClient_LL_SetDeviceMethodCallback(_device_ll_handle, directMethodCallback, NULL);
+    ```
+
+1. `loop` فنکشن `IoTHubDeviceClient_LL_DoWork` فنکشن کو IoT Hub کے ذریعے بھیجے گئے ایونٹس کو پروسیس کرنے کے لیے کال کرے گا۔ یہ صرف ہر 10 سیکنڈ کے بعد `delay` کی وجہ سے کال کیا جاتا ہے، جس کا مطلب ہے کہ ڈائریکٹ میتھڈز صرف ہر 10 سیکنڈ کے بعد پروسیس ہوتی ہیں۔ اسے زیادہ موثر بنانے کے لیے، 10 سیکنڈ کی تاخیر کو کئی چھوٹی تاخیرات کے طور پر نافذ کیا جا سکتا ہے، ہر بار `IoTHubDeviceClient_LL_DoWork` کو کال کرتے ہوئے۔ ایسا کرنے کے لیے، درج ذیل کو `loop` فنکشن کے اوپر شامل کریں:
+
+    ```cpp
+    void work_delay(int delay_time)
+    {
+        int current = 0;
+        do
+        {
+            IoTHubDeviceClient_LL_DoWork(_device_ll_handle);
+            delay(100);
+            current += 100;
+        } while (current < delay_time);
+    }
+    ```
+
+    یہ کوڈ بار بار لوپ کرے گا، `IoTHubDeviceClient_LL_DoWork` کو کال کرے گا اور ہر بار 100ms کے لیے تاخیر کرے گا۔ یہ جتنی بار ضرورت ہو اتنی بار کرے گا تاکہ دی گئی `delay_time` پیرامیٹر کے لیے تاخیر کی جا سکے۔ اس کا مطلب ہے کہ ڈیوائس زیادہ سے زیادہ 100ms کے لیے ڈائریکٹ میتھڈ ریکویسٹز کو پروسیس کرنے کے لیے انتظار کر رہا ہے۔
+
+1. `loop` فنکشن میں، `IoTHubDeviceClient_LL_DoWork` کال کو ہٹا دیں، اور `delay(10000)` کال کو درج ذیل سے تبدیل کریں تاکہ اس نئے فنکشن کو کال کیا جا سکے:
+
+    ```cpp
+    work_delay(10000);
+    ```
+
+> 💁 آپ اس کوڈ کو [code/wio-terminal](../../../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/code/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی کی نمی سینسر پروگرام IoT Hub سے جڑ گیا ہے!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
new file mode 100644
index 00000000..4aeff6f8
--- /dev/null
+++ b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md
@@ -0,0 +1,623 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f2d2f4a5a023c93ab34a0cc5b47c0c4",
+  "translation_date": "2025-08-26T22:37:53+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/README.md",
+  "language_code": "ur"
+}
+-->
+# اپنی ایپلیکیشن لاجک کو کلاؤڈ میں منتقل کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ سبق [IoT for Beginners Project 2 - Digital Agriculture series](https://youtube.com/playlist?list=PLmsFUfdnGr3yCutmcVg6eAUEfsGiFXgcx) کے حصے کے طور پر [Microsoft Reactor](https://developer.microsoft.com/reactor/?WT.mc_id=academic-17441-jabenn) سے پڑھایا گیا تھا۔
+
+[![اپنے IoT ڈیوائس کو سرور لیس کوڈ کے ذریعے کنٹرول کریں](https://img.youtube.com/vi/VVZDcs5u1_I/0.jpg)](https://youtu.be/VVZDcs5u1_I)
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/17)
+
+## تعارف
+
+پچھلے سبق میں، آپ نے سیکھا کہ کس طرح اپنے پودے کی مٹی کی نمی کی نگرانی اور ریلے کنٹرول کو کلاؤڈ پر مبنی IoT سروس سے جوڑنا ہے۔ اگلا مرحلہ یہ ہے کہ ریلے کے وقت کو کنٹرول کرنے والے سرور کوڈ کو کلاؤڈ میں منتقل کیا جائے۔ اس سبق میں آپ سیکھیں گے کہ یہ کام سرور لیس فنکشنز کے ذریعے کیسے کیا جائے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [سرور لیس کیا ہے؟](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [سرور لیس ایپلیکیشن بنائیں](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [IoT Hub ایونٹ ٹرگر بنائیں](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [سرور لیس کوڈ سے ڈائریکٹ میتھڈ ریکویسٹ بھیجیں](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+* [اپنے سرور لیس کوڈ کو کلاؤڈ میں ڈیپلائے کریں](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud)
+
+## سرور لیس کیا ہے؟
+
+سرور لیس، یا سرور لیس کمپیوٹنگ، چھوٹے کوڈ بلاکس بنانے کا عمل ہے جو مختلف قسم کے ایونٹس کے جواب میں کلاؤڈ میں چلتے ہیں۔ جب ایونٹ ہوتا ہے تو آپ کا کوڈ چلتا ہے اور ایونٹ کے بارے میں ڈیٹا اسے فراہم کیا جاتا ہے۔ یہ ایونٹس مختلف چیزوں سے ہو سکتے ہیں، جیسے ویب ریکویسٹ، قطار میں رکھے گئے پیغامات، ڈیٹا بیس میں ڈیٹا میں تبدیلیاں، یا IoT ڈیوائسز کے ذریعے IoT سروس کو بھیجے گئے پیغامات۔
+
+![IoT سروس سے سرور لیس سروس کو بھیجے گئے ایونٹس، جو ایک ساتھ کئی فنکشنز کے ذریعے پروسیس کیے جا رہے ہیں](../../../../../translated_images/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.ur.png)
+
+> 💁 اگر آپ نے پہلے ڈیٹا بیس ٹرگرز استعمال کیے ہیں، تو آپ اسے اسی طرح سمجھ سکتے ہیں، کوڈ ایونٹ جیسے کہ ایک قطار شامل کرنے پر ٹرگر ہوتا ہے۔
+
+![جب ایک ساتھ کئی ایونٹس بھیجے جاتے ہیں، تو سرور لیس سروس ان سب کو ایک ساتھ چلانے کے لیے اسکیل کرتی ہے](../../../../../translated_images/serverless-scaling.f8c769adf0413fd17be1af4f07ff63016b347e2ff869be6c4abb211f9e93909d.ur.png)
+
+آپ کا کوڈ صرف اس وقت چلتا ہے جب ایونٹ ہوتا ہے، دوسرے وقتوں میں آپ کا کوڈ زندہ نہیں رہتا۔ ایونٹ ہوتا ہے، آپ کا کوڈ لوڈ ہوتا ہے اور چلتا ہے۔ یہ سرور لیس کو بہت اسکیل ایبل بناتا ہے - اگر ایک ساتھ کئی ایونٹس ہوتے ہیں، تو کلاؤڈ پرووائیڈر آپ کے فنکشن کو جتنی بار ضرورت ہو ایک ساتھ چلانے کے لیے اسکیل کر سکتا ہے، جو بھی سرورز دستیاب ہوں۔ اس کا نقصان یہ ہے کہ اگر آپ کو ایونٹس کے درمیان معلومات شیئر کرنے کی ضرورت ہو، تو آپ کو اسے کہیں محفوظ کرنا ہوگا جیسے ڈیٹا بیس میں، بجائے اس کے کہ اسے میموری میں اسٹور کریں۔
+
+آپ کا کوڈ ایک فنکشن کے طور پر لکھا جاتا ہے جو ایونٹ کی تفصیلات کو پیرامیٹر کے طور پر لیتا ہے۔ آپ سرور لیس فنکشنز لکھنے کے لیے مختلف پروگرامنگ زبانوں کا استعمال کر سکتے ہیں۔
+
+> 🎓 سرور لیس کو فنکشنز ایز اے سروس (FaaS) بھی کہا جاتا ہے کیونکہ ہر ایونٹ ٹرگر کو کوڈ میں ایک فنکشن کے طور پر نافذ کیا جاتا ہے۔
+
+نام کے باوجود، سرور لیس دراصل سرورز استعمال کرتا ہے۔ نام اس لیے ہے کیونکہ آپ بطور ڈیولپر ان سرورز کی پرواہ نہیں کرتے جو آپ کے کوڈ کو چلانے کے لیے ضروری ہیں، آپ صرف اس بات کی پرواہ کرتے ہیں کہ آپ کا کوڈ ایونٹ کے جواب میں چلایا جائے۔ کلاؤڈ پرووائیڈر کے پاس ایک سرور لیس *رَن ٹائم* ہوتا ہے جو سرورز، نیٹ ورکنگ، اسٹوریج، CPU، میموری اور آپ کے کوڈ کو چلانے کے لیے ضروری ہر چیز کو مختص کرنے کا انتظام کرتا ہے۔ اس ماڈل کا مطلب ہے کہ آپ سرور کے لیے سروس کی ادائیگی نہیں کر سکتے، کیونکہ کوئی سرور نہیں ہے۔ اس کے بجائے آپ اس وقت کے لیے ادائیگی کرتے ہیں جب آپ کا کوڈ چل رہا ہو، اور استعمال ہونے والی میموری کی مقدار کے لیے۔
+
+> 💰 سرور لیس کلاؤڈ میں کوڈ چلانے کے سب سے سستے طریقوں میں سے ایک ہے۔ مثال کے طور پر، لکھنے کے وقت، ایک کلاؤڈ پرووائیڈر آپ کے تمام سرور لیس فنکشنز کو ایک مہینے میں مشترکہ طور پر 1,000,000 بار چلانے کی اجازت دیتا ہے اس سے پہلے کہ وہ آپ سے چارج کرنا شروع کریں، اور اس کے بعد وہ ہر 1,000,000 ایگزیکیوشنز کے لیے US$0.20 چارج کرتے ہیں۔ جب آپ کا کوڈ نہیں چل رہا ہوتا، تو آپ ادائیگی نہیں کرتے۔
+
+بطور IoT ڈیولپر، سرور لیس ماڈل مثالی ہے۔ آپ ایک فنکشن لکھ سکتے ہیں جو کسی بھی IoT ڈیوائس کے ذریعے بھیجے گئے پیغامات کے جواب میں بلایا جاتا ہے جو آپ کی کلاؤڈ ہوسٹڈ IoT سروس سے جڑا ہوا ہے۔ آپ کا کوڈ تمام بھیجے گئے پیغامات کو ہینڈل کرے گا، لیکن صرف ضرورت کے وقت چلایا جائے گا۔
+
+✅ اپنے کوڈ پر نظر ڈالیں جو آپ نے MQTT کے ذریعے پیغامات سننے کے لیے سرور کوڈ کے طور پر لکھا تھا۔ یہ کلاؤڈ میں سرور لیس کے ذریعے کیسے چل سکتا ہے؟ آپ کوڈ کو سرور لیس کمپیوٹنگ کی حمایت کے لیے کیسے تبدیل کرنے کے بارے میں سوچتے ہیں؟
+
+> 💁 سرور لیس ماڈل دیگر کلاؤڈ سروسز میں بھی منتقل ہو رہا ہے، کوڈ چلانے کے علاوہ۔ مثال کے طور پر، کلاؤڈ میں سرور لیس ڈیٹا بیسز دستیاب ہیں جو سرور لیس پرائسنگ ماڈل کا استعمال کرتے ہیں جہاں آپ ڈیٹا بیس کے خلاف کیے گئے ہر ریکویسٹ کے لیے ادائیگی کرتے ہیں، جیسے کہ کوئری یا انسرٹ، عام طور پر اس کام کی بنیاد پر قیمتوں کا تعین کرتے ہیں جو ریکویسٹ کو سروس کرنے کے لیے کیا جاتا ہے۔ مثال کے طور پر، ایک قطار کے خلاف ایک قطار کو منتخب کرنے کا ایک واحد آپریشن ایک پیچیدہ آپریشن سے کم قیمت پر ہوگا جو کئی ٹیبلز کو جوڑتا ہے اور ہزاروں قطاریں واپس کرتا ہے۔
+
+## سرور لیس ایپلیکیشن بنائیں
+
+Microsoft کی سرور لیس کمپیوٹنگ سروس کو Azure Functions کہا جاتا ہے۔
+
+![Azure Functions کا لوگو](../../../../../translated_images/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.ur.png)
+
+نیچے دی گئی مختصر ویڈیو میں Azure Functions کا جائزہ دیا گیا ہے۔
+
+[![Azure Functions کا جائزہ ویڈیو](https://img.youtube.com/vi/8-jz5f_JyEQ/0.jpg)](https://www.youtube.com/watch?v=8-jz5f_JyEQ)
+
+> 🎥 اوپر دی گئی تصویر پر کلک کریں ویڈیو دیکھنے کے لیے۔
+
+✅ کچھ وقت نکالیں اور Azure Functions کا جائزہ [Microsoft Azure Functions documentation](https://docs.microsoft.com/azure/azure-functions/functions-overview?WT.mc_id=academic-17441-jabenn) میں پڑھیں۔
+
+Azure Functions لکھنے کے لیے، آپ اپنی پسند کی زبان میں Azure Functions ایپ سے شروع کرتے ہیں۔ Azure Functions Python، JavaScript، TypeScript، C#, F#, Java، اور Powershell کو سپورٹ کرتا ہے۔ اس سبق میں آپ سیکھیں گے کہ Python میں Azure Functions ایپ کیسے لکھی جائے۔
+
+> 💁 Azure Functions کسٹم ہینڈلرز کو بھی سپورٹ کرتا ہے تاکہ آپ اپنے فنکشنز کو کسی بھی زبان میں لکھ سکیں جو HTTP ریکویسٹ کو سپورٹ کرتی ہو، بشمول پرانی زبانیں جیسے COBOL۔
+
+Functions ایپس میں ایک یا زیادہ *ٹرگرز* ہوتے ہیں - فنکشنز جو ایونٹس کے جواب میں چلتے ہیں۔ آپ ایک فنکشن ایپ میں ایک سے زیادہ ٹرگرز رکھ سکتے ہیں، جو سب مشترکہ کنفیگریشن شیئر کرتے ہیں۔ مثال کے طور پر، آپ کی Functions ایپ کے کنفیگریشن فائل میں آپ کے IoT Hub کی کنکشن تفصیلات ہو سکتی ہیں، اور ایپ کے تمام فنکشنز ان تفصیلات کو استعمال کر سکتے ہیں تاکہ ایونٹس کے لیے کنیکٹ اور سن سکیں۔
+
+### ٹاسک - Azure Functions ٹولنگ انسٹال کریں
+
+> لکھنے کے وقت، Azure Functions کوڈ ٹولز Apple Silicon پر Python پروجیکٹس کے ساتھ مکمل طور پر کام نہیں کر رہے ہیں۔ آپ کو Intel-based Mac، Windows PC، یا Linux PC استعمال کرنا ہوگا۔
+
+Azure Functions کی ایک بڑی خصوصیت یہ ہے کہ آپ انہیں مقامی طور پر چلا سکتے ہیں۔ وہی رن ٹائم جو کلاؤڈ میں استعمال ہوتا ہے آپ کے کمپیوٹر پر چلایا جا سکتا ہے، جس سے آپ کو کوڈ لکھنے کی اجازت ملتی ہے جو IoT پیغامات کا جواب دیتا ہے اور اسے مقامی طور پر چلاتا ہے۔ آپ یہاں تک کہ اپنے کوڈ کو ایونٹس کو ہینڈل کرتے ہوئے ڈیبگ کر سکتے ہیں۔ جب آپ اپنے کوڈ سے مطمئن ہوں، تو اسے کلاؤڈ میں ڈیپلائے کیا جا سکتا ہے۔
+
+Azure Functions ٹولنگ CLI کے طور پر دستیاب ہے، جسے Azure Functions Core Tools کہا جاتا ہے۔
+
+1. Azure Functions کور ٹولز انسٹال کریں [Azure Functions Core Tools documentation](https://docs.microsoft.com/azure/azure-functions/functions-run-local?WT.mc_id=academic-17441-jabenn) پر دی گئی ہدایات کے مطابق۔
+
+1. Azure Functions کے لیے VS Code ایکسٹینشن انسٹال کریں۔ یہ ایکسٹینشن Azure Functions بنانے، ڈیبگ کرنے اور ڈیپلائے کرنے کے لیے سپورٹ فراہم کرتی ہے۔ [Azure Functions extension documentation](https://marketplace.visualstudio.com/items?WT.mc_id=academic-17441-jabenn&itemName=ms-azuretools.vscode-azurefunctions) میں دی گئی ہدایات کے مطابق اس ایکسٹینشن کو VS Code میں انسٹال کریں۔
+
+جب آپ اپنی Azure Functions ایپ کو کلاؤڈ میں ڈیپلائے کرتے ہیں، تو اسے ایپلیکیشن فائلز اور لاگ فائلز جیسی چیزوں کو اسٹور کرنے کے لیے تھوڑی مقدار میں کلاؤڈ اسٹوریج استعمال کرنے کی ضرورت ہوتی ہے۔ جب آپ اپنی Functions ایپ کو مقامی طور پر چلاتے ہیں، تو آپ کو کلاؤڈ اسٹوریج سے کنیکٹ کرنے کی ضرورت ہوتی ہے، لیکن اصل کلاؤڈ اسٹوریج استعمال کرنے کے بجائے، آپ ایک اسٹوریج ایمولیٹر استعمال کر سکتے ہیں جسے [Azurite](https://github.com/Azure/Azurite) کہا جاتا ہے۔ یہ مقامی طور پر چلتا ہے لیکن کلاؤڈ اسٹوریج کی طرح کام کرتا ہے۔
+
+> 🎓 Azure میں، وہ اسٹوریج جو Azure Functions استعمال کرتا ہے اسے Azure Storage Account کہا جاتا ہے۔ یہ اکاؤنٹس فائلز، بلاگز، ٹیبلز میں ڈیٹا یا قطاروں میں ڈیٹا اسٹور کر سکتے ہیں۔ آپ ایک اسٹوریج اکاؤنٹ کو کئی ایپس کے درمیان شیئر کر سکتے ہیں، جیسے کہ ایک Functions ایپ اور ایک ویب ایپ۔
+
+1. Azurite ایک Node.js ایپ ہے، لہذا آپ کو Node.js انسٹال کرنا ہوگا۔ آپ [Node.js website](https://nodejs.org/) پر ڈاؤنلوڈ اور انسٹالیشن کی ہدایات تلاش کر سکتے ہیں۔ اگر آپ Mac استعمال کر رہے ہیں، تو آپ اسے [Homebrew](https://formulae.brew.sh/formula/node) سے بھی انسٹال کر سکتے ہیں۔
+
+1. Azurite انسٹال کریں درج ذیل کمانڈ کے ذریعے (`npm` وہ ٹول ہے جو Node.js انسٹال کرنے پر انسٹال ہوتا ہے):
+
+    ```sh
+    npm install -g azurite
+    ```
+
+1. Azurite کے لیے ایک فولڈر بنائیں تاکہ وہ ڈیٹا اسٹور کرنے کے لیے استعمال کرے:
+
+    ```sh
+    mkdir azurite
+    ```
+
+1. Azurite چلائیں، اسے اس نئے فولڈر کو پاس کرتے ہوئے:
+
+    ```sh
+    azurite --location azurite
+    ```
+
+    Azurite اسٹوریج ایمولیٹر لانچ ہوگا اور مقامی Functions رن ٹائم کے کنیکٹ ہونے کے لیے تیار ہوگا۔
+
+    ```output
+    ➜  ~ azurite --location azurite  
+    Azurite Blob service is starting at http://127.0.0.1:10000
+    Azurite Blob service is successfully listening at http://127.0.0.1:10000
+    Azurite Queue service is starting at http://127.0.0.1:10001
+    Azurite Queue service is successfully listening at http://127.0.0.1:10001
+    Azurite Table service is starting at http://127.0.0.1:10002
+    Azurite Table service is successfully listening at http://127.0.0.1:10002
+    ```
+
+### ٹاسک - Azure Functions پروجیکٹ بنائیں
+
+Azure Functions CLI ایک نئی Functions ایپ بنانے کے لیے استعمال کیا جا سکتا ہے۔
+
+1. اپنی Functions ایپ کے لیے ایک فولڈر بنائیں اور اس میں جائیں۔ اسے `soil-moisture-trigger` کہیں:
+
+    ```sh
+    mkdir soil-moisture-trigger
+    cd soil-moisture-trigger
+    ```
+
+1. اس فولڈر کے اندر ایک Python ورچوئل ماحول بنائیں:
+
+    ```sh
+    python3 -m venv .venv
+    ```
+
+1. ورچوئل ماحول کو ایکٹیویٹ کریں:
+
+    * Windows پر:
+        * اگر آپ Command Prompt یا Windows Terminal کے ذریعے Command Prompt استعمال کر رہے ہیں، تو درج ذیل کمانڈ چلائیں:
+
+            ```cmd
+            .venv\Scripts\activate.bat
+            ```
+
+        * اگر آپ PowerShell استعمال کر رہے ہیں، تو درج ذیل کمانڈ چلائیں:
+
+            ```powershell
+            .\.venv\Scripts\Activate.ps1
+            ```
+
+    * macOS یا Linux پر، درج ذیل کمانڈ چلائیں:
+
+        ```cmd
+        source ./.venv/bin/activate
+        ```
+
+    > 💁 یہ کمانڈز اسی جگہ سے چلائی جانی چاہئیں جہاں آپ نے ورچوئل ماحول بنانے کی کمانڈ چلائی تھی۔ آپ کو `.venv` فولڈر میں کبھی بھی جانے کی ضرورت نہیں ہوگی، آپ کو ہمیشہ ایکٹیویٹ کمانڈ اور پیکجز انسٹال کرنے یا کوڈ چلانے کی کمانڈز اسی فولڈر سے چلانی چاہئیں جہاں آپ نے ورچوئل ماحول بنایا تھا۔
+
+1. درج ذیل کمانڈ چلائیں تاکہ اس فولڈر میں ایک Functions ایپ بنائی جا سکے:
+
+    ```sh
+    func init --worker-runtime python soil-moisture-trigger
+    ```
+
+    یہ موجودہ فولڈر کے اندر تین فائلز بنائے گا:
+
+    * `host.json` - یہ JSON دستاویز آپ کی Functions ایپ کے لیے سیٹنگز پر مشتمل ہے۔ آپ کو ان سیٹنگز کو تبدیل کرنے کی ضرورت نہیں ہوگی۔
+    * `local.settings.json` - یہ JSON دستاویز آپ کی ایپ کے لیے مقامی طور پر چلنے کے وقت استعمال ہونے والی سیٹنگز پر مشتمل ہے، جیسے کہ آپ کے IoT Hub کے لیے کنکشن اسٹرنگز۔ یہ سیٹنگز صرف مقامی ہیں، اور انہیں سورس کوڈ کنٹرول میں شامل نہیں کیا جانا چاہیے۔ جب آپ ایپ کو کلاؤڈ میں ڈیپلائے کرتے ہیں، تو یہ سیٹنگز ڈیپلائے نہیں کی جاتی ہیں، بلکہ آپ کی سیٹنگز ایپلیکیشن سیٹنگز سے لوڈ کی جاتی ہیں۔ یہ سبق کے بعد کے حصے میں شامل کیا جائے گا۔
+    * `requirements.txt` - یہ ایک [Pip requirements file](https://pip.p
+⚠️ اگر آپ کو فائر وال کی اطلاع ملے، تو رسائی کی اجازت دیں کیونکہ `func` ایپلیکیشن کو آپ کے نیٹ ورک پر پڑھنے اور لکھنے کی ضرورت ہے۔
+> ⚠️ اگر آپ macOS استعمال کر رہے ہیں، تو آؤٹ پٹ میں انتباہات ہو سکتے ہیں:
+>
+> ```output
+    > (.venv) ➜  soil-moisture-trigger func start
+    > Found Python version 3.9.1 (python3).
+    >
+    > Azure Functions Core Tools
+    > Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    > Function Runtime Version: 3.0.15417.0
+    >
+    > [2021-06-16T08:18:28.315Z] Cannot create directory for shared memory usage: /dev/shm/AzureFunctions
+    > [2021-06-16T08:18:28.316Z] System.IO.FileSystem: Access to the path '/dev/shm/AzureFunctions' is denied. Operation not permitted.
+    > [2021-06-16T08:18:30.361Z] No job functions found.
+    > ```
+>
+> جب تک Functions ایپ صحیح طور پر شروع ہو اور چلنے والے فنکشنز کی فہرست دکھائے، آپ ان انتباہات کو نظر انداز کر سکتے ہیں۔ جیسا کہ [Microsoft Docs Q&A پر اس سوال](https://docs.microsoft.com/answers/questions/396617/azure-functions-core-tools-error-osx-devshmazurefu.html?WT.mc_id=academic-17441-jabenn) میں ذکر کیا گیا ہے، یہ نظر انداز کیے جا سکتے ہیں۔
+
+1. `ctrl+c` دباکر Functions ایپ کو بند کریں۔
+
+1. موجودہ فولڈر کو VS Code میں کھولیں، یا تو VS Code کھول کر اس فولڈر کو کھولیں، یا درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    code .
+    ```
+
+    VS Code آپ کے Functions پروجیکٹ کو پہچان لے گا اور ایک نوٹیفکیشن دکھائے گا:
+
+    ```output
+    Detected an Azure Functions Project in folder "soil-moisture-trigger" that may have been created outside of
+    VS Code. Initialize for optimal use with VS Code?
+    ```
+
+    ![نوٹیفکیشن](../../../../../translated_images/vscode-azure-functions-init-notification.bd19b49229963edb5311fb3a79445ea469424759d2917ee2f2eb6f92d65d5086.ur.png)
+
+    اس نوٹیفکیشن سے **Yes** منتخب کریں۔
+
+1. یقینی بنائیں کہ Python ورچوئل ماحول VS Code ٹرمینل میں چل رہا ہے۔ اگر ضروری ہو تو اسے ختم کریں اور دوبارہ شروع کریں۔
+
+## IoT Hub ایونٹ ٹرگر بنائیں
+
+Functions ایپ آپ کے سرور لیس کوڈ کا شیل ہے۔ IoT Hub ایونٹس کا جواب دینے کے لیے، آپ اس ایپ میں ایک IoT Hub ٹرگر شامل کر سکتے ہیں۔ یہ ٹرگر ان پیغامات کے سلسلے سے جڑنے کی ضرورت ہے جو IoT Hub کو بھیجے جاتے ہیں اور ان کا جواب دیتے ہیں۔ ان پیغامات کے سلسلے کو حاصل کرنے کے لیے، آپ کے ٹرگر کو IoT Hubs کے *ایونٹ ہب کمپٹیبل اینڈ پوائنٹ* سے جڑنے کی ضرورت ہے۔
+
+IoT Hub ایک اور Azure سروس پر مبنی ہے جسے Azure Event Hubs کہتے ہیں۔ Event Hubs ایک سروس ہے جو آپ کو پیغامات بھیجنے اور وصول کرنے کی اجازت دیتی ہے، IoT Hub اس میں IoT ڈیوائسز کے لیے خصوصیات شامل کرتا ہے۔ IoT Hub سے پیغامات پڑھنے کے لیے آپ اسی طرح جڑتے ہیں جیسے آپ Event Hubs استعمال کر رہے ہوں۔
+
+✅ تحقیق کریں: [Azure Event Hubs دستاویزات](https://docs.microsoft.com/azure/event-hubs/event-hubs-about?WT.mc_id=academic-17441-jabenn) میں Event Hubs کا جائزہ پڑھیں۔ بنیادی خصوصیات IoT Hub سے کیسے مختلف ہیں؟
+
+IoT ڈیوائس کو IoT Hub سے جڑنے کے لیے ایک خفیہ کلید استعمال کرنی ہوتی ہے جو یقینی بناتی ہے کہ صرف اجازت یافتہ ڈیوائسز جڑ سکیں۔ یہی اصول پیغامات پڑھنے کے لیے جڑنے پر بھی لاگو ہوتا ہے، آپ کے کوڈ کو ایک کنکشن اسٹرنگ کی ضرورت ہوگی جس میں خفیہ کلید اور IoT Hub کی تفصیلات شامل ہوں۔
+
+> 💁 ڈیفالٹ کنکشن اسٹرنگ جو آپ کو ملتی ہے اس میں **iothubowner** اجازتیں ہوتی ہیں، جو کسی بھی کوڈ کو مکمل اجازت دیتی ہیں۔ مثالی طور پر آپ کو کم سے کم ضروری اجازتوں کے ساتھ جڑنا چاہیے۔ یہ اگلے سبق میں شامل کیا جائے گا۔
+
+ایک بار جب آپ کا ٹرگر جڑ جائے، تو IoT Hub کو بھیجے گئے ہر پیغام کے لیے فنکشن کے اندر موجود کوڈ کو کال کیا جائے گا، چاہے وہ پیغام کسی بھی ڈیوائس نے بھیجا ہو۔ ٹرگر کو پیغام ایک پیرامیٹر کے طور پر دیا جائے گا۔
+
+### کام - ایونٹ ہب کمپٹیبل اینڈ پوائنٹ کنکشن اسٹرنگ حاصل کریں
+
+1. VS Code ٹرمینل سے درج ذیل کمانڈ چلائیں تاکہ IoT Hubs ایونٹ ہب کمپٹیبل اینڈ پوائنٹ کے لیے کنکشن اسٹرنگ حاصل کی جا سکے:
+
+    ```sh
+    az iot hub connection-string show --default-eventhub \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+1. VS Code میں `local.settings.json` فائل کھولیں۔ `Values` سیکشن کے اندر درج ذیل اضافی ویلیو شامل کریں:
+
+    ```json
+    "IOT_HUB_CONNECTION_STRING": "<connection string>"
+    ```
+
+    `<connection string>` کو پچھلے مرحلے سے حاصل کردہ ویلیو سے تبدیل کریں۔ اس کو درست JSON بنانے کے لیے اوپر والی لائن کے بعد ایک کاما شامل کریں۔
+
+### کام - ایونٹ ٹرگر بنائیں
+
+اب آپ ایونٹ ٹرگر بنانے کے لیے تیار ہیں۔
+
+1. VS Code ٹرمینل سے `soil-moisture-trigger` فولڈر کے اندر درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    func new --name iot-hub-trigger --template "Azure Event Hub trigger"
+    ```
+
+    یہ ایک نیا فنکشن بنائے گا جسے `iot-hub-trigger` کہا جاتا ہے۔ ٹرگر IoT Hub کے ایونٹ ہب کمپٹیبل اینڈ پوائنٹ سے جڑے گا، لہذا آپ ایونٹ ہب ٹرگر استعمال کر سکتے ہیں۔ IoT Hub کے لیے کوئی مخصوص ٹرگر نہیں ہے۔
+
+یہ `soil-moisture-trigger` فولڈر کے اندر ایک فولڈر بنائے گا جسے `iot-hub-trigger` کہا جاتا ہے، اور اس میں یہ فنکشن ہوگا۔ اس فولڈر میں درج ذیل فائلیں ہوں گی:
+
+* `__init__.py` - یہ Python کوڈ فائل ہے جو ٹرگر پر مشتمل ہے، Python ماڈیول بنانے کے لیے معیاری Python فائل نام کنونشن استعمال کرتی ہے۔
+
+    اس فائل میں درج ذیل کوڈ ہوگا:
+
+    ```python
+    import logging
+
+    import azure.functions as func
+
+
+    def main(event: func.EventHubEvent):
+        logging.info('Python EventHub trigger processed an event: %s',
+                    event.get_body().decode('utf-8'))
+    ```
+
+    ٹرگر کا مرکزی حصہ `main` فنکشن ہے۔ یہ فنکشن IoT Hub سے ایونٹس کے ساتھ کال کیا جاتا ہے۔ اس فنکشن میں ایک پیرامیٹر `event` ہوتا ہے جو ایک `EventHubEvent` ہوتا ہے۔ ہر بار جب IoT Hub کو پیغام بھیجا جاتا ہے، یہ فنکشن اس پیغام کو `event` کے طور پر پاس کرتا ہے، ساتھ ہی وہ پراپرٹیز جو آپ نے پچھلے سبق میں دیکھی تھیں۔
+
+    اس فنکشن کا مرکزی حصہ ایونٹ کو لاگ کرتا ہے۔
+
+* `function.json` - یہ ٹرگر کے لیے کنفیگریشن پر مشتمل ہے۔ مرکزی کنفیگریشن `bindings` سیکشن میں ہوتی ہے۔ ایک بائنڈنگ Azure Functions اور دیگر Azure سروسز کے درمیان کنکشن کے لیے استعمال ہونے والی اصطلاح ہے۔ اس فنکشن میں ایونٹ ہب کے لیے ایک ان پٹ بائنڈنگ ہے - یہ ایونٹ ہب سے جڑتا ہے اور ڈیٹا وصول کرتا ہے۔
+
+    > 💁 آپ آؤٹ پٹ بائنڈنگ بھی شامل کر سکتے ہیں تاکہ فنکشن کا آؤٹ پٹ کسی دوسری سروس کو بھیجا جا سکے۔ مثال کے طور پر آپ ایک ڈیٹا بیس کے لیے آؤٹ پٹ بائنڈنگ شامل کر سکتے ہیں اور IoT Hub ایونٹ کو فنکشن سے واپس کر سکتے ہیں، اور یہ خود بخود ڈیٹا بیس میں شامل ہو جائے گا۔
+
+    ✅ تحقیق کریں: [Azure Functions triggers and bindings concepts documentation](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python) میں بائنڈنگز کے بارے میں پڑھیں۔
+
+    `bindings` سیکشن میں بائنڈنگ کے لیے کنفیگریشن شامل ہوتی ہے۔ دلچسپی کے ویلیوز یہ ہیں:
+
+  * `"type": "eventHubTrigger"` - یہ فنکشن کو بتاتا ہے کہ اسے ایونٹ ہب سے ایونٹس سننے کی ضرورت ہے۔
+  * `"name": "events"` - یہ ایونٹ ہب ایونٹس کے لیے پیرامیٹر کا نام ہے۔ یہ Python کوڈ میں `main` فنکشن کے پیرامیٹر نام سے میل کھاتا ہے۔
+  * `"direction": "in"` - یہ ایک ان پٹ بائنڈنگ ہے، ایونٹ ہب سے ڈیٹا فنکشن میں آتا ہے۔
+  * `"connection": ""` - یہ اس سیٹنگ کا نام ڈیفائن کرتا ہے جس سے کنکشن اسٹرنگ پڑھنی ہے۔ لوکل طور پر چلانے پر، یہ سیٹنگ `local.settings.json` فائل سے پڑھی جائے گی۔
+
+    > 💁 کنکشن اسٹرنگ کو `function.json` فائل میں اسٹور نہیں کیا جا سکتا، اسے سیٹنگز سے پڑھنا ضروری ہے۔ یہ اس لیے ہے تاکہ آپ غلطی سے اپنی کنکشن اسٹرنگ کو ظاہر نہ کریں۔
+
+1. Azure Functions ٹیمپلیٹ میں [ایک بگ](https://github.com/Azure/azure-functions-templates/issues/1250) کی وجہ سے، `function.json` میں `cardinality` فیلڈ کے لیے غلط ویلیو ہے۔ اس فیلڈ کو `many` سے `one` میں اپ ڈیٹ کریں:
+
+    ```json
+    "cardinality": "one",
+    ```
+
+1. `function.json` فائل میں `"connection"` کی ویلیو کو اس نئی ویلیو کی طرف پوائنٹ کریں جو آپ نے `local.settings.json` فائل میں شامل کی تھی:
+
+    ```json
+    "connection": "IOT_HUB_CONNECTION_STRING",
+    ```
+
+    > 💁 یاد رکھیں - یہ سیٹنگ کی طرف پوائنٹ کرنا چاہیے، اصل کنکشن اسٹرنگ پر مشتمل نہیں ہونا چاہیے۔
+
+1. کنکشن اسٹرنگ میں `eventHubName` ویلیو شامل ہوتی ہے، لہذا `function.json` فائل میں اس کے لیے ویلیو کو خالی کرنا ضروری ہے۔ اس ویلیو کو خالی اسٹرنگ میں اپ ڈیٹ کریں:
+
+    ```json
+    "eventHubName": "",
+    ```
+
+### کام - ایونٹ ٹرگر چلائیں
+
+1. یقینی بنائیں کہ آپ IoT Hub ایونٹ مانیٹر نہیں چلا رہے ہیں۔ اگر یہ Functions ایپ کے ساتھ ایک ہی وقت میں چل رہا ہو، تو Functions ایپ ایونٹس کو کنزیوم نہیں کر سکے گی۔
+
+    > 💁 متعدد ایپس IoT Hub اینڈ پوائنٹس سے مختلف *کنزیومر گروپس* استعمال کرتے ہوئے جڑ سکتی ہیں۔ یہ اگلے سبق میں شامل کیے جائیں گے۔
+
+1. Functions ایپ چلانے کے لیے، VS Code ٹرمینل سے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    func start
+    ```
+
+    Functions ایپ شروع ہو جائے گی، اور `iot-hub-trigger` فنکشن کو دریافت کرے گی۔ یہ IoT Hub کو پچھلے دن میں بھیجے گئے کسی بھی ایونٹس کو پروسیس کرے گی۔
+
+    ```output
+    (.venv) ➜  soil-moisture-trigger func start
+    Found Python version 3.9.1 (python3).
+    
+    Azure Functions Core Tools
+    Core Tools Version:       3.0.3442 Commit hash: 6bfab24b2743f8421475d996402c398d2fe4a9e0  (64-bit)
+    Function Runtime Version: 3.0.15417.0
+    
+    Functions:
+    
+            iot-hub-trigger: eventHubTrigger
+    
+    For detailed output, run func with --verbose flag.
+    [2021-05-05T02:44:07.517Z] Worker process started and initialized.
+    [2021-05-05T02:44:09.202Z] Executing 'Functions.iot-hub-trigger' (Reason='(null)', Id=802803a5-eae9-4401-a1f4-176631456ce4)
+    [2021-05-05T02:44:09.205Z] Trigger Details: PartitionId: 0, Offset: 1011240-1011632, EnqueueTimeUtc: 2021-05-04T19:04:04.2030000Z-2021-05-04T19:04:04.3900000Z, SequenceNumber: 2546-2547, Count: 2
+    [2021-05-05T02:44:09.352Z] Python EventHub trigger processed an event: {"soil_moisture":628}
+    [2021-05-05T02:44:09.354Z] Python EventHub trigger processed an event: {"soil_moisture":624}
+    [2021-05-05T02:44:09.395Z] Executed 'Functions.iot-hub-trigger' (Succeeded, Id=802803a5-eae9-4401-a1f4-176631456ce4, Duration=245ms)
+    ```
+
+    ہر فنکشن کال کے لیے آؤٹ پٹ میں `Executing 'Functions.iot-hub-trigger'`/`Executed 'Functions.iot-hub-trigger'` بلاک ہوگا، تاکہ آپ دیکھ سکیں کہ ہر فنکشن کال میں کتنے پیغامات پروسیس کیے گئے۔
+
+1. یقینی بنائیں کہ آپ کا IoT ڈیوائس چل رہا ہے۔ آپ Functions ایپ میں نئے soil moisture پیغامات دیکھیں گے۔
+
+1. Functions ایپ کو بند کریں اور دوبارہ شروع کریں۔ آپ دیکھیں گے کہ یہ پچھلے پیغامات کو دوبارہ پروسیس نہیں کرے گی، بلکہ صرف نئے پیغامات کو پروسیس کرے گی۔
+
+> 💁 VS Code آپ کے Functions کو ڈیبگ کرنے کی بھی حمایت کرتا ہے۔ آپ کوڈ کی ہر لائن کے آغاز پر بارڈر پر کلک کرکے، یا کوڈ کی لائن پر کرسر رکھ کر اور *Run -> Toggle breakpoint* منتخب کرکے، یا `F9` دباکر بریک پوائنٹس سیٹ کر سکتے ہیں۔ آپ *Run -> Start debugging* منتخب کرکے، `F5` دباکر، یا *Run and debug* پین منتخب کرکے اور **Start debugging** بٹن منتخب کرکے ڈیبگر لانچ کر سکتے ہیں۔ ایسا کرنے سے آپ پروسیس کیے جانے والے ایونٹس کی تفصیلات دیکھ سکتے ہیں۔
+
+#### خرابیوں کا پتہ لگانا
+
+* اگر آپ کو درج ذیل خرابی ملے:
+
+    ```output
+    The listener for function 'Functions.iot-hub-trigger' was unable to start. Microsoft.WindowsAzure.Storage: Connection refused. System.Net.Http: Connection refused. System.Private.CoreLib: Connection refused.
+    ```
+
+    چیک کریں کہ Azurite چل رہا ہے اور آپ نے `local.settings.json` فائل میں `AzureWebJobsStorage` کو `UseDevelopmentStorage=true` پر سیٹ کیا ہے۔
+
+* اگر آپ کو درج ذیل خرابی ملے:
+
+    ```output
+    System.Private.CoreLib: Exception while executing function: Functions.iot-hub-trigger. System.Private.CoreLib: Result: Failure Exception: AttributeError: 'list' object has no attribute 'get_body'
+    ```
+
+    چیک کریں کہ آپ نے `function.json` فائل میں `cardinality` کو `one` پر سیٹ کیا ہے۔
+
+* اگر آپ کو درج ذیل خرابی ملے:
+
+    ```output
+    Azure.Messaging.EventHubs: The path to an Event Hub may be specified as part of the connection string or as a separate value, but not both.  Please verify that your connection string does not have the `EntityPath` token if you are passing an explicit Event Hub name. (Parameter 'connectionString').
+    ```
+
+    چیک کریں کہ آپ نے `function.json` فائل میں `eventHubName` کو خالی اسٹرنگ پر سیٹ کیا ہے۔
+
+## سرور لیس کوڈ سے ڈائریکٹ میتھڈ ریکویسٹ بھیجیں
+
+اب تک آپ کی Functions ایپ IoT Hub سے ایونٹ ہب کمپٹیبل اینڈ پوائنٹ استعمال کرتے ہوئے پیغامات سن رہی ہے۔ اب آپ کو IoT ڈیوائسز کو کمانڈز بھیجنے کی ضرورت ہے۔ یہ IoT Hub سے *Registry Manager* کے ذریعے مختلف کنکشن استعمال کرکے کیا جاتا ہے۔ Registry Manager ایک ٹول ہے جو آپ کو IoT Hub کے ساتھ رجسٹرڈ ڈیوائسز دیکھنے، اور ان ڈیوائسز کے ساتھ کلاؤڈ سے ڈیوائس پیغامات، ڈائریکٹ میتھڈ ریکویسٹ یا ڈیوائس ٹوئن کو اپ ڈیٹ کرنے کی اجازت دیتا ہے۔ آپ اسے IoT Hub سے ڈیوائسز کو رجسٹر، اپ ڈیٹ یا حذف کرنے کے لیے بھی استعمال کر سکتے ہیں۔
+
+Registry Manager سے جڑنے کے لیے، آپ کو ایک کنکشن اسٹرنگ کی ضرورت ہوگی۔
+
+### کام - Registry Manager کنکشن اسٹرنگ حاصل کریں
+
+1. کنکشن اسٹرنگ حاصل کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az iot hub connection-string show --policy-name service \
+                                      --output table \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+    کنکشن اسٹرنگ *ServiceConnect* پالیسی کے لیے `--policy-name service` پیرامیٹر استعمال کرکے طلب کی جاتی ہے۔ جب آپ کنکشن اسٹرنگ طلب کرتے ہیں، تو آپ اس کنکشن اسٹرنگ کو اجازت دینے والی اجازتیں مخصوص کر سکتے ہیں۔ ServiceConnect پالیسی آپ کے کوڈ کو IoT ڈیوائسز سے جڑنے اور پیغامات بھیجنے کی اجازت دیتی ہے۔
+
+    ✅ تحقیق کریں: [IoT Hub permissions documentation](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-security#iot-hub-permissions?WT.mc_id=academic-17441-jabenn) میں مختلف پالیسیوں کے بارے میں پڑھیں۔
+
+1. VS Code میں `local.settings.json` فائل کھولیں۔ `Values` سیکشن کے اندر درج ذیل اضافی ویلیو شامل کریں:
+
+    ```json
+    "REGISTRY_MANAGER_CONNECTION_STRING": "<connection string>"
+    ```
+
+    `<connection string>` کو پچھلے مرحلے سے حاصل کردہ ویلیو سے تبدیل کریں۔ اس کو درست JSON بنانے کے لیے اوپر والی لائن کے بعد ایک کاما شامل کریں۔
+
+### کام - ڈیوائس کو ڈائریکٹ میتھڈ ریکویسٹ بھیجیں
+
+1. Registry Manager کے لیے SDK ایک Pip پیکج کے ذریعے دستیاب ہے۔ `requirements.txt` فائل میں درج ذیل لائن شامل کریں تاکہ اس پیکج پر انحصار شامل کیا جا سکے:
+
+    ```sh
+    azure-iot-hub
+    ```
+
+1. یقینی بنائیں کہ VS Code ٹرمینل میں ورچوئل ماحول فعال ہے، اور درج ذیل کمانڈ چلائیں تاکہ Pip پیکجز انسٹال کیے جا سکیں:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+1. `__init__.py` فائل میں درج ذیل امپورٹس شامل کریں:
+
+    ```python
+    import json
+    import os
+    from azure.iot.hub import IoTHubRegistryManager
+    from azure.iot.hub.models import CloudToDeviceMethod
+    ```
+
+    یہ کچھ سسٹم لائبریریز، Registry Manager کے ساتھ تعامل کرنے اور ڈائریکٹ میتھڈ ریکویسٹ بھیجنے کے لیے لائبریریز امپورٹ کرتا ہے۔
+
+1. `main` میتھڈ کے اندر موجود کوڈ کو ہٹا دیں، لیکن خود میتھڈ کو برقرار رکھیں۔
+
+1. `main` میتھڈ میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    body = json.loads(event.get_body().decode('utf-8'))
+    device_id = event.iothub_metadata['connection-device-id']
+
+    logging.info(f'Received message: {body} from {device_id}')
+    ```
+
+    یہ کوڈ ایونٹ کے باڈی کو نکالتا ہے جس میں IoT ڈیوائس کے ذریعے بھیجا گیا JSON پیغام شامل ہوتا ہے۔
+
+    پھر یہ ایونٹ کے ساتھ دی گئی تشریحات سے ڈیوائس ID حاصل کرتا ہے۔ ایونٹ کے باڈی میں ٹیلیمیٹری کے طور پر بھیجا گیا پیغام شامل ہوتا ہے، جبکہ `iothub_metadata` ڈکشنری میں IoT Hub کے ذریعے سیٹ کی گئی پراپرٹیز شامل ہوتی ہیں جیسے کہ بھیجنے والے ڈیوائس کا ID اور پیغام بھیجنے کا وقت۔
+
+    یہ معلومات پھر لاگ کی جاتی ہیں۔ آپ یہ لاگنگ ٹرمینل میں دیکھیں گے جب آپ Functions ایپ کو لوکل طور پر چلائیں گے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    soil_moisture = body['soil_moisture']
+
+    if soil_moisture > 450:
+        direct_method = CloudToDeviceMethod(method_name='relay_on', payload='{}')
+    else:
+        direct_method = CloudToDeviceMethod(method_name='relay_off', payload='{}')
+    ```
+
+    یہ کوڈ پیغام سے soil moisture حاصل کرتا ہے۔ پھر یہ soil moisture کو چیک کرتا ہے، اور ویلیو کے مطابق `relay_on` یا `relay_off` ڈائریکٹ میتھڈ کے لیے ایک ہیلپر کلاس بناتا ہے۔ میتھڈ ریکویسٹ کو کسی پے لوڈ کی ضرورت نہیں ہوتی، لہذا ایک خالی JSON دستاویز بھیجی جاتی ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    logging.info(f'Sending direct method request for {direct_method.method_name} for device {device_id}')
+
+    registry_manager_connection_string = os.environ['REGISTRY_MANAGER_CONNECTION_STRING']
+    registry_manager = IoTHubRegistryManager(registry_manager_connection_string)
+    ```
+یہ کوڈ `local.settings.json` فائل سے `REGISTRY_MANAGER_CONNECTION_STRING` لوڈ کرتا ہے۔ اس فائل میں موجود قدریں ماحول کے متغیرات کے طور پر دستیاب ہوتی ہیں، اور انہیں `os.environ` فنکشن کے ذریعے پڑھا جا سکتا ہے، جو تمام ماحول کے متغیرات کی ڈکشنری واپس کرتا ہے۔
+
+> 💁 جب یہ کوڈ کلاؤڈ پر تعینات کیا جاتا ہے، تو `local.settings.json` فائل میں موجود قدریں *Application Settings* کے طور پر سیٹ کی جاتی ہیں، اور انہیں ماحول کے متغیرات سے پڑھا جا سکتا ہے۔
+
+اس کے بعد کوڈ کنکشن اسٹرنگ استعمال کرتے ہوئے Registry Manager ہیلپر کلاس کا ایک انسٹینس بناتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    registry_manager.invoke_device_method(device_id, direct_method)
+
+    logging.info('Direct method request sent!')
+    ```
+
+    یہ کوڈ رجسٹری مینیجر کو بتاتا ہے کہ وہ ٹیلی میٹری بھیجنے والے ڈیوائس کو ڈائریکٹ میتھڈ ریکویسٹ بھیجے۔
+
+    > 💁 ایپ کے ان ورژنز میں جو آپ نے پہلے اسباق میں MQTT استعمال کرتے ہوئے بنائے تھے، ریلے کنٹرول کمانڈز تمام ڈیوائسز کو بھیجے جاتے تھے۔ کوڈ نے فرض کیا تھا کہ آپ کے پاس صرف ایک ڈیوائس ہوگا۔ اس ورژن میں کوڈ ایک ہی ڈیوائس کو میتھڈ ریکویسٹ بھیجتا ہے، لہذا یہ کام کرے گا اگر آپ کے پاس نمی سینسرز اور ریلے کے متعدد سیٹ اپ ہوں، اور صحیح ڈائریکٹ میتھڈ ریکویسٹ صحیح ڈیوائس کو بھیجے۔
+
+1. فنکشنز ایپ چلائیں، اور یقینی بنائیں کہ آپ کا IoT ڈیوائس ڈیٹا بھیج رہا ہے۔ آپ دیکھیں گے کہ پیغامات پروسیس ہو رہے ہیں اور ڈائریکٹ میتھڈ ریکویسٹ بھیجے جا رہے ہیں۔ نمی سینسر کو مٹی کے اندر اور باہر حرکت دیں تاکہ قدریں تبدیل ہوں اور ریلے آن اور آف ہو۔
+
+> 💁 آپ یہ کوڈ [code/functions](../../../../../2-farm/lessons/5-migrate-application-to-the-cloud/code/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+## اپنی سرور لیس کوڈ کو کلاؤڈ پر تعینات کریں
+
+آپ کا کوڈ اب مقامی طور پر کام کر رہا ہے، لہذا اگلا مرحلہ فنکشنز ایپ کو کلاؤڈ پر تعینات کرنا ہے۔
+
+### ٹاسک - کلاؤڈ وسائل بنائیں
+
+آپ کی فنکشنز ایپ کو Azure میں فنکشنز ایپ ریسورس پر تعینات کرنے کی ضرورت ہے، جو آپ کے IoT Hub کے لیے بنائے گئے Resource Group کے اندر موجود ہوگا۔ آپ کو Azure میں ایک Storage Account بھی بنانا ہوگا تاکہ مقامی طور پر چلنے والے ایمولیٹڈ اسٹوریج کی جگہ لے سکے۔
+
+1. اسٹوریج اکاؤنٹ بنانے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az storage account create --resource-group soil-moisture-sensor \
+                              --sku Standard_LRS \
+                              --name <storage_name> 
+    ```
+
+    `<storage_name>` کو اپنے اسٹوریج اکاؤنٹ کے لیے ایک نام سے تبدیل کریں۔ یہ نام عالمی طور پر منفرد ہونا چاہیے کیونکہ یہ اسٹوریج اکاؤنٹ تک رسائی کے لیے استعمال ہونے والے URL کا حصہ بنتا ہے۔ اس نام کے لیے آپ صرف چھوٹے حروف اور نمبرز استعمال کر سکتے ہیں، کوئی اور کریکٹر نہیں، اور یہ 24 کریکٹرز تک محدود ہے۔ کچھ ایسا استعمال کریں جیسے `sms` اور آخر میں ایک منفرد شناخت کنندہ شامل کریں، جیسے کچھ بے ترتیب الفاظ یا آپ کا نام۔
+
+    `--sku Standard_LRS` قیمت کے درجے کو منتخب کرتا ہے، سب سے کم قیمت والے جنرل پرپز اکاؤنٹ کو منتخب کرتے ہوئے۔ اسٹوریج کا کوئی مفت درجے نہیں ہے، اور آپ جو استعمال کرتے ہیں اس کی قیمت ادا کرتے ہیں۔ قیمتیں نسبتا کم ہیں، سب سے مہنگا اسٹوریج US$0.05 فی مہینہ فی گیگابائٹ سے کم ہے۔
+
+    ✅ قیمتوں کے بارے میں مزید پڑھیں [Azure Storage Account pricing page](https://azure.microsoft.com/pricing/details/storage/?WT.mc_id=academic-17441-jabenn) پر۔
+
+1. فنکشنز ایپ بنانے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az functionapp create --resource-group soil-moisture-sensor \
+                          --runtime python \
+                          --functions-version 3 \
+                          --os-type Linux \
+                          --consumption-plan-location <location> \
+                          --storage-account <storage_name> \
+                          --name <functions_app_name>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے پچھلے سبق میں Resource Group بناتے وقت استعمال کیا تھا۔
+
+    `<storage_name>` کو اس اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں جو آپ نے پچھلے مرحلے میں بنایا تھا۔
+
+    `<functions_app_name>` کو اپنی فنکشنز ایپ کے لیے ایک منفرد نام سے تبدیل کریں۔ یہ نام عالمی طور پر منفرد ہونا چاہیے کیونکہ یہ فنکشنز ایپ تک رسائی کے لیے استعمال ہونے والے URL کا حصہ بنتا ہے۔ کچھ ایسا استعمال کریں جیسے `soil-moisture-sensor-` اور آخر میں ایک منفرد شناخت کنندہ شامل کریں، جیسے کچھ بے ترتیب الفاظ یا آپ کا نام۔
+
+    `--functions-version 3` آپشن Azure Functions کے استعمال کے ورژن کو سیٹ کرتا ہے۔ ورژن 3 تازہ ترین ورژن ہے۔
+
+    `--os-type Linux` فنکشنز رن ٹائم کو بتاتا ہے کہ ان فنکشنز کی میزبانی کے لیے Linux کو OS کے طور پر استعمال کریں۔ فنکشنز کو Linux یا Windows پر ہوسٹ کیا جا سکتا ہے، استعمال شدہ پروگرامنگ زبان پر منحصر ہے۔ Python ایپس صرف Linux پر سپورٹ کی جاتی ہیں۔
+
+### ٹاسک - اپنی ایپلیکیشن سیٹنگز اپ لوڈ کریں
+
+جب آپ نے اپنی فنکشنز ایپ تیار کی، تو آپ نے `local.settings.json` فائل میں IoT Hub کے کنکشن اسٹرنگز کے لیے کچھ سیٹنگز اسٹور کیں۔ انہیں Azure میں اپنی فنکشنز ایپ کی ایپلیکیشن سیٹنگز میں لکھا جانا چاہیے تاکہ آپ کا کوڈ انہیں استعمال کر سکے۔
+
+> 🎓 `local.settings.json` فائل صرف مقامی ترقیاتی سیٹنگز کے لیے ہے، اور انہیں سورس کوڈ کنٹرول جیسے GitHub میں چیک نہیں کیا جانا چاہیے۔ جب کلاؤڈ پر تعینات کیا جاتا ہے، تو ایپلیکیشن سیٹنگز استعمال کی جاتی ہیں۔ ایپلیکیشن سیٹنگز کلاؤڈ میں ہوسٹ کی گئی key/value جوڑیاں ہیں اور انہیں ماحول کے متغیرات سے پڑھا جاتا ہے، یا تو آپ کے کوڈ میں یا رن ٹائم کے ذریعے جب آپ کا کوڈ IoT Hub سے جڑتا ہے۔
+
+1. فنکشنز ایپ ایپلیکیشن سیٹنگز میں `IOT_HUB_CONNECTION_STRING` سیٹنگ سیٹ کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az functionapp config appsettings set --resource-group soil-moisture-sensor \
+                                          --name <functions_app_name> \
+                                          --settings "IOT_HUB_CONNECTION_STRING=<connection string>"
+    ```
+
+    `<functions_app_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنی فنکشنز ایپ کے لیے استعمال کیا تھا۔
+
+    `<connection string>` کو `local.settings.json` فائل سے `IOT_HUB_CONNECTION_STRING` کی قدر سے تبدیل کریں۔
+
+1. اوپر والا مرحلہ دہرائیں، لیکن `REGISTRY_MANAGER_CONNECTION_STRING` کی قدر کو `local.settings.json` فائل سے متعلقہ قدر پر سیٹ کریں۔
+
+جب آپ یہ کمانڈز چلائیں گے، تو یہ فنکشن ایپ کے لیے تمام ایپلیکیشن سیٹنگز کی فہرست بھی آؤٹ پٹ کریں گے۔ آپ اس کا استعمال یہ چیک کرنے کے لیے کر سکتے ہیں کہ آپ کی قدریں صحیح طریقے سے سیٹ کی گئی ہیں۔
+
+> 💁 آپ ایک قدر پہلے سے سیٹ شدہ دیکھیں گے `AzureWebJobsStorage` کے لیے۔ آپ کی `local.settings.json` فائل میں، یہ قدر مقامی اسٹوریج ایمولیٹر استعمال کرنے کے لیے سیٹ کی گئی تھی۔ جب آپ نے فنکشنز ایپ بنائی، تو آپ نے اسٹوریج اکاؤنٹ کو پیرامیٹر کے طور پر پاس کیا، اور یہ خود بخود اس سیٹنگ میں سیٹ ہو جاتا ہے۔
+
+### ٹاسک - اپنی فنکشنز ایپ کو کلاؤڈ پر تعینات کریں
+
+اب جب کہ فنکشنز ایپ تیار ہے، آپ کا کوڈ تعینات کیا جا سکتا ہے۔
+
+1. اپنی فنکشنز ایپ کو پبلش کرنے کے لیے VS Code ٹرمینل سے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    func azure functionapp publish <functions_app_name>
+    ```
+
+    `<functions_app_name>` کو اس نام سے تبدیل کریں جو آپ نے اپنی فنکشنز ایپ کے لیے استعمال کیا تھا۔
+
+کوڈ کو پیک کیا جائے گا اور فنکشنز ایپ کو بھیجا جائے گا، جہاں اسے تعینات اور شروع کیا جائے گا۔ بہت زیادہ کنسول آؤٹ پٹ ہوگا، جو تعیناتی کی تصدیق اور تعینات کردہ فنکشنز کی فہرست کے ساتھ ختم ہوگا۔ اس صورت میں فہرست میں صرف ٹرگر شامل ہوگا۔
+
+```output
+Deployment successful.
+Remote build succeeded!
+Syncing triggers...
+Functions in soil-moisture-sensor:
+    iot-hub-trigger - [eventHubTrigger]
+```
+
+یقینی بنائیں کہ آپ کا IoT ڈیوائس چل رہا ہے۔ نمی کی سطح کو تبدیل کریں، مٹی کی نمی کو ایڈجسٹ کرکے، یا سینسر کو مٹی کے اندر اور باہر حرکت دے کر۔ آپ دیکھیں گے کہ ریلے مٹی کی نمی کے تبدیل ہونے پر آن اور آف ہو رہا ہے۔
+
+---
+
+## 🚀 چیلنج
+
+پچھلے سبق میں، آپ نے ریلے کے لیے وقت کا انتظام MQTT پیغامات سے ان سبسکرائب کرکے کیا تھا جب ریلے آن تھا، اور تھوڑی دیر کے لیے جب یہ آف ہوا۔ آپ یہاں یہ طریقہ استعمال نہیں کر سکتے - آپ اپنے IoT Hub ٹرگر کو ان سبسکرائب نہیں کر سکتے۔
+
+سوچیں کہ آپ اپنی فنکشنز ایپ میں اس کو ہینڈل کرنے کے لیے مختلف طریقے کیسے استعمال کر سکتے ہیں۔
+
+## لیکچر کے بعد کوئز
+
+[لیکچر کے بعد کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/18)
+
+## جائزہ اور خود مطالعہ
+
+* سرور لیس کمپیوٹنگ کے بارے میں پڑھیں [Serverless Computing page on Wikipedia](https://wikipedia.org/wiki/Serverless_computing) پر۔
+* Azure میں سرور لیس استعمال کرنے کے بارے میں مزید پڑھیں، بشمول کچھ مزید مثالیں [Go serverless for your IoT needs Azure blog post](https://azure.microsoft.com/blog/go-serverless-for-your-iot-needs/?WT.mc_id=academic-17441-jabenn) پر۔
+* Azure Functions کے بارے میں مزید جانیں [Azure Functions YouTube channel](https://www.youtube.com/c/AzureFunctions) پر۔
+
+## اسائنمنٹ
+
+[مینول ریلے کنٹرول شامل کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
new file mode 100644
index 00000000..8f48ecd2
--- /dev/null
+++ b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md
@@ -0,0 +1,70 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c24b6e4d90501c9199f2ceb6a648a337",
+  "translation_date": "2025-08-26T22:41:32+00:00",
+  "source_file": "2-farm/lessons/5-migrate-application-to-the-cloud/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ریلے کے دستی کنٹرول کا اضافہ کریں
+
+## ہدایات
+
+سرور لیس کوڈ کو مختلف چیزوں کے ذریعے متحرک کیا جا سکتا ہے، جن میں HTTP درخواستیں بھی شامل ہیں۔ آپ HTTP ٹرگرز کا استعمال کرتے ہوئے اپنے ریلے کنٹرول میں ایک دستی اوور رائیڈ شامل کر سکتے ہیں، جس سے کسی کو ویب درخواست کے ذریعے ریلے کو آن یا آف کرنے کی اجازت ملتی ہے۔
+
+اس اسائنمنٹ کے لیے، آپ کو اپنے Functions App میں دو HTTP ٹرگرز شامل کرنے کی ضرورت ہے تاکہ ریلے کو آن اور آف کیا جا سکے، اور اس سبق میں سیکھی گئی معلومات کو دوبارہ استعمال کرتے ہوئے ڈیوائس کو کمانڈز بھیجی جا سکیں۔
+
+کچھ اشارے:
+
+* آپ اپنے موجودہ Functions App میں HTTP ٹرگر درج ذیل کمانڈ کے ذریعے شامل کر سکتے ہیں:
+
+    ```sh
+    func new --name <trigger name> --template "HTTP trigger"
+    ```
+
+    `<trigger name>` کو اپنے HTTP ٹرگر کے نام سے تبدیل کریں۔ جیسے `relay_on` اور `relay_off` استعمال کریں۔
+
+* HTTP ٹرگرز میں رسائی کنٹرول ہو سکتا ہے۔ ڈیفالٹ کے طور پر، انہیں چلانے کے لیے URL کے ساتھ ایک فنکشن-اسپیسفک API کلید کی ضرورت ہوتی ہے۔ اس اسائنمنٹ کے لیے، آپ اس پابندی کو ہٹا سکتے ہیں تاکہ کوئی بھی فنکشن چلا سکے۔ ایسا کرنے کے لیے، HTTP ٹرگرز کے لیے `function.json` فائل میں `authLevel` سیٹنگ کو درج ذیل میں اپ ڈیٹ کریں:
+
+    ```json
+    "authLevel": "anonymous"
+    ```
+
+    > 💁 آپ اس رسائی کنٹرول کے بارے میں مزید معلومات [Function access keys documentation](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn#authorization-keys) میں پڑھ سکتے ہیں۔
+
+* HTTP ٹرگرز ڈیفالٹ کے طور پر GET اور POST درخواستوں کو سپورٹ کرتے ہیں۔ اس کا مطلب ہے کہ آپ انہیں اپنے ویب براؤزر کے ذریعے کال کر سکتے ہیں - ویب براؤزرز GET درخواستیں بھیجتے ہیں۔
+
+    جب آپ اپنے Functions App کو مقامی طور پر چلاتے ہیں، تو آپ کو ٹرگر کا URL نظر آئے گا:
+
+    ```output
+    Functions:
+
+        relay_off: [GET,POST] http://localhost:7071/api/relay_off
+
+        relay_on: [GET,POST] http://localhost:7071/api/relay_on
+
+        iot-hub-trigger: eventHubTrigger
+    ```
+
+    URL کو اپنے براؤزر میں پیسٹ کریں اور `return` دبائیں، یا VS کوڈ میں ٹرمینل ونڈو میں لنک پر `Ctrl+click` (`Cmd+click` macOS پر) کریں تاکہ یہ آپ کے ڈیفالٹ براؤزر میں کھل جائے۔ یہ ٹرگر کو چلائے گا۔
+
+    > 💁 نوٹ کریں کہ URL میں `/api` شامل ہے - HTTP ٹرگرز ڈیفالٹ کے طور پر `api` سب ڈومین میں ہوتے ہیں۔
+
+* جب آپ Functions App کو ڈپلائے کرتے ہیں، تو HTTP ٹرگر URL یہ ہوگا:
+
+    `https://<functions app name>.azurewebsites.net/api/<trigger name>`
+
+    جہاں `<functions app name>` آپ کے Functions App کا نام ہے، اور `<trigger name>` آپ کے ٹرگر کا نام ہے۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | -------------- |
+| HTTP ٹرگرز بنائیں | ریلے کو آن اور آف کرنے کے لیے 2 ٹرگرز بنائے، مناسب ناموں کے ساتھ | ایک ٹرگر بنایا، مناسب نام کے ساتھ | کوئی ٹرگر بنانے میں ناکام رہا |
+| HTTP ٹرگرز سے ریلے کنٹرول کریں | دونوں ٹرگرز کو IoT Hub سے جوڑنے اور ریلے کو مناسب طریقے سے کنٹرول کرنے میں کامیاب رہا | ایک ٹرگر کو IoT Hub سے جوڑنے اور ریلے کو مناسب طریقے سے کنٹرول کرنے میں کامیاب رہا | ٹرگرز کو IoT Hub سے جوڑنے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md
new file mode 100644
index 00000000..33e27a3a
--- /dev/null
+++ b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md
@@ -0,0 +1,243 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "81c437c568eee1b0dda1f04e88150d37",
+  "translation_date": "2025-08-26T23:04:10+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/README.md",
+  "language_code": "ur"
+}
+-->
+# اپنے پودے کو محفوظ رکھیں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/19)
+
+## تعارف
+
+پچھلے چند اسباق میں آپ نے ایک مٹی کی نگرانی کرنے والا IoT آلہ بنایا اور اسے کلاؤڈ سے منسلک کیا۔ لیکن اگر حریف کسان کے لیے کام کرنے والے ہیکرز آپ کے IoT آلات پر قابو پا لیں تو کیا ہوگا؟ اگر وہ مٹی کی نمی کی زیادہ ریڈنگز بھیجیں تاکہ آپ کے پودوں کو کبھی پانی نہ ملے، یا آپ کے پانی کے نظام کو مسلسل چلنے پر مجبور کر دیں، جس سے آپ کے پودے زیادہ پانی کی وجہ سے مر جائیں اور آپ کو پانی کے بل میں بھاری نقصان ہو؟
+
+اس سبق میں آپ IoT آلات کو محفوظ بنانے کے بارے میں سیکھیں گے۔ چونکہ یہ اس پروجیکٹ کا آخری سبق ہے، آپ یہ بھی سیکھیں گے کہ اپنے کلاؤڈ وسائل کو کیسے صاف کریں تاکہ ممکنہ اخراجات کم کیے جا سکیں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [آپ کو IoT آلات کو محفوظ بنانے کی ضرورت کیوں ہے؟](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [کرپٹوگرافی](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [اپنے IoT آلات کو محفوظ بنائیں](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+* [X.509 سرٹیفکیٹ بنائیں اور استعمال کریں](../../../../../2-farm/lessons/6-keep-your-plant-secure)
+
+> 🗑 یہ اس پروجیکٹ کا آخری سبق ہے، لہذا سبق اور اسائنمنٹ مکمل کرنے کے بعد، اپنے کلاؤڈ سروسز کو صاف کرنا نہ بھولیں۔ آپ کو اسائنمنٹ مکمل کرنے کے لیے ان سروسز کی ضرورت ہوگی، لہذا پہلے اسائنمنٹ مکمل کریں۔
+>
+> اگر ضرورت ہو تو [اپنے پروجیکٹ کو صاف کرنے کی گائیڈ](../../../clean-up.md) سے ہدایات حاصل کریں۔
+
+## آپ کو IoT آلات کو محفوظ بنانے کی ضرورت کیوں ہے؟
+
+IoT سیکیورٹی کا مطلب یہ ہے کہ صرف متوقع آلات آپ کے کلاؤڈ IoT سروس سے جڑ سکیں اور ٹیلی میٹری بھیج سکیں، اور صرف آپ کی کلاؤڈ سروس آپ کے آلات کو کمانڈ بھیج سکے۔ IoT ڈیٹا ذاتی بھی ہو سکتا ہے، جیسے طبی یا نجی ڈیٹا، اس لیے آپ کی پوری ایپلیکیشن کو سیکیورٹی کو مدنظر رکھنا ہوگا تاکہ یہ ڈیٹا لیک نہ ہو۔
+
+اگر آپ کی IoT ایپلیکیشن محفوظ نہیں ہے، تو کئی خطرات ہو سکتے ہیں:
+
+* ایک جعلی آلہ غلط ڈیٹا بھیج سکتا ہے، جس کی وجہ سے آپ کی ایپلیکیشن غلط ردعمل دے سکتی ہے۔ مثال کے طور پر، وہ مسلسل مٹی کی زیادہ نمی کی ریڈنگز بھیج سکتے ہیں، جس کی وجہ سے آپ کا آبپاشی نظام کبھی آن نہ ہو اور آپ کے پودے پانی کی کمی سے مر جائیں۔
+* غیر مجاز صارفین IoT آلات سے ڈیٹا پڑھ سکتے ہیں، جس میں ذاتی یا کاروباری اہم ڈیٹا شامل ہو سکتا ہے۔
+* ہیکرز آلات کو ایسے طریقے سے کنٹرول کرنے کے لیے کمانڈ بھیج سکتے ہیں جو آلے یا منسلک ہارڈویئر کو نقصان پہنچا سکتا ہے۔
+* IoT آلے سے جڑ کر، ہیکرز اضافی نیٹ ورکس تک رسائی حاصل کر سکتے ہیں اور نجی سسٹمز تک پہنچ سکتے ہیں۔
+* بدنیتی پر مبنی صارفین ذاتی ڈیٹا تک رسائی حاصل کر سکتے ہیں اور اسے بلیک میل کے لیے استعمال کر سکتے ہیں۔
+
+یہ حقیقی دنیا کے منظرنامے ہیں، اور یہ اکثر ہوتے ہیں۔ کچھ مثالیں پہلے کے اسباق میں دی گئی تھیں، لیکن یہاں کچھ اور ہیں:
+
+* 2018 میں، ہیکرز نے ایک مچھلی کے ٹینک کے تھرموسٹیٹ پر کھلے وائی فائی ایکسیس پوائنٹ کا استعمال کرتے ہوئے ایک کیسینو کے نیٹ ورک تک رسائی حاصل کی اور ڈیٹا چوری کیا۔ [The Hacker News - Casino Gets Hacked Through Its Internet-Connected Fish Tank Thermometer](https://thehackernews.com/2018/04/iot-hacking-thermometer.html)
+* 2016 میں، میرائی بوٹ نیٹ نے Dyn، ایک انٹرنیٹ سروس پرووائیڈر، پر ڈینائل آف سروس حملہ کیا، جس سے انٹرنیٹ کے بڑے حصے بند ہو گئے۔ اس بوٹ نیٹ نے DVRs اور کیمروں جیسے IoT آلات کو استعمال کیا جو ڈیفالٹ یوزر نیم اور پاس ورڈ استعمال کرتے تھے، اور وہاں سے حملہ کیا۔ [The Guardian - DDoS attack that disrupted internet was largest of its kind in history, experts say](https://www.theguardian.com/technology/2016/oct/26/ddos-attack-dyn-mirai-botnet)
+* Spiral Toys نے اپنے CloudPets کنیکٹڈ کھلونوں کے صارفین کا ڈیٹا انٹرنیٹ پر عوامی طور پر دستیاب رکھا۔ [Troy Hunt - Data from connected CloudPets teddy bears leaked and ransomed, exposing kids' voice messages](https://www.troyhunt.com/data-from-connected-cloudpets-teddy-bears-leaked-and-ransomed-exposing-kids-voice-messages/).
+* Strava نے دوڑنے والوں کو ٹیگ کیا جن کے پاس سے آپ گزرے اور ان کے راستے دکھائے، جس سے اجنبیوں کو مؤثر طریقے سے یہ معلوم ہو سکتا تھا کہ آپ کہاں رہتے ہیں۔ [Kim Komndo - Fitness app could lead a stranger right to your home — change this setting](https://www.komando.com/security-privacy/strava-fitness-app-privacy/755349/).
+
+✅ تحقیق کریں: مزید IoT ہیکس اور IoT ڈیٹا کی خلاف ورزیوں کی مثالیں تلاش کریں، خاص طور پر ذاتی اشیاء جیسے انٹرنیٹ سے جڑے ٹوتھ برش یا اسکیلز کے ساتھ۔ ان ہیکس کے متاثرین یا صارفین پر کیا اثرات ہو سکتے ہیں، اس پر غور کریں۔
+
+> 💁 سیکیورٹی ایک بہت بڑا موضوع ہے، اور یہ سبق صرف بنیادی باتوں پر روشنی ڈالے گا، خاص طور پر آپ کے آلے کو کلاؤڈ سے منسلک کرنے کے حوالے سے۔ دیگر موضوعات جیسے ڈیٹا کی منتقلی کے دوران تبدیلیوں کی نگرانی، آلات کو براہ راست ہیک کرنا، یا آلات کی کنفیگریشن میں تبدیلیاں شامل نہیں ہوں گی۔ IoT ہیکنگ اتنا بڑا خطرہ ہے کہ [Azure Defender for IoT](https://azure.microsoft.com/services/azure-defender-for-iot/?WT.mc_id=academic-17441-jabenn) جیسے ٹولز تیار کیے گئے ہیں۔ یہ ٹولز آپ کے کمپیوٹر پر موجود اینٹی وائرس اور سیکیورٹی ٹولز کی طرح ہیں، لیکن چھوٹے، کم طاقت والے IoT آلات کے لیے ڈیزائن کیے گئے ہیں۔
+
+## کرپٹوگرافی
+
+جب کوئی آلہ IoT سروس سے جڑتا ہے، تو یہ اپنی شناخت کے لیے ایک ID استعمال کرتا ہے۔ مسئلہ یہ ہے کہ اس ID کو کلون کیا جا سکتا ہے - ایک ہیکر ایک بدنیتی پر مبنی آلہ سیٹ کر سکتا ہے جو ایک حقیقی آلے کی طرح ID استعمال کرتا ہے لیکن جعلی ڈیٹا بھیجتا ہے۔
+
+![ایک حقیقی اور بدنیتی پر مبنی آلہ ایک ہی ID استعمال کر کے ٹیلی میٹری بھیج سکتے ہیں](../../../../../translated_images/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.ur.png)
+
+اس کا حل یہ ہے کہ بھیجے جانے والے ڈیٹا کو ایک خفیہ شکل میں تبدیل کیا جائے، جس کے لیے ایک ایسی ویلیو استعمال کی جائے جو صرف آلے اور کلاؤڈ کو معلوم ہو۔ اس عمل کو *انکرپشن* کہا جاتا ہے، اور ڈیٹا کو انکرپٹ کرنے کے لیے استعمال ہونے والی ویلیو کو *انکرپشن کی* کہا جاتا ہے۔
+
+![اگر انکرپشن استعمال کی جائے، تو صرف انکرپٹڈ پیغامات قبول کیے جائیں گے، دیگر مسترد کر دیے جائیں گے](../../../../../translated_images/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.ur.png)
+
+کلاؤڈ سروس پھر ڈیٹا کو ایک قابلِ پڑھائی شکل میں تبدیل کر سکتی ہے، جسے *ڈی کرپشن* کہا جاتا ہے، اور یہ یا تو وہی انکرپشن کی استعمال کر کے یا ایک *ڈی کرپشن کی* کے ذریعے کیا جاتا ہے۔ اگر انکرپٹڈ پیغام کو کی کے ذریعے ڈی کرپٹ نہ کیا جا سکے، تو آلہ ہیک ہو چکا ہے اور پیغام مسترد کر دیا جاتا ہے۔
+
+ڈیٹا کو انکرپٹ اور ڈی کرپٹ کرنے کی تکنیک کو *کرپٹوگرافی* کہا جاتا ہے۔
+
+### ابتدائی کرپٹوگرافی
+
+کرپٹوگرافی کی ابتدائی اقسام سبسٹیٹیوشن سائفرز تھیں، جو 3,500 سال پرانی ہیں۔ سبسٹیٹیوشن سائفرز میں ایک حرف کو دوسرے سے تبدیل کیا جاتا ہے۔ مثال کے طور پر، [سیزر سائفر](https://wikipedia.org/wiki/Caesar_cipher) میں حروف تہجی کو ایک مقررہ مقدار سے شفٹ کیا جاتا ہے، اور صرف پیغام بھیجنے والے اور وصول کنندہ کو معلوم ہوتا ہے کہ کتنے حروف شفٹ کیے گئے ہیں۔
+
+[ویجینیر سائفر](https://wikipedia.org/wiki/Vigenère_cipher) نے اس کو مزید آگے بڑھایا، جہاں الفاظ کو متن انکرپٹ کرنے کے لیے استعمال کیا گیا، تاکہ اصل متن کے ہر حرف کو مختلف مقدار سے شفٹ کیا جائے، بجائے اس کے کہ ہمیشہ ایک ہی تعداد میں شفٹ کیا جائے۔
+
+کرپٹوگرافی کو مختلف مقاصد کے لیے استعمال کیا گیا، جیسے قدیم میسوپوٹامیا میں برتن کے گلیز کے نسخے کی حفاظت، بھارت میں خفیہ محبت کے خطوط لکھنے، یا قدیم مصری جادوئی منتر کو خفیہ رکھنے کے لیے۔
+
+### جدید کرپٹوگرافی
+
+جدید کرپٹوگرافی بہت زیادہ ترقی یافتہ ہے، اور ابتدائی طریقوں کے مقابلے میں اسے توڑنا زیادہ مشکل ہے۔ جدید کرپٹوگرافی پیچیدہ ریاضی کا استعمال کرتی ہے تاکہ ڈیٹا کو انکرپٹ کیا جا سکے، اور اس میں اتنے زیادہ ممکنہ کیز ہوتے ہیں کہ برٹ فورس حملے ممکن نہیں رہتے۔
+
+کرپٹوگرافی کو محفوظ مواصلات کے لیے مختلف طریقوں سے استعمال کیا جاتا ہے۔ اگر آپ یہ صفحہ GitHub پر پڑھ رہے ہیں، تو آپ نے دیکھا ہوگا کہ ویب سائٹ کا پتہ *HTTPS* سے شروع ہوتا ہے، جس کا مطلب ہے کہ آپ کے براؤزر اور GitHub کے ویب سرورز کے درمیان مواصلات انکرپٹڈ ہیں۔ اگر کوئی آپ کے براؤزر اور GitHub کے درمیان بہنے والے انٹرنیٹ ٹریفک کو پڑھنے کی کوشش کرے، تو وہ ڈیٹا نہیں پڑھ سکے گا کیونکہ یہ انکرپٹڈ ہے۔ آپ کا کمپیوٹر آپ کی ہارڈ ڈرائیو پر موجود تمام ڈیٹا کو بھی انکرپٹ کر سکتا ہے تاکہ اگر کوئی اسے چرا لے، تو وہ آپ کے ڈیٹا کو آپ کے پاس ورڈ کے بغیر نہ پڑھ سکے۔
+
+> 🎓 HTTPS کا مطلب ہے HyperText Transfer Protocol **Secure**
+
+بدقسمتی سے، سب کچھ محفوظ نہیں ہے۔ کچھ آلات میں کوئی سیکیورٹی نہیں ہوتی، کچھ آسانی سے توڑنے والی کیز استعمال کرتے ہیں، یا کبھی کبھی ایک ہی قسم کے تمام آلات ایک ہی کی استعمال کرتے ہیں۔ بہت ذاتی IoT آلات کے ایسے واقعات سامنے آئے ہیں جن میں تمام آلات کے پاس وائی فائی یا بلوٹوتھ کے ذریعے جڑنے کے لیے ایک ہی پاس ورڈ ہوتا ہے۔ اگر آپ اپنے آلے سے جڑ سکتے ہیں، تو آپ کسی اور کے آلے سے بھی جڑ سکتے ہیں۔ ایک بار جڑنے کے بعد آپ بہت نجی ڈیٹا تک رسائی حاصل کر سکتے ہیں، یا ان کے آلے پر کنٹرول حاصل کر سکتے ہیں۔
+
+> 💁 جدید کرپٹوگرافی کی پیچیدگیوں اور اس دعوے کے باوجود کہ انکرپشن کو توڑنے میں اربوں سال لگ سکتے ہیں، کوانٹم کمپیوٹنگ کے عروج نے یہ امکان پیدا کر دیا ہے کہ تمام معلوم انکرپشن کو بہت کم وقت میں توڑا جا سکتا ہے!
+
+### سمِیٹرک اور اسِمِیٹرک کیز
+
+انکرپشن دو اقسام کی ہوتی ہے - سمِیٹرک اور اسِمِیٹرک۔
+
+**سمِیٹرک** انکرپشن ایک ہی کی کو ڈیٹا انکرپٹ اور ڈی کرپٹ کرنے کے لیے استعمال کرتی ہے۔ بھیجنے والے اور وصول کنندہ دونوں کو ایک ہی کی معلوم ہونی چاہیے۔ یہ کم محفوظ قسم ہے، کیونکہ کی کو کسی نہ کسی طرح شیئر کرنا پڑتا ہے۔ بھیجنے والے کو پیغام انکرپٹ کرنے سے پہلے وصول کنندہ کو کی بھیجنی پڑ سکتی ہے۔
+
+![سمِیٹرک کی انکرپشن ایک ہی کی کو پیغام انکرپٹ اور ڈی کرپٹ کرنے کے لیے استعمال کرتی ہے](../../../../../translated_images/send-message-symmetric-key.a2e8ad0d495896ffcdf15d25bb4491c695a5cb851457b359fb0f0c89d67707c9.ur.png)
+
+اگر کی ٹرانزٹ میں چوری ہو جائے، یا بھیجنے والے یا وصول کنندہ کو ہیک کر لیا جائے اور کی معلوم ہو جائے، تو انکرپشن کو توڑا جا سکتا ہے۔
+
+![سمِیٹرک کی انکرپشن صرف اس وقت محفوظ ہے جب ہیکر کی حاصل نہ کرے - اگر ایسا ہو تو وہ پیغام کو انٹرسیپٹ اور ڈی کرپٹ کر سکتا ہے](../../../../../translated_images/send-message-symmetric-key-hacker.e7cb53db1707adfb1486a8144060cb76435fe8dbdede8cecc09e7d15b2d9a251.ur.png)
+
+**اسِمِیٹرک** انکرپشن دو کیز استعمال کرتی ہے - ایک انکرپشن کی اور ایک ڈی کرپشن کی، جنہیں پبلک/پرائیویٹ کی جوڑا کہا جاتا ہے۔ پبلک کی پیغام انکرپٹ کرنے کے لیے استعمال ہوتی ہے، لیکن اسے ڈی کرپٹ کرنے کے لیے استعمال نہیں کیا جا سکتا، جبکہ پرائیویٹ کی پیغام کو ڈی کرپٹ کرنے کے لیے استعمال ہوتی ہے لیکن اسے انکرپٹ کرنے کے لیے استعمال نہیں کیا جا سکتا۔
+
+![اسِمِیٹرک انکرپشن انکرپٹ اور ڈی کرپٹ کرنے کے لیے مختلف کیز استعمال کرتی ہے۔ انکرپشن کی کسی بھی پیغام بھیجنے والے کو بھیجی جاتی ہے تاکہ وہ پیغام انکرپٹ کر کے وصول کنندہ کو بھیج سکے، جو کیز کا مالک ہے](../../../../../translated_images/send-message-asymmetric.7abe327c62615b8c19805252af5d4b6c5e7aaeb8fbc455efeff866fe2d300b62.ur.png)
+
+وصول کنندہ اپنی پبلک کی شیئر کرتا ہے، اور بھیجنے والا اسے پیغام انکرپٹ کرنے کے لیے استعمال کرتا ہے۔ ایک بار پیغام بھیج دیا جائے، تو وصول کنندہ اسے اپنی پرائیویٹ کی کے ذریعے ڈی کرپٹ کرتا ہے۔ اسِمِیٹرک انکرپشن زیادہ محفوظ ہے کیونکہ پرائیویٹ کی وصول کنندہ کے پاس نجی رہتی ہے اور کبھی شیئر نہیں کی جاتی۔ پبلک کی کسی کے پاس بھی ہو سکتی ہے کیونکہ یہ صرف پیغامات انکرپٹ کرنے کے لیے استعمال ہوتی ہے۔
+
+سمِیٹرک انکرپشن اسِمِیٹرک انکرپشن سے تیز ہے، لیکن اسِمِیٹرک زیادہ محفوظ ہے۔ کچھ سسٹمز دونوں کا استعمال کرتے ہیں - اسِمِیٹرک انکرپشن کو سمِیٹرک کی انکرپٹ اور شیئر کرنے کے لیے استعمال کرتے ہیں، اور پھر سمِیٹرک کی کو تمام ڈیٹا انکرپٹ کرنے کے لیے استعمال کرتے ہیں۔ یہ بھیجنے والے اور وصول کنندہ کے درمیان سمِیٹرک کی کو شیئر کرنے کو زیادہ محفوظ بناتا ہے، اور ڈیٹا انکرپٹ اور ڈی کرپٹ کرنے میں تیزی لاتا ہے۔
+
+## اپنے IoT آلات کو محفوظ بنائیں
+
+IoT آلات کو سمِیٹرک یا اسِمِیٹرک انکرپشن کے ذریعے محفوظ بنایا جا سکتا ہے۔ سمِیٹرک آسان ہے، لیکن کم محفوظ۔
+
+### سمِیٹرک کیز
+
+جب آپ نے اپنے IoT آلے کو IoT Hub کے ساتھ تعامل کرنے کے لیے سیٹ اپ کیا، تو آپ نے ایک کنکشن اسٹرنگ استعمال کی۔ ایک مثال کنکشن اسٹرنگ یہ ہے:
+
+```output
+HostName=soil-moisture-sensor.azure-devices.net;DeviceId=soil-moisture-sensor;SharedAccessKey=Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=
+```
+
+یہ کنکشن اسٹرنگ تین حصوں پر مشتمل ہے، جو سیمی کولنز کے ذریعے الگ کیے گئے ہیں، اور ہر حصہ ایک کی اور ایک ویلیو پر مشتمل ہے:
+
+| کی | ویلیو | وضاحت |
+| --- | ----- | ----------- |
+| HostName | `soil-moisture-sensor.azure-devices.net` | IoT Hub کا URL |
+| DeviceId | `soil-moisture-sensor` | آلے کا منفرد ID |
+| SharedAccessKey | `Bhry+ind7kKEIDxubK61RiEHHRTrPl7HUow8cEm/mU0=` | ایک سمِیٹرک کی جو آلے اور IoT Hub کو معلوم ہے |
+
+کنکشن اسٹرنگ کا آخری حصہ، `SharedAccessKey`، وہ سمِیٹرک کی ہے جو آلے اور IoT Hub دونوں کو معلوم ہے۔ یہ کی کبھی آلے سے کلاؤڈ یا کلاؤڈ سے آلے تک نہیں بھیجی جاتی۔ اس کے بجائے، یہ بھیجے یا وصول کیے گئے ڈیٹا کو انکرپٹ کرنے کے لیے استعمال ہوتی ہے۔
+
+✅ ایک تجربہ کریں۔ آپ کے خیال میں کیا ہوگا اگر آپ اپنے IoT آلے کو کنیکٹ کرتے وقت کنکشن اسٹرنگ کے `SharedAccessKey` حصے کو تبدیل کر دیں؟ اسے آزما کر دیکھیں۔
+
+جب آلہ پہلی بار کنیکٹ کرنے کی کوشش کرتا ہے، تو یہ ایک شیئرڈ ایکسیس سگنیچر (SAS) ٹوکن بھیجتا ہے، جس میں IoT Hub کا URL، ایک ٹائم اسٹیمپ جس پر ایکسیس سگنیچر ختم ہو جائے گا (عام طور پر موجودہ وقت سے 1 دن)، اور ایک سگنیچر شامل ہوتا ہے۔ یہ سگنیچر URL اور ایکسپائری وقت پر مشتمل ہوتا ہے، جو کنکشن اسٹرنگ کے شیئرڈ ایکسیس کی کے ذریعے انکرپٹ کیا جاتا ہے۔
+
+IoT Hub اس سگنیچر کو شیئرڈ ایکسیس کی کے ذریعے ڈی کرپ
+💁 چونکہ آپ کے IoT ڈیوائس کی میعاد ختم ہونے کا وقت مقرر ہے، اس لیے اسے درست وقت معلوم ہونا ضروری ہے، جو عام طور پر ایک [NTP](https://wikipedia.org/wiki/Network_Time_Protocol) سرور سے حاصل کیا جاتا ہے۔ اگر وقت درست نہ ہو تو کنکشن ناکام ہو جائے گا۔
+کنکشن کے بعد، تمام ڈیٹا جو IoT Hub سے ڈیوائس کو یا ڈیوائس سے IoT Hub کو بھیجا جائے گا، مشترکہ ایکسیس کی کے کے ذریعے انکرپٹ کیا جائے گا۔
+
+✅ آپ کے خیال میں کیا ہوگا اگر متعدد ڈیوائسز ایک ہی کنکشن اسٹرنگ شیئر کریں؟
+
+> 💁 کوڈ میں اس کی کو اسٹور کرنا ایک خراب سیکیورٹی عمل ہے۔ اگر کوئی ہیکر آپ کا سورس کوڈ حاصل کر لے، تو وہ آپ کی کی بھی حاصل کر سکتا ہے۔ اس کے علاوہ، کوڈ ریلیز کرتے وقت یہ مشکل ہو جاتا ہے کیونکہ ہر ڈیوائس کے لیے اپڈیٹڈ کی کے ساتھ دوبارہ کمپائل کرنا پڑتا ہے۔ بہتر یہ ہے کہ اس کی کو ہارڈویئر سیکیورٹی ماڈیول سے لوڈ کریں - IoT ڈیوائس پر ایک چپ جو انکرپٹڈ ویلیوز کو اسٹور کرتی ہے اور آپ کے کوڈ کے ذریعے پڑھی جا سکتی ہے۔
+>
+> IoT سیکھتے وقت، جیسا کہ آپ نے پہلے سبق میں کیا، کوڈ میں کی ڈالنا آسان ہوتا ہے، لیکن آپ کو یہ یقینی بنانا ہوگا کہ یہ کی پبلک سورس کوڈ کنٹرول میں چیک نہ ہو۔
+
+ڈیوائسز کے پاس 2 کیز اور 2 متعلقہ کنکشن اسٹرنگز ہوتی ہیں۔ اس سے آپ کو کیز کو گھمانے کی سہولت ملتی ہے - یعنی اگر پہلی کی کمپرو مائز ہو جائے تو دوسری کی پر سوئچ کریں اور پہلی کی کو دوبارہ جنریٹ کریں۔
+
+### X.509 سرٹیفکیٹس
+
+جب آپ پبلک/پرائیویٹ کی پیئر کے ساتھ اسمیٹرک انکرپشن استعمال کر رہے ہوں، تو آپ کو اپنا پبلک کی ان لوگوں کو فراہم کرنا ہوگا جو آپ کو ڈیٹا بھیجنا چاہتے ہیں۔ مسئلہ یہ ہے کہ آپ کے کی کا وصول کنندہ کیسے یقین کرے کہ یہ واقعی آپ کا پبلک کی ہے، نہ کہ کوئی اور جو آپ ہونے کا دعویٰ کر رہا ہو؟ کی فراہم کرنے کے بجائے، آپ اپنا پبلک کی ایک سرٹیفکیٹ کے اندر فراہم کر سکتے ہیں جسے ایک قابل اعتماد تیسرے فریق نے تصدیق کیا ہو، جسے X.509 سرٹیفکیٹ کہا جاتا ہے۔
+
+X.509 سرٹیفکیٹس ڈیجیٹل دستاویزات ہیں جو پبلک/پرائیویٹ کی پیئر کے پبلک کی حصے پر مشتمل ہوتی ہیں۔ یہ عام طور پر ایک قابل اعتماد تنظیم، جسے [سرٹیفکیٹ اتھارٹیز](https://wikipedia.org/wiki/Certificate_authority) (CAs) کہا جاتا ہے، کے ذریعے جاری کیے جاتے ہیں اور CA کے ذریعے ڈیجیٹل طور پر سائن کیے جاتے ہیں تاکہ یہ ظاہر ہو کہ کی درست ہے اور آپ کی طرف سے ہے۔ آپ سرٹیفکیٹ پر اعتماد کرتے ہیں اور یہ کہ پبلک کی اس شخص کا ہے جس کا سرٹیفکیٹ کہتا ہے، کیونکہ آپ CA پر اعتماد کرتے ہیں، بالکل اسی طرح جیسے آپ پاسپورٹ یا ڈرائیونگ لائسنس پر اعتماد کرتے ہیں کیونکہ آپ اس ملک پر اعتماد کرتے ہیں جو اسے جاری کرتا ہے۔ سرٹیفکیٹس کی قیمت ہوتی ہے، لہذا آپ 'سیلف سائن' بھی کر سکتے ہیں، یعنی ایک سرٹیفکیٹ خود بنائیں جو آپ کے ذریعے سائن کیا گیا ہو، ٹیسٹنگ کے مقاصد کے لیے۔
+
+> 💁 پروڈکشن ریلیز کے لیے کبھی بھی سیلف سائنڈ سرٹیفکیٹ استعمال نہ کریں۔
+
+ان سرٹیفکیٹس میں کئی فیلڈز ہوتی ہیں، جن میں شامل ہیں کہ پبلک کی کس کا ہے، CA کی تفصیلات جس نے اسے جاری کیا، یہ کتنے عرصے کے لیے درست ہے، اور خود پبلک کی۔ سرٹیفکیٹ استعمال کرنے سے پہلے، یہ تصدیق کرنا اچھا عمل ہے کہ یہ اصل CA کے ذریعے سائن کیا گیا تھا۔
+
+✅ آپ سرٹیفکیٹ میں موجود فیلڈز کی مکمل فہرست [Microsoft Understanding X.509 Public Key Certificates tutorial](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-certificates?WT.mc_id=academic-17441-jabenn#certificate-fields) میں پڑھ سکتے ہیں۔
+
+جب X.509 سرٹیفکیٹس استعمال کیے جاتے ہیں، تو بھیجنے والے اور وصول کرنے والے دونوں کے پاس اپنے پبلک اور پرائیویٹ کیز ہوتے ہیں، اور دونوں کے پاس X.509 سرٹیفکیٹس ہوتے ہیں جن میں پبلک کی شامل ہوتا ہے۔ وہ کسی طرح ایک دوسرے کے X.509 سرٹیفکیٹس کا تبادلہ کرتے ہیں، ایک دوسرے کے پبلک کیز کو ڈیٹا انکرپٹ کرنے کے لیے استعمال کرتے ہیں جو وہ بھیجتے ہیں، اور اپنے پرائیویٹ کی کو ڈیٹا ڈی کرپٹ کرنے کے لیے استعمال کرتے ہیں جو وہ وصول کرتے ہیں۔
+
+![پبلک کی شیئر کرنے کے بجائے، آپ سرٹیفکیٹ شیئر کر سکتے ہیں۔ سرٹیفکیٹ کا استعمال کرنے والا یہ تصدیق کر سکتا ہے کہ یہ آپ کی طرف سے آیا ہے، سرٹیفکیٹ اتھارٹی سے چیک کر کے جس نے اسے سائن کیا۔](../../../../../translated_images/send-message-certificate.9cc576ac1e46b76eb58ebc8eedaa522566fa0700076da46f5180aad78c2435db.ur.png)
+
+X.509 سرٹیفکیٹس کا ایک بڑا فائدہ یہ ہے کہ انہیں ڈیوائسز کے درمیان شیئر کیا جا سکتا ہے۔ آپ ایک سرٹیفکیٹ بنا سکتے ہیں، اسے IoT Hub پر اپلوڈ کر سکتے ہیں، اور اسے اپنی تمام ڈیوائسز کے لیے استعمال کر سکتے ہیں۔ ہر ڈیوائس کو صرف پرائیویٹ کی جاننے کی ضرورت ہوتی ہے تاکہ وہ پیغامات کو ڈی کرپٹ کر سکے جو اسے IoT Hub سے موصول ہوتے ہیں۔
+
+آپ کی ڈیوائس کے ذریعے IoT Hub کو بھیجے گئے پیغامات کو انکرپٹ کرنے کے لیے استعمال ہونے والا سرٹیفکیٹ مائیکروسافٹ کے ذریعے شائع کیا جاتا ہے۔ یہ وہی سرٹیفکیٹ ہے جو Azure کی بہت سی سروسز استعمال کرتی ہیں، اور بعض اوقات SDKs میں شامل ہوتا ہے۔
+
+> 💁 یاد رکھیں، پبلک کی صرف وہی ہے - پبلک۔ Azure پبلک کی صرف Azure کو بھیجے گئے ڈیٹا کو انکرپٹ کرنے کے لیے استعمال کیا جا سکتا ہے، اسے ڈی کرپٹ کرنے کے لیے نہیں، لہذا اسے ہر جگہ شیئر کیا جا سکتا ہے، بشمول سورس کوڈ میں۔ مثال کے طور پر، آپ اسے [Azure IoT C SDK سورس کوڈ](https://github.com/Azure/azure-iot-sdk-c/blob/master/certs/certs.c) میں دیکھ سکتے ہیں۔
+
+✅ X.509 سرٹیفکیٹس کے ساتھ بہت زیادہ اصطلاحات ہیں۔ آپ ان اصطلاحات کی تعریفیں [The layman’s guide to X.509 certificate jargon](https://techcommunity.microsoft.com/t5/internet-of-things/the-layman-s-guide-to-x-509-certificate-jargon/ba-p/2203540?WT.mc_id=academic-17441-jabenn) میں پڑھ سکتے ہیں۔
+
+## X.509 سرٹیفکیٹ بنائیں اور استعمال کریں
+
+X.509 سرٹیفکیٹ بنانے کے مراحل یہ ہیں:
+
+1. ایک پبلک/پرائیویٹ کی پیئر بنائیں۔ پبلک/پرائیویٹ کی پیئر بنانے کے لیے سب سے زیادہ استعمال ہونے والا الگورتھم [Rivest–Shamir–Adleman](https://wikipedia.org/wiki/RSA_(cryptosystem))(RSA) کہلاتا ہے۔
+
+1. پبلک کی کو متعلقہ ڈیٹا کے ساتھ سائننگ کے لیے جمع کرائیں، یا تو CA کے ذریعے یا سیلف سائننگ کے ذریعے۔
+
+Azure CLI میں کمانڈز موجود ہیں جو IoT Hub میں ایک نئی ڈیوائس شناخت بنانے، پبلک/پرائیویٹ کی پیئر کو خودکار طور پر جنریٹ کرنے، اور ایک سیلف سائنڈ سرٹیفکیٹ بنانے کے لیے استعمال کیے جا سکتے ہیں۔
+
+> 💁 اگر آپ تفصیلی مراحل دیکھنا چاہتے ہیں، Azure CLI استعمال کرنے کے بجائے، تو آپ [Microsoft IoT Hub documentation میں OpenSSL کا استعمال کرتے ہوئے سیلف سائنڈ سرٹیفکیٹس بنانے کے ٹیوٹوریل](https://docs.microsoft.com/azure/iot-hub/tutorial-x509-self-sign?WT.mc_id=academic-17441-jabenn) میں دیکھ سکتے ہیں۔
+
+### کام - X.509 سرٹیفکیٹ کا استعمال کرتے ہوئے ڈیوائس شناخت بنائیں
+
+1. درج ذیل کمانڈ چلائیں تاکہ نئی ڈیوائس شناخت رجسٹر ہو، اور کیز اور سرٹیفکیٹس خودکار طور پر جنریٹ ہوں:
+
+    ```sh
+    az iot hub device-identity create --device-id soil-moisture-sensor-x509 \
+                                      --am x509_thumbprint \
+                                      --output-dir . \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+    یہ کمانڈ ایک ڈیوائس بنائے گی جس کا ID `soil-moisture-sensor-x509` ہوگا تاکہ پچھلے سبق میں بنائی گئی ڈیوائس شناخت سے فرق کیا جا سکے۔ یہ کمانڈ موجودہ ڈائریکٹری میں 2 فائلز بھی بنائے گی:
+
+    * `soil-moisture-sensor-x509-key.pem` - یہ فائل ڈیوائس کے پرائیویٹ کی پر مشتمل ہے۔
+    * `soil-moisture-sensor-x509-cert.pem` - یہ فائل ڈیوائس کے لیے X.509 سرٹیفکیٹ پر مشتمل ہے۔
+
+    ان فائلز کو محفوظ رکھیں! پرائیویٹ کی فائل کو پبلک سورس کوڈ کنٹرول میں چیک نہ کریں۔
+
+### کام - اپنے ڈیوائس کوڈ میں X.509 سرٹیفکیٹ استعمال کریں
+
+اپنے IoT ڈیوائس کو X.509 سرٹیفکیٹ کا استعمال کرتے ہوئے کلاؤڈ سے کنیکٹ کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-x509.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/Virtual IoT device](single-board-computer-x509.md)
+
+---
+
+## 🚀 چیلنج
+
+Azure سروسز جیسے Resource Groups اور IoT Hubs کو بنانے، مینج کرنے اور ڈیلیٹ کرنے کے کئی طریقے ہیں۔ ایک طریقہ [Azure Portal](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) ہے - ایک ویب بیسڈ انٹرفیس جو آپ کو Azure سروسز مینج کرنے کے لیے GUI فراہم کرتا ہے۔
+
+[portal.azure.com](https://portal.azure.com?WT.mc_id=academic-17441-jabenn) پر جائیں اور پورٹل کا جائزہ لیں۔ دیکھیں کہ کیا آپ پورٹل کے ذریعے ایک IoT Hub بنا سکتے ہیں، پھر اسے ڈیلیٹ کریں۔
+
+**اشارہ** - جب آپ پورٹل کے ذریعے سروسز بنا رہے ہوں، تو آپ کو پہلے سے Resource Group بنانے کی ضرورت نہیں ہوتی، ایک Resource Group سروس بناتے وقت بنائی جا سکتی ہے۔ یقینی بنائیں کہ آپ اسے ختم کرنے کے بعد ڈیلیٹ کر دیں!
+
+آپ Azure Portal کے بارے میں بہت سی دستاویزات، ٹیوٹوریلز اور گائیڈز [Azure portal documentation](https://docs.microsoft.com/azure/azure-portal/?WT.mc_id=academic-17441-jabenn) میں تلاش کر سکتے ہیں۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/20)
+
+## جائزہ اور خود مطالعہ
+
+* [Wikipedia پر History of cryptography](https://wikipedia.org/wiki/History_of_cryptography) کے صفحے پر کرپٹوگرافی کی تاریخ کے بارے میں پڑھیں۔
+* [Wikipedia پر X.509](https://wikipedia.org/wiki/X.509) کے صفحے پر X.509 سرٹیفکیٹس کے بارے میں پڑھیں۔
+
+## اسائنمنٹ
+
+[ایک نیا IoT ڈیوائس بنائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/assignment.md b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/assignment.md
new file mode 100644
index 00000000..9031f995
--- /dev/null
+++ b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "34010c663d96d5f419eda6ac2366a78d",
+  "translation_date": "2025-08-26T23:06:51+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ایک نیا IoT ڈیوائس بنائیں
+
+## ہدایات
+
+پچھلے 6 اسباق میں آپ نے ڈیجیٹل زراعت کے بارے میں سیکھا اور یہ کہ IoT ڈیوائسز کا استعمال کیسے کریں تاکہ ڈیٹا اکٹھا کیا جا سکے، پودوں کی نشوونما کی پیش گوئی کی جا سکے، اور مٹی کی نمی کی ریڈنگز کی بنیاد پر پانی دینے کو خودکار بنایا جا سکے۔
+
+جو کچھ آپ نے سیکھا ہے اس کا استعمال کرتے ہوئے ایک نیا IoT ڈیوائس بنائیں جس میں آپ کی پسند کا سینسر اور ایکچوایٹر شامل ہو۔ ٹیلیمیٹری کو IoT Hub پر بھیجیں اور اس کا استعمال کرتے ہوئے ایکچوایٹر کو سرور لیس کوڈ کے ذریعے کنٹرول کریں۔ آپ وہی سینسر اور ایکچوایٹر استعمال کر سکتے ہیں جو آپ نے اس یا پچھلے پروجیکٹ میں استعمال کیے ہیں، یا اگر آپ کے پاس کوئی اور ہارڈویئر ہے تو کچھ نیا آزما سکتے ہیں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت ہے |
+| ------ | ------- | ------ | ------------------ |
+| سینسر اور ایکچوایٹر کے ساتھ IoT ڈیوائس کوڈ کریں | ایک IoT ڈیوائس کوڈ کیا جو سینسر اور ایکچوایٹر کے ساتھ کام کرتا ہے | ایک IoT ڈیوائس کوڈ کیا جو سینسر یا ایکچوایٹر کے ساتھ کام کرتا ہے | سینسر یا ایکچوایٹر کے ساتھ IoT ڈیوائس کو کوڈ کرنے میں ناکام رہا |
+| IoT ڈیوائس کو IoT Hub سے جوڑیں | IoT Hub کو تعینات کرنے، ٹیلیمیٹری بھیجنے، اور کمانڈز وصول کرنے میں کامیاب رہا | IoT Hub کو تعینات کرنے اور ٹیلیمیٹری بھیجنے یا کمانڈز وصول کرنے میں کامیاب رہا | IoT Hub کو تعینات کرنے اور IoT ڈیوائس کے ساتھ بات چیت کرنے میں ناکام رہا |
+| ایکچوایٹر کو سرور لیس کوڈ کے ذریعے کنٹرول کریں | Azure Function کو تعینات کرنے میں کامیاب رہا جو ٹیلیمیٹری ایونٹس کے ذریعے ڈیوائس کو کنٹرول کرتا ہے | Azure Function کو ٹیلیمیٹری ایونٹس کے ذریعے متحرک کرنے میں کامیاب رہا لیکن ایکچوایٹر کو کنٹرول کرنے میں ناکام رہا | Azure Function کو تعینات کرنے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
new file mode 100644
index 00000000..0d11495d
--- /dev/null
+++ b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md
@@ -0,0 +1,71 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9aea84bcc7520222b0e1c50469d62d6a",
+  "translation_date": "2025-08-26T23:07:30+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/single-board-computer-x509.md",
+  "language_code": "ur"
+}
+-->
+# اپنے ڈیوائس کو X.509 سرٹیفکیٹ کے ذریعے استعمال کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس یا راسپبیری پائی کو X.509 سرٹیفکیٹ کے ذریعے IoT Hub سے جوڑیں گے۔
+
+## اپنے ڈیوائس کو IoT Hub سے جوڑیں
+
+اگلا مرحلہ یہ ہے کہ اپنے ڈیوائس کو X.509 سرٹیفکیٹس کے ذریعے IoT Hub سے جوڑیں۔
+
+### کام - IoT Hub سے جڑیں
+
+1. کلید اور سرٹیفکیٹ فائلوں کو اس فولڈر میں کاپی کریں جہاں آپ کے IoT ڈیوائس کا کوڈ موجود ہے۔ اگر آپ VS Code Remote SSH کے ذریعے راسپبیری پائی استعمال کر رہے ہیں اور اپنے PC یا Mac پر کلیدیں بنائی ہیں، تو آپ فائلوں کو VS Code کے ایکسپلورر میں گھسیٹ کر چھوڑ سکتے ہیں تاکہ انہیں کاپی کیا جا سکے۔
+
+1. `app.py` فائل کھولیں۔
+
+1. X.509 سرٹیفکیٹ کے ذریعے جڑنے کے لیے، آپ کو IoT Hub کا میزبان نام اور X.509 سرٹیفکیٹ کی ضرورت ہوگی۔ ڈیوائس کلائنٹ بنانے سے پہلے درج ذیل کوڈ شامل کرکے ایک متغیر بنائیں جس میں میزبان نام ہو:
+
+    ```python
+    host_name = "<host_name>"
+    ```
+
+    `<host_name>` کو اپنے IoT Hub کے میزبان نام سے تبدیل کریں۔ آپ یہ `connection_string` کے `HostName` سیکشن سے حاصل کر سکتے ہیں۔ یہ آپ کے IoT Hub کا نام ہوگا، جو `.azure-devices.net` پر ختم ہوگا۔
+
+1. اس کے نیچے، ڈیوائس ID کے ساتھ ایک متغیر کا اعلان کریں:
+
+    ```python
+    device_id = "soil-moisture-sensor-x509"
+    ```
+
+1. آپ کو `X509` کلاس کا ایک انسٹینس درکار ہوگا جس میں X.509 فائلیں شامل ہوں۔ `azure.iot.device` ماڈیول سے درآمد شدہ کلاسز کی فہرست میں `X509` شامل کریں:
+
+    ```python
+    from azure.iot.device import IoTHubDeviceClient, Message, MethodResponse, X509
+    ```
+
+1. اپنے سرٹیفکیٹ اور کلید فائلوں کا استعمال کرتے ہوئے `X509` کلاس کا ایک انسٹینس بنائیں۔ یہ کوڈ `host_name` کے اعلان کے نیچے شامل کریں:
+
+    ```python
+    x509 = X509("./soil-moisture-sensor-x509-cert.pem", "./soil-moisture-sensor-x509-key.pem")
+    ```
+
+    یہ `X509` کلاس کو `soil-moisture-sensor-x509-cert.pem` اور `soil-moisture-sensor-x509-key.pem` فائلوں کا استعمال کرتے ہوئے بنائے گا جو پہلے بنائی گئی تھیں۔
+
+1. اس لائن کو تبدیل کریں جو کنکشن اسٹرنگ سے `device_client` بناتی ہے، درج ذیل کے ساتھ:
+
+    ```python
+    device_client = IoTHubDeviceClient.create_from_x509_certificate(x509, host_name, device_id)
+    ```
+
+    یہ کنکشن اسٹرنگ کے بجائے X.509 سرٹیفکیٹ کا استعمال کرتے ہوئے جڑے گا۔
+
+1. `connection_string` متغیر والی لائن کو حذف کریں۔
+
+1. اپنا کوڈ چلائیں۔ IoT Hub کو بھیجے گئے پیغامات کی نگرانی کریں، اور پہلے کی طرح ڈائریکٹ میتھڈ درخواستیں بھیجیں۔ آپ دیکھیں گے کہ ڈیوائس جڑ رہا ہے اور مٹی کی نمی کی ریڈنگ بھیج رہا ہے، اور ڈائریکٹ میتھڈ درخواستیں وصول کر رہا ہے۔
+
+> 💁 آپ یہ کوڈ [code/pi](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/pi) یا [code/virtual-device](../../../../../2-farm/lessons/6-keep-your-plant-secure/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا مٹی کی نمی کا سینسر پروگرام X.509 سرٹیفکیٹ کا استعمال کرتے ہوئے آپ کے IoT Hub سے جڑ گیا ہے!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
new file mode 100644
index 00000000..45fcd7c0
--- /dev/null
+++ b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8a74f789f3c1bf41a13c007190360c19",
+  "translation_date": "2025-08-26T23:08:01+00:00",
+  "source_file": "2-farm/lessons/6-keep-your-plant-secure/wio-terminal-x509.md",
+  "language_code": "ur"
+}
+-->
+# اپنے ڈیوائس کوڈ میں X.509 سرٹیفکیٹ کا استعمال کریں - Wio Terminal
+
+اس وقت، Azure Arduino SDK X.509 سرٹیفکیٹس کو سپورٹ نہیں کرتا۔ اگر آپ X.509 سرٹیفکیٹس کے ساتھ تجربہ کرنا چاہتے ہیں، تو آپ [Python SDK کا استعمال کرتے ہوئے ورچوئل IoT ڈیوائس کی ہدایات](single-board-computer-x509.md) کا حوالہ دے سکتے ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/README.md b/translations/ur/3-transport/README.md
new file mode 100644
index 00000000..a656e0aa
--- /dev/null
+++ b/translations/ur/3-transport/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e978534a245b000725ed2a048f943213",
+  "translation_date": "2025-08-27T00:34:39+00:00",
+  "source_file": "3-transport/README.md",
+  "language_code": "ur"
+}
+-->
+# کھیت سے فیکٹری تک نقل و حمل - خوراک کی ترسیل کو ٹریک کرنے کے لیے IoT کا استعمال
+
+بہت سے کسان خوراک اگاتے ہیں تاکہ اسے بیچ سکیں - یا تو وہ تجارتی کسان ہوتے ہیں جو اپنی اگائی ہوئی تمام پیداوار فروخت کرتے ہیں، یا وہ خود کفیل کسان ہوتے ہیں جو اپنی اضافی پیداوار بیچ کر ضروریات خریدتے ہیں۔ کسی نہ کسی طرح خوراک کو کھیت سے صارف تک پہنچنا ہوتا ہے، اور یہ عام طور پر کھیتوں سے ہبز یا پروسیسنگ پلانٹس تک، اور پھر اسٹورز تک بلک ٹرانسپورٹ پر انحصار کرتا ہے۔ مثال کے طور پر، ایک ٹماٹر کا کسان ٹماٹر کی کٹائی کرے گا، انہیں ڈبوں میں پیک کرے گا، ڈبوں کو ٹرک میں لوڈ کرے گا اور پھر پروسیسنگ پلانٹ تک پہنچائے گا۔ وہاں ٹماٹر کو چھانٹا جائے گا، اور پھر صارفین تک پروسیسڈ فوڈ، ریٹیل سیلز، یا ریستورانوں میں کھانے کے طور پر پہنچایا جائے گا۔
+
+IoT اس سپلائی چین میں مدد کر سکتا ہے، خوراک کو ٹرانزٹ میں ٹریک کر کے - یہ یقینی بناتے ہوئے کہ ڈرائیورز صحیح راستے پر جا رہے ہیں، گاڑیوں کے مقامات کی نگرانی کر کے، اور گاڑیوں کے پہنچنے پر الرٹس حاصل کر کے تاکہ خوراک کو جلد از جلد اتارا جا سکے اور پروسیسنگ کے لیے تیار کیا جا سکے۔
+
+> 🎓 *سپلائی چین* وہ سلسلہ وار سرگرمیاں ہیں جو کسی چیز کو بنانے اور پہنچانے کے لیے کی جاتی ہیں۔ مثال کے طور پر، ٹماٹر کی کاشت میں یہ بیج، مٹی، کھاد اور پانی کی فراہمی، ٹماٹر اگانے، انہیں ایک مرکزی ہب تک پہنچانے، سپر مارکیٹ کے مقامی ہب تک لے جانے، انفرادی سپر مارکیٹ تک پہنچانے، وہاں ڈسپلے پر رکھنے، پھر صارف کو بیچنے اور گھر لے جا کر کھانے تک کا احاطہ کرتا ہے۔ ہر قدم زنجیر کے کڑیوں کی طرح ہے۔
+
+> 🎓 سپلائی چین کے نقل و حمل کے حصے کو *لاجسٹکس* کہا جاتا ہے۔
+
+ان 4 اسباق میں، آپ سیکھیں گے کہ انٹرنیٹ آف تھنگز کو کیسے استعمال کیا جائے تاکہ سپلائی چین کو بہتر بنایا جا سکے، خوراک کی نگرانی کر کے جب اسے ایک (ورچوئل) ٹرک پر لوڈ کیا جائے، جو اپنی منزل کی طرف بڑھتے ہوئے ٹریک کیا جائے گا۔ آپ GPS ٹریکنگ، GPS ڈیٹا کو اسٹور اور ویژولائز کرنے، اور ٹرک کے اپنی منزل پر پہنچنے پر الرٹ حاصل کرنے کے بارے میں سیکھیں گے۔
+
+> 💁 یہ اسباق کچھ کلاؤڈ وسائل استعمال کریں گے۔ اگر آپ اس پروجیکٹ کے تمام اسباق مکمل نہیں کرتے، تو یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../clean-up.md)۔
+
+## موضوعات
+
+1. [مقام کی ٹریکنگ](lessons/1-location-tracking/README.md)  
+1. [مقام کا ڈیٹا اسٹور کریں](lessons/2-store-location-data/README.md)  
+1. [مقام کے ڈیٹا کو ویژولائز کریں](lessons/3-visualize-location-data/README.md)  
+1. [جیو فینسز](lessons/4-geofences/README.md)  
+
+## کریڈٹس
+
+تمام اسباق کو ♥️ کے ساتھ [Jen Looper](https://github.com/jlooper) اور [Jim Bennett](https://GitHub.com/JimBobBennett) نے لکھا۔
+
+---
+
+**ڈس کلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/README.md b/translations/ur/3-transport/lessons/1-location-tracking/README.md
new file mode 100644
index 00000000..2d693f87
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/README.md
@@ -0,0 +1,216 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "52ed2bd997d08040f79a1a6ef2bac958",
+  "translation_date": "2025-08-27T00:46:54+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/README.md",
+  "language_code": "ur"
+}
+-->
+# مقام کی نگرانی
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.ur.jpg)
+
+> خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/21)
+
+## تعارف
+
+کسان سے صارف تک خوراک پہنچانے کا بنیادی عمل اس میں شامل ہے کہ پیداوار کے ڈبوں کو ٹرک، جہاز، ہوائی جہاز یا دیگر تجارتی نقل و حمل کے ذرائع پر لوڈ کیا جائے اور خوراک کو کسی جگہ پہنچایا جائے - یا تو براہ راست صارف تک، یا کسی مرکزی مرکز یا گودام میں پروسیسنگ کے لیے۔ کھیت سے صارف تک کا یہ مکمل عمل *سپلائی چین* کہلاتا ہے۔ نیچے دی گئی ویڈیو، جو ایریزونا اسٹیٹ یونیورسٹی کے ڈبلیو پی کیری اسکول آف بزنس کی جانب سے ہے، سپلائی چین کے تصور اور اس کے انتظام کے بارے میں مزید تفصیل سے بات کرتی ہے۔
+
+[![سپلائی چین مینجمنٹ کیا ہے؟ ایریزونا اسٹیٹ یونیورسٹی کے ڈبلیو پی کیری اسکول آف بزنس کی ویڈیو](https://img.youtube.com/vi/Mi1QBxVjZAw/0.jpg)](https://www.youtube.com/watch?v=Mi1QBxVjZAw)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+IoT ڈیوائسز شامل کرنے سے آپ کی سپلائی چین میں زبردست بہتری آ سکتی ہے، جس سے آپ اشیاء کی موجودگی کا پتہ لگا سکتے ہیں، نقل و حمل اور سامان کی ہینڈلنگ کو بہتر بنا سکتے ہیں، اور مسائل کا جلدی جواب دے سکتے ہیں۔
+
+جب گاڑیوں کے بیڑے جیسے کہ ٹرکوں کا انتظام کیا جا رہا ہو، تو یہ جاننا مددگار ہوتا ہے کہ کسی مخصوص وقت میں ہر گاڑی کہاں ہے۔ گاڑیوں میں GPS سینسر نصب کیے جا سکتے ہیں جو اپنی جگہ IoT سسٹمز کو بھیجتے ہیں، جس سے مالکان ان کی جگہ کا پتہ لگا سکتے ہیں، ان کے طے شدہ راستے کو دیکھ سکتے ہیں، اور یہ جان سکتے ہیں کہ وہ اپنی منزل پر کب پہنچیں گے۔ زیادہ تر گاڑیاں وائی فائی کوریج سے باہر کام کرتی ہیں، اس لیے وہ اس قسم کے ڈیٹا کو بھیجنے کے لیے سیلولر نیٹ ورکس کا استعمال کرتی ہیں۔ کبھی کبھار GPS سینسر زیادہ پیچیدہ IoT ڈیوائسز جیسے کہ الیکٹرانک لاگ بکس میں شامل ہوتا ہے۔ یہ ڈیوائسز اس بات کا پتہ لگاتی ہیں کہ ٹرک کتنی دیر سے سفر میں ہے تاکہ یہ یقینی بنایا جا سکے کہ ڈرائیور مقامی قوانین کے مطابق کام کے اوقات کی پابندی کر رہے ہیں۔
+
+اس سبق میں آپ سیکھیں گے کہ GPS سینسر کا استعمال کرتے ہوئے گاڑی کی جگہ کا پتہ کیسے لگایا جائے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [مربوط گاڑیاں](../../../../../3-transport/lessons/1-location-tracking)
+* [جغرافیائی نقاط](../../../../../3-transport/lessons/1-location-tracking)
+* [عالمی مقامیت کے نظام (GPS)](../../../../../3-transport/lessons/1-location-tracking)
+* [GPS سینسر ڈیٹا پڑھنا](../../../../../3-transport/lessons/1-location-tracking)
+* [NMEA GPS ڈیٹا](../../../../../3-transport/lessons/1-location-tracking)
+* [GPS سینسر ڈیٹا کو ڈی کوڈ کرنا](../../../../../3-transport/lessons/1-location-tracking)
+
+## مربوط گاڑیاں
+
+IoT سامان کی نقل و حمل کے طریقے کو تبدیل کر رہا ہے، جس سے *مربوط گاڑیوں* کے بیڑے بن رہے ہیں۔ یہ گاڑیاں مرکزی IT سسٹمز سے جڑی ہوتی ہیں اور اپنی جگہ اور دیگر سینسر ڈیٹا کی اطلاع دیتی ہیں۔ مربوط گاڑیوں کے بیڑے کے کئی فوائد ہیں:
+
+* مقام کی نگرانی - آپ کسی بھی وقت گاڑی کی جگہ کا پتہ لگا سکتے ہیں، جس سے آپ کو یہ فائدے حاصل ہوتے ہیں:
+
+  * جب گاڑی منزل کے قریب پہنچنے والی ہو تو عملے کو اتارنے کے لیے تیار کرنے کے لیے الرٹس حاصل کریں۔
+  * چوری شدہ گاڑیوں کا پتہ لگائیں۔
+  * مقام اور راستے کے ڈیٹا کو ٹریفک کے مسائل کے ساتھ جوڑیں تاکہ سفر کے دوران گاڑیوں کو دوبارہ راستہ دیا جا سکے۔
+  * ٹیکس کے مطابق رہیں۔ کچھ ممالک عوامی سڑکوں پر چلنے والے میلوں کے حساب سے گاڑیوں سے چارج کرتے ہیں (جیسے [نیوزی لینڈ کا RUC](https://www.nzta.govt.nz/vehicles/licensing-rego/road-user-charges/))، اس لیے یہ جاننا کہ گاڑی عوامی سڑکوں پر ہے یا نجی سڑکوں پر، واجب الادا ٹیکس کا حساب لگانا آسان بناتا ہے۔
+  * خرابی کی صورت میں مرمت کے عملے کو بھیجنے کے لیے جگہ کا پتہ لگائیں۔
+
+* ڈرائیور ٹیلیمیٹری - یہ یقینی بنانا کہ ڈرائیور رفتار کی حدوں کی پابندی کر رہے ہیں، مناسب رفتار سے موڑ کاٹ رہے ہیں، جلدی اور مؤثر طریقے سے بریک لگا رہے ہیں، اور محفوظ طریقے سے گاڑی چلا رہے ہیں۔ مربوط گاڑیوں میں کیمرے بھی ہو سکتے ہیں جو واقعات کو ریکارڈ کرتے ہیں۔ یہ انشورنس سے منسلک ہو سکتا ہے، اچھے ڈرائیوروں کے لیے کم شرحیں فراہم کرتا ہے۔
+
+* ڈرائیور کے اوقات کی تعمیل - یہ یقینی بنانا کہ ڈرائیور صرف اپنے قانونی طور پر اجازت شدہ اوقات کے لیے گاڑی چلا رہے ہیں، ان اوقات کی بنیاد پر جب وہ انجن آن اور آف کرتے ہیں۔
+
+یہ فوائد ایک دوسرے کے ساتھ جوڑے جا سکتے ہیں - مثال کے طور پر، ڈرائیور کے اوقات کی تعمیل کو مقام کی نگرانی کے ساتھ جوڑنا تاکہ ڈرائیوروں کو دوبارہ راستہ دیا جا سکے اگر وہ اپنے قانونی ڈرائیونگ اوقات کے اندر اپنی منزل تک نہیں پہنچ سکتے۔ یہ گاڑی سے متعلق دیگر ٹیلیمیٹری کے ساتھ بھی جوڑے جا سکتے ہیں، جیسے کہ درجہ حرارت سے کنٹرول شدہ ٹرکوں سے درجہ حرارت کا ڈیٹا، تاکہ گاڑیوں کو دوبارہ راستہ دیا جا سکے اگر ان کا موجودہ راستہ اس بات کا مطلب ہو کہ سامان کو درجہ حرارت پر نہیں رکھا جا سکتا۔
+
+> 🎓 لاجسٹکس سامان کو ایک جگہ سے دوسری جگہ منتقل کرنے کا عمل ہے، جیسے کہ کھیت سے سپر مارکیٹ تک ایک یا زیادہ گوداموں کے ذریعے۔ ایک کسان ٹماٹروں کے ڈبے پیک کرتا ہے جو ایک ٹرک پر لوڈ کیے جاتے ہیں، ایک مرکزی گودام تک پہنچائے جاتے ہیں، اور دوسرے ٹرک پر رکھے جاتے ہیں جس میں مختلف قسم کی پیداوار کا مرکب ہو سکتا ہے جو پھر سپر مارکیٹ تک پہنچایا جاتا ہے۔
+
+گاڑی کی نگرانی کا بنیادی جز GPS ہے - سینسر جو زمین پر اپنی جگہ کا پتہ لگا سکتے ہیں۔ اس سبق میں آپ سیکھیں گے کہ GPS سینسر کا استعمال کیسے کیا جائے، شروع کرتے ہوئے یہ سیکھنے سے کہ زمین پر مقام کی وضاحت کیسے کی جائے۔
+
+## جغرافیائی نقاط
+
+جغرافیائی نقاط زمین کی سطح پر مقامات کی وضاحت کے لیے استعمال کیے جاتے ہیں، جیسے کہ کمپیوٹر اسکرین پر پکسل کو کھینچنے یا کراس اسٹچ میں ٹانکے لگانے کے لیے نقاط استعمال کیے جاتے ہیں۔ ایک واحد نقطہ کے لیے، آپ کے پاس نقاط کا ایک جوڑا ہوتا ہے۔ مثال کے طور پر، ریڈمنڈ، واشنگٹن، امریکہ میں مائیکروسافٹ کیمپس 47.6423109, -122.1390293 پر واقع ہے۔
+
+### عرض البلد اور طول البلد
+
+زمین ایک کرہ ہے - ایک تین جہتی دائرہ۔ اس وجہ سے، مقامات کی وضاحت 360 ڈگری میں تقسیم کر کے کی جاتی ہے، جو دائروں کی جیومیٹری کے برابر ہے۔ عرض البلد شمال سے جنوب تک ڈگریوں کی تعداد کو ماپتا ہے، طول البلد مشرق سے مغرب تک ڈگریوں کی تعداد کو ماپتا ہے۔
+
+> 💁 کوئی بھی اصل وجہ نہیں جانتا کہ دائرے کو 360 ڈگری میں کیوں تقسیم کیا گیا۔ [ویکیپیڈیا پر ڈگری (زاویہ) کا صفحہ](https://wikipedia.org/wiki/Degree_(angle)) ممکنہ وجوہات کا احاطہ کرتا ہے۔
+
+![عرض البلد کی لکیریں: شمالی قطب پر 90°، شمالی قطب اور خط استوا کے درمیان آدھے راستے پر 45°، خط استوا پر 0°، خط استوا اور جنوبی قطب کے درمیان آدھے راستے پر -45°، اور جنوبی قطب پر -90°](../../../../../translated_images/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.ur.png)
+
+عرض البلد ان لکیروں کا استعمال کرتے ہوئے ماپا جاتا ہے جو زمین کو گھیرتی ہیں اور خط استوا کے متوازی چلتی ہیں، شمالی اور جنوبی نصف کرہ کو 90° میں تقسیم کرتی ہیں۔ خط استوا 0° پر ہے، شمالی قطب 90° پر ہے، جسے 90° شمال بھی کہا جاتا ہے، اور جنوبی قطب -90° پر ہے، یا 90° جنوب۔
+
+طول البلد مشرق اور مغرب میں ماپی جانے والی ڈگریوں کی تعداد کے طور پر ماپا جاتا ہے۔ طول البلد کا 0° نقطہ آغاز *پرائم میریڈین* کہلاتا ہے، اور اسے 1884 میں شمالی قطب سے جنوبی قطب تک ایک لکیر کے طور پر بیان کیا گیا تھا جو [گرین وچ، انگلینڈ میں برٹش رائل آبزرویٹری](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich) سے گزرتی ہے۔
+
+![طول البلد کی لکیریں جو پرائم میریڈین کے مغرب میں -180° سے، پرائم میریڈین پر 0° تک، اور پرائم میریڈین کے مشرق میں 180° تک جاتی ہیں](../../../../../translated_images/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.ur.png)
+
+> 🎓 میریڈین ایک خیالی سیدھی لکیر ہے جو شمالی قطب سے جنوبی قطب تک جاتی ہے، ایک نیم دائرہ بناتی ہے۔
+
+کسی نقطہ کے طول البلد کو ماپنے کے لیے، آپ پرائم میریڈین سے خط استوا کے گرد ڈگریوں کی تعداد ماپتے ہیں تاکہ اس نقطہ سے گزرنے والے میریڈین تک پہنچ سکیں۔ طول البلد -180° سے، یا 180° مغرب، پرائم میریڈین پر 0° تک، اور 180°، یا 180° مشرق تک جاتا ہے۔ 180° اور -180° ایک ہی نقطہ کی نشاندہی کرتے ہیں، جو اینٹی میریڈین یا 180ویں میریڈین کہلاتا ہے۔ یہ زمین کے اس طرف ایک میریڈین ہے جو پرائم میریڈین کے مخالف ہے۔
+
+> 💁 اینٹی میریڈین کو بین الاقوامی تاریخ لائن کے ساتھ الجھایا نہیں جانا چاہیے، جو تقریباً اسی جگہ پر ہے، لیکن یہ ایک سیدھی لکیر نہیں ہے اور جغرافیائی-سیاسی حدود کے ارد گرد فٹ ہونے کے لیے مختلف ہوتی ہے۔
+
+✅ تحقیق کریں: اپنی موجودہ جگہ کے عرض البلد اور طول البلد کا پتہ لگانے کی کوشش کریں۔
+
+### ڈگری، منٹ اور سیکنڈ بمقابلہ اعشاریہ ڈگری
+
+روایتی طور پر، عرض البلد اور طول البلد کی ڈگریوں کی پیمائش سیکسیجسمل نمبرنگ، یا بیس-60، کے ذریعے کی جاتی تھی، جو قدیم بابلیوں کے ذریعہ استعمال ہونے والا ایک نمبرنگ سسٹم تھا جنہوں نے وقت اور فاصلے کی پہلی پیمائش اور ریکارڈنگ کی۔ آپ شاید روزانہ سیکسیجسمل کا استعمال کرتے ہیں بغیر یہ جانے - گھنٹوں کو 60 منٹ میں اور منٹوں کو 60 سیکنڈ میں تقسیم کرنا۔
+
+طول البلد اور عرض البلد کو ڈگری، منٹ اور سیکنڈ میں ماپا جاتا ہے، جہاں ایک منٹ 1/60 ڈگری کے برابر ہوتا ہے، اور 1 سیکنڈ 1/60 منٹ کے برابر ہوتا ہے۔
+
+مثال کے طور پر، خط استوا پر:
+
+* عرض البلد کا 1° **111.3 کلومیٹر** کے برابر ہے۔
+* عرض البلد کا 1 منٹ 111.3/60 = **1.855 کلومیٹر** کے برابر ہے۔
+* عرض البلد کا 1 سیکنڈ 1.855/60 = **0.031 کلومیٹر** کے برابر ہے۔
+
+منٹ کے لیے علامت ایک سنگل کوٹ ہے، سیکنڈ کے لیے ڈبل کوٹ۔ مثال کے طور پر، 2 ڈگری، 17 منٹ، اور 43 سیکنڈ کو 2°17'43" لکھا جائے گا۔ سیکنڈ کے حصے اعشاریہ کے طور پر دیے جاتے ہیں، مثال کے طور پر آدھا سیکنڈ 0°0'0.5" ہوگا۔
+
+کمپیوٹر بیس-60 میں کام نہیں کرتے، اس لیے یہ نقاط زیادہ تر کمپیوٹر سسٹمز میں GPS ڈیٹا استعمال کرتے وقت اعشاریہ ڈگری کے طور پر دیے جاتے ہیں۔ مثال کے طور پر، 2°17'43" کو 2.295277 کے طور پر لکھا جائے گا۔ ڈگری کی علامت عام طور پر چھوڑ دی جاتی ہے۔
+
+کسی نقطہ کے لیے نقاط ہمیشہ `عرض البلد، طول البلد` کے طور پر دیے جاتے ہیں، اس لیے پہلے کی مثال میں مائیکروسافٹ کیمپس 47.6423109,-122.117198 پر ہے:
+
+* عرض البلد 47.6423109 (خط استوا کے شمال میں 47.6423109 ڈگری)
+* طول البلد -122.1390293 (پرائم میریڈین کے مغرب میں 122.1390293 ڈگری)۔
+
+![مائیکروسافٹ کیمپس 47.6423109,-122.117198 پر](../../../../../translated_images/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.ur.png)
+
+## عالمی مقامیت کے نظام (GPS)
+
+GPS نظام زمین کے گرد مدار میں موجود متعدد سیٹلائٹس کا استعمال کرتے ہوئے آپ کے مقام کا پتہ لگاتے ہیں۔ آپ نے شاید GPS نظام کا استعمال کیا ہو گا بغیر یہ جانے - اپنے فون پر کسی میپنگ ایپ جیسے ایپل میپس یا گوگل میپس پر اپنی جگہ معلوم کرنے کے لیے، یا کسی رائیڈ ہیلنگ ایپ جیسے اوبر یا لفٹ میں اپنی سواری کی جگہ دیکھنے کے لیے، یا اپنی گاڑی میں سیٹلائٹ نیویگیشن (سیٹ-نیوی) استعمال کرتے وقت۔
+
+> 🎓 'سیٹلائٹ نیویگیشن' میں موجود سیٹلائٹس GPS سیٹلائٹس ہیں!
+
+GPS نظام اس طرح کام کرتے ہیں کہ متعدد سیٹلائٹس ایک سگنل بھیجتے ہیں جس میں ہر سیٹلائٹ کی موجودہ جگہ اور ایک درست وقت کا نشان شامل ہوتا ہے۔ یہ سگنلز ریڈیو لہروں کے ذریعے بھیجے جاتے ہیں اور GPS سینسر میں موجود اینٹینا کے ذریعے پکڑے جاتے ہیں۔ GPS سینسر ان سگنلز کا پتہ لگاتا ہے، اور موجودہ وقت کا استعمال کرتے ہوئے یہ ماپتا ہے کہ سگنل کو سیٹلائٹ سے سینسر تک پہنچنے میں کتنا وقت لگا۔ چونکہ ریڈیو لہروں کی رفتار مستقل ہے، GPS سینسر بھیجے گئے وقت کے نشان کا استعمال کرتے ہوئے یہ معلوم کر سکتا ہے کہ سینسر سیٹلائٹ سے کتنی دور ہے۔ کم از کم 3 سیٹلائٹس کے ڈیٹا کو ان کی بھیجی گئی جگہوں کے ساتھ جوڑ کر، GPS سینسر زمین پر اپنی جگہ کا پتہ لگا سکتا ہے۔
+
+> 💁 GPS سینسرز کو ریڈیو لہروں کا پتہ لگانے کے لیے اینٹینا کی ضرورت ہوتی ہے۔ ٹرکوں اور گاڑیوں میں موجود GPS کے ساتھ نصب اینٹینا کو اچھا سگنل حاصل کرنے کے لیے پوزیشن میں رکھا جاتا ہے، عام طور پر ونڈشیلڈ یا چھت پر۔ اگر آپ ایک علیحدہ GPS نظام استعمال کر رہے ہیں، جیسے کہ اسمارٹ فون یا IoT ڈیوائس، تو آپ کو یہ یقینی بنانا ہوگا کہ GPS نظام یا فون میں موجود اینٹینا آسمان کا واضح نظارہ رکھتا ہو، جیسے کہ ونڈشیلڈ پر نصب ہو۔
+
+![سینسر سے متعدد سیٹلائٹس کے فاصلے کو جان کر مقام کا حساب لگایا جا سکتا ہے](../../../../../translated_images/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.ur.png)
+
+GPS سیٹلائٹس زمین کے گرد چکر لگا رہے ہیں، سینسر کے اوپر کسی مقررہ مقام پر نہیں ہیں، اس لیے مقام کے ڈیٹا میں سمندر کی سطح سے بلندی کے ساتھ ساتھ عرض البلد اور طول البلد بھی شامل ہوتا ہے۔
+
+GPS میں پہلے امریکی فوج کی طرف سے درستگی پر پابندیاں تھیں، جس کی وجہ سے درستگی تقریباً 5 میٹر تک محدود تھی۔ یہ پابندی 2000 میں ہٹا دی گئی، جس سے 30 سینٹی میٹر کی درستگی ممکن ہو گئی۔ یہ درستگی ہمیشہ ممکن نہیں ہوتی کیونکہ سگنلز میں مداخلت ہو سکتی ہے۔
+
+✅ اگر آپ کے پاس اسمارٹ فون ہے، تو میپنگ ایپ لانچ کریں اور دیکھیں کہ آپ کا مقام کتنا درست ہے۔ آپ کے فون کو زیادہ درست مقام حاصل کرنے کے لیے متعدد سیٹلائٹس کا پتہ لگانے میں تھوڑا وقت لگ سکتا ہے۔
+💁 سیٹلائٹس میں ایٹمی گھڑیاں شامل ہوتی ہیں جو انتہائی درست ہوتی ہیں، لیکن وہ زمین پر موجود ایٹمی گھڑیوں کے مقابلے میں روزانہ 38 مائیکرو سیکنڈز (0.0000038 سیکنڈز) کا فرق پیدا کرتی ہیں۔ یہ فرق آئن سٹائن کے خصوصی اور عمومی اضافیت کے نظریات کے مطابق رفتار بڑھنے سے وقت کے سست ہونے کی وجہ سے ہوتا ہے - کیونکہ سیٹلائٹس زمین کی گردش سے زیادہ تیز سفر کرتی ہیں۔ اس فرق کو خصوصی اور عمومی اضافیت کے نظریات کی پیش گوئیوں کو ثابت کرنے کے لیے استعمال کیا گیا ہے، اور GPS نظاموں کے ڈیزائن میں اس کو ایڈجسٹ کرنا ضروری ہوتا ہے۔ حقیقتاً، GPS سیٹلائٹ پر وقت سست چلتا ہے۔
+جی پی ایس سسٹمز کو کئی ممالک اور سیاسی اتحادوں نے تیار اور نافذ کیا ہے، جن میں امریکہ، روس، جاپان، بھارت، یورپی یونین، اور چین شامل ہیں۔ جدید جی پی ایس سینسر زیادہ تر ان سسٹمز سے جڑ سکتے ہیں تاکہ تیز اور زیادہ درست معلومات حاصل کی جا سکیں۔
+
+> 🎓 ہر تعیناتی میں سیٹلائٹس کے گروپس کو "کانسٹیلیشنز" کہا جاتا ہے۔
+
+## جی پی ایس سینسر ڈیٹا پڑھیں
+
+زیادہ تر جی پی ایس سینسرز جی پی ایس ڈیٹا کو UART کے ذریعے بھیجتے ہیں۔
+
+> ⚠️ UART کو [پروجیکٹ 2، سبق 2](../../../2-farm/lessons/2-detect-soil-moisture/README.md#universal-asynchronous-receiver-transmitter-uart) میں کور کیا گیا تھا۔ اگر ضرورت ہو تو اس سبق کو دوبارہ دیکھیں۔
+
+آپ اپنے IoT ڈیوائس پر جی پی ایس سینسر استعمال کرکے جی پی ایس ڈیٹا حاصل کر سکتے ہیں۔
+
+### کام - جی پی ایس سینسر کو جوڑیں اور جی پی ایس ڈیٹا پڑھیں
+
+اپنے IoT ڈیوائس کے ذریعے جی پی ایس ڈیٹا پڑھنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-sensor.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-gps-sensor.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-gps-sensor.md)
+
+## NMEA جی پی ایس ڈیٹا
+
+جب آپ نے اپنا کوڈ چلایا، تو آپ نے آؤٹ پٹ میں شاید کچھ بے معنی سا متن دیکھا ہوگا۔ یہ دراصل معیاری جی پی ایس ڈیٹا ہے، اور اس کا ایک مطلب ہوتا ہے۔
+
+جی پی ایس سینسرز NMEA پیغامات کے ذریعے ڈیٹا آؤٹ پٹ کرتے ہیں، جو NMEA 0183 معیار کا استعمال کرتے ہیں۔ NMEA ایک مخفف ہے [نیشنل میرین الیکٹرانکس ایسوسی ایشن](https://www.nmea.org) کا، جو ایک امریکی تجارتی تنظیم ہے جو سمندری الیکٹرانکس کے درمیان مواصلات کے لیے معیارات طے کرتی ہے۔
+
+> 💁 یہ معیار ملکیتی ہے اور کم از کم 2,000 امریکی ڈالر میں فروخت ہوتا ہے، لیکن اس کے بارے میں کافی معلومات عوامی ڈومین میں موجود ہیں، جس کی وجہ سے اس معیار کے زیادہ تر حصے کو ریورس انجینئرنگ کے ذریعے کھولا جا چکا ہے اور اسے اوپن سورس اور دیگر غیر تجارتی کوڈ میں استعمال کیا جا سکتا ہے۔
+
+یہ پیغامات ٹیکسٹ پر مبنی ہوتے ہیں۔ ہر پیغام ایک *جملے* پر مشتمل ہوتا ہے جو `$` کریکٹر سے شروع ہوتا ہے، اس کے بعد 2 کریکٹرز پیغام کے ماخذ کو ظاہر کرتے ہیں (مثلاً GP امریکی جی پی ایس سسٹم کے لیے، GN روسی جی پی ایس سسٹم GLONASS کے لیے)، اور 3 کریکٹرز پیغام کی قسم کو ظاہر کرتے ہیں۔ پیغام کے باقی حصے فیلڈز پر مشتمل ہوتے ہیں جو کاما سے الگ ہوتے ہیں اور ایک نئی لائن کریکٹر پر ختم ہوتے ہیں۔
+
+کچھ پیغامات کی اقسام جو موصول ہو سکتی ہیں:
+
+| قسم | وضاحت |
+| ---- | ----------- |
+| GGA | جی پی ایس فکس ڈیٹا، جس میں جی پی ایس سینسر کی طول البلد، عرض البلد، اور بلندی شامل ہوتی ہے، ساتھ ہی اس فکس کو کیلکولیٹ کرنے کے لیے نظر آنے والے سیٹلائٹس کی تعداد۔ |
+| ZDA | موجودہ تاریخ اور وقت، بشمول مقامی ٹائم زون |
+| GSV | نظر آنے والے سیٹلائٹس کی تفصیلات - وہ سیٹلائٹس جن سے جی پی ایس سینسر سگنلز کا پتہ لگا سکتا ہے |
+
+> 💁 جی پی ایس ڈیٹا میں ٹائم اسٹیمپس شامل ہوتے ہیں، لہذا آپ کا IoT ڈیوائس جی پی ایس سینسر سے وقت حاصل کر سکتا ہے، بجائے اس کے کہ وہ NTP سرور یا اندرونی ریئل ٹائم کلاک پر انحصار کرے۔
+
+GGA پیغام موجودہ مقام کو `(dd)dmm.mmmm` فارمیٹ میں شامل کرتا ہے، ساتھ ہی ایک کریکٹر جو سمت کو ظاہر کرتا ہے۔ اس فارمیٹ میں `d` ڈگریز ہیں، `m` منٹس ہیں، اور سیکنڈز منٹس کے اعشاریہ کے طور پر ہوتے ہیں۔ مثال کے طور پر، 2°17'43" کو 217.716666667 لکھا جائے گا - 2 ڈگریز، 17.716666667 منٹس۔
+
+سمت کا کریکٹر عرض البلد کے لیے `N` یا `S` ہو سکتا ہے تاکہ شمال یا جنوب کو ظاہر کرے، اور طول البلد کے لیے `E` یا `W` تاکہ مشرق یا مغرب کو ظاہر کرے۔ مثال کے طور پر، عرض البلد 2°17'43" کا سمت کریکٹر `N` ہوگا، جبکہ -2°17'43" کا سمت کریکٹر `S` ہوگا۔
+
+مثال کے طور پر - NMEA جملہ `$GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67`
+
+* عرض البلد کا حصہ `4738.538654,N` ہے، جو اعشاریہ ڈگریز میں 47.6423109 میں تبدیل ہوتا ہے۔ `4738.538654` کا مطلب ہے 47.6423109، اور سمت `N` (شمال) ہے، لہذا یہ مثبت عرض البلد ہے۔
+
+* طول البلد کا حصہ `12208.341758,W` ہے، جو اعشاریہ ڈگریز میں -122.1390293 میں تبدیل ہوتا ہے۔ `12208.341758` کا مطلب ہے 122.1390293°، اور سمت `W` (مغرب) ہے، لہذا یہ منفی طول البلد ہے۔
+
+## جی پی ایس سینسر ڈیٹا کو ڈی کوڈ کریں
+
+خام NMEA ڈیٹا کے بجائے، اسے ایک زیادہ مفید فارمیٹ میں ڈی کوڈ کرنا بہتر ہے۔ کئی اوپن سورس لائبریریاں دستیاب ہیں جو خام NMEA پیغامات سے مفید ڈیٹا نکالنے میں مدد کر سکتی ہیں۔
+
+### کام - جی پی ایس سینسر ڈیٹا کو ڈی کوڈ کریں
+
+اپنے IoT ڈیوائس کے ذریعے جی پی ایس سینسر ڈیٹا کو ڈی کوڈ کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-gps-decode.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/ورچوئل IoT ڈیوائس](single-board-computer-gps-decode.md)
+
+---
+
+## 🚀 چیلنج
+
+اپنا NMEA ڈی کوڈر لکھیں! تیسرے فریق کی لائبریریوں پر انحصار کرنے کے بجائے، کیا آپ اپنا ڈی کوڈر لکھ سکتے ہیں تاکہ NMEA جملوں سے عرض البلد اور طول البلد نکال سکیں؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/22)
+
+## جائزہ اور خود مطالعہ
+
+* جغرافیائی کوآرڈینیٹس کے بارے میں مزید پڑھیں [ویکیپیڈیا کے جغرافیائی کوآرڈینیٹ سسٹم صفحہ](https://wikipedia.org/wiki/Geographic_coordinate_system) پر۔
+* زمین کے علاوہ دیگر آسمانی اجسام پر پرائم میریڈینز کے بارے میں پڑھیں [ویکیپیڈیا کے پرائم میریڈین صفحہ](https://wikipedia.org/wiki/Prime_meridian#Prime_meridian_on_other_planetary_bodies) پر۔
+* مختلف عالمی حکومتوں اور سیاسی اتحادوں جیسے یورپی یونین، جاپان، روس، بھارت، اور امریکہ کے مختلف جی پی ایس سسٹمز پر تحقیق کریں۔
+
+## اسائنمنٹ
+
+[دیگر جی پی ایس ڈیٹا کی تحقیق کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ماخذ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/assignment.md b/translations/ur/3-transport/lessons/1-location-tracking/assignment.md
new file mode 100644
index 00000000..6368300e
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/assignment.md
@@ -0,0 +1,29 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bded364fc06ce37d7a76aed3be1ba73a",
+  "translation_date": "2025-08-27T00:49:15+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/assignment.md",
+  "language_code": "ur"
+}
+-->
+# دیگر GPS ڈیٹا کی تحقیق کریں
+
+## ہدایات
+
+آپ کے GPS سینسر سے آنے والے NMEA جملوں میں مقام کے علاوہ بھی دیگر ڈیٹا موجود ہوتا ہے۔ اس اضافی ڈیٹا کی تحقیق کریں اور اسے اپنے IoT ڈیوائس میں استعمال کریں۔
+
+مثال کے طور پر - کیا آپ موجودہ تاریخ اور وقت حاصل کر سکتے ہیں؟ اگر آپ مائیکرو کنٹرولر استعمال کر رہے ہیں، تو کیا آپ GPS ڈیٹا کا استعمال کرتے ہوئے گھڑی سیٹ کر سکتے ہیں، جیسے آپ نے پچھلے پروجیکٹ میں NTP سگنلز کے ذریعے کیا تھا؟ کیا آپ بلندی (سمندر کی سطح سے اپنی اونچائی) یا اپنی موجودہ رفتار حاصل کر سکتے ہیں؟
+
+اگر آپ ایک ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو آپ کچھ ڈیٹا حاصل کرنے کے لیے [nmeagen.org](https://www.nmeagen.org) جیسے ٹولز کا استعمال کرتے ہوئے NMEA جملے بھیج سکتے ہیں۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| مزید GPS ڈیٹا حاصل کریں | مزید GPS ڈیٹا حاصل کرنے اور اسے ٹیلیمیٹری کے طور پر یا IoT ڈیوائس سیٹ اپ کرنے کے لیے استعمال کرنے کے قابل ہے | مزید GPS ڈیٹا حاصل کرنے کے قابل ہے، لیکن اسے استعمال کرنے میں ناکام ہے | مزید GPS ڈیٹا حاصل کرنے میں ناکام ہے |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
new file mode 100644
index 00000000..18414845
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md
@@ -0,0 +1,193 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3b2448c7ab4e9673e77e35a50c5e350d",
+  "translation_date": "2025-08-27T00:50:57+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/pi-gps-sensor.md",
+  "language_code": "ur"
+}
+-->
+# جی پی ایس ڈیٹا پڑھیں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں ایک جی پی ایس سینسر شامل کریں گے اور اس سے ڈیٹا پڑھیں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک جی پی ایس سینسر کی ضرورت ہے۔
+
+آپ جو سینسر استعمال کریں گے وہ [Grove GPS Air530 سینسر](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html) ہے۔ یہ سینسر تیزی اور درستگی کے ساتھ مختلف جی پی ایس سسٹمز سے جڑ سکتا ہے۔ یہ سینسر دو حصوں پر مشتمل ہے - سینسر کی بنیادی الیکٹرانکس اور ایک بیرونی اینٹینا جو ایک پتلی تار کے ذریعے جڑا ہوتا ہے تاکہ سیٹلائٹس سے ریڈیو ویوز کو پکڑ سکے۔
+
+یہ ایک UART سینسر ہے، اس لیے یہ جی پی ایس ڈیٹا UART کے ذریعے بھیجتا ہے۔
+
+## جی پی ایس سینسر کو جوڑیں
+
+Grove GPS سینسر کو راسپبیری پائی کے ساتھ جوڑا جا سکتا ہے۔
+
+### کام - جی پی ایس سینسر کو جوڑیں
+
+جی پی ایس سینسر کو جوڑیں۔
+
+![ایک Grove GPS سینسر](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ur.png)
+
+1. Grove کیبل کے ایک سرے کو جی پی ایس سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں داخل ہوگا۔
+
+1. راسپبیری پائی کو بند کر کے، Grove کیبل کے دوسرے سرے کو Grove Base Hat پر موجود **UART** کے نشان والے ساکٹ میں جوڑیں۔ یہ ساکٹ درمیانی قطار میں ہے، ایس ڈی کارڈ سلاٹ کے قریب، یو ایس بی پورٹس اور ایتھرنیٹ ساکٹ کے مخالف سمت۔
+
+    ![Grove GPS سینسر UART ساکٹ سے جڑا ہوا](../../../../../translated_images/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.ur.png)
+
+1. جی پی ایس سینسر کو اس طرح رکھیں کہ جڑا ہوا اینٹینا آسمان کو دیکھ سکے - مثالی طور پر کھڑکی کے قریب یا باہر۔ اینٹینا کے راستے میں کسی چیز کے نہ ہونے سے سگنل زیادہ واضح طور پر ملتا ہے۔
+
+## جی پی ایس سینسر کو پروگرام کریں
+
+اب راسپبیری پائی کو جڑے ہوئے جی پی ایس سینسر کے استعمال کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - جی پی ایس سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. پائی کو آن کریں اور اس کے بوٹ ہونے کا انتظار کریں۔
+
+1. جی پی ایس سینسر میں 2 ایل ای ڈیز ہیں - ایک نیلی ایل ای ڈی جو ڈیٹا کے ٹرانسمٹ ہونے پر چمکتی ہے، اور ایک سبز ایل ای ڈی جو سیٹلائٹس سے ڈیٹا موصول ہونے پر ہر سیکنڈ چمکتی ہے۔ یقینی بنائیں کہ جب آپ پائی کو آن کریں تو نیلی ایل ای ڈی چمک رہی ہو۔ چند منٹ بعد سبز ایل ای ڈی چمکے گی - اگر ایسا نہ ہو تو آپ کو اینٹینا کی پوزیشن تبدیل کرنی پڑ سکتی ہے۔
+
+1. وی ایس کوڈ لانچ کریں، یا تو براہ راست پائی پر، یا ریموٹ ایس ایس ایچ ایکسٹینشن کے ذریعے جڑ کر۔
+
+    > ⚠️ آپ [سبق 1 میں وی ایس کوڈ سیٹ اپ اور لانچ کرنے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/pi.md) کا حوالہ دے سکتے ہیں۔
+
+1. نئے راسپبیری پائی ورژنز جو بلوٹوتھ کو سپورٹ کرتے ہیں، ان میں بلوٹوتھ کے لیے استعمال ہونے والے سیریل پورٹ اور Grove UART پورٹ کے لیے استعمال ہونے والے سیریل پورٹ کے درمیان تنازعہ ہوتا ہے۔ اسے ٹھیک کرنے کے لیے، درج ذیل کریں:
+
+    1. وی ایس کوڈ ٹرمینل سے، `nano` کے ذریعے `/boot/config.txt` فائل کو درج ذیل کمانڈ کے ساتھ ایڈٹ کریں:
+
+        ```sh
+        sudo nano /boot/config.txt
+        ```
+
+        > یہ فائل وی ایس کوڈ کے ذریعے ایڈٹ نہیں کی جا سکتی کیونکہ اسے `sudo` پرمیشنز کے ساتھ ایڈٹ کرنے کی ضرورت ہے، جو ایک بلند پرمیشن ہے۔ وی ایس کوڈ اس پرمیشن کے ساتھ نہیں چلتا۔
+
+    1. کرسر کیز کا استعمال کرتے ہوئے فائل کے آخر تک جائیں، پھر نیچے دیا گیا کوڈ کاپی کریں اور فائل کے آخر میں پیسٹ کریں:
+
+        ```ini
+        dtoverlay=pi3-miniuart-bt
+        dtoverlay=pi3-disable-bt
+        enable_uart=1
+        ```
+
+        آپ اپنے ڈیوائس کے نارمل کی بورڈ شارٹ کٹس کا استعمال کرتے ہوئے پیسٹ کر سکتے ہیں (`Ctrl+v` ونڈوز، لینکس یا راسپبیری پائی او ایس پر، `Cmd+v` میک او ایس پر)۔
+
+    1. اس فائل کو محفوظ کریں اور `nano` سے باہر نکلنے کے لیے `Ctrl+x` دبائیں۔ جب آپ سے پوچھا جائے کہ کیا آپ تبدیل شدہ بفر کو محفوظ کرنا چاہتے ہیں تو `y` دبائیں، پھر تصدیق کے لیے `enter` دبائیں۔
+
+        > اگر آپ سے کوئی غلطی ہو جائے تو آپ بغیر محفوظ کیے باہر نکل سکتے ہیں، پھر ان مراحل کو دوبارہ دہرائیں۔
+
+    1. `nano` کے ذریعے `/boot/cmdline.txt` فائل کو درج ذیل کمانڈ کے ساتھ ایڈٹ کریں:
+
+        ```sh
+        sudo nano /boot/cmdline.txt
+        ```
+
+    1. اس فائل میں کئی کلید/ویلیو جوڑے ہیں جو اسپیس سے الگ ہیں۔ کلید `console` کے لیے کسی بھی کلید/ویلیو جوڑوں کو ہٹا دیں۔ یہ ممکنہ طور پر اس طرح نظر آئیں گے:
+
+        ```output
+        console=serial0,115200 console=tty1 
+        ```
+
+        آپ کرسر کیز کا استعمال کرتے ہوئے ان اندراجات پر جا سکتے ہیں، پھر نارمل `del` یا `backspace` کیز کا استعمال کرتے ہوئے حذف کر سکتے ہیں۔
+
+        مثال کے طور پر، اگر آپ کی اصل فائل اس طرح نظر آتی ہے:
+
+        ```output
+        console=serial0,115200 console=tty1 root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+        نئی ورژن اس طرح ہوگی:
+
+        ```output
+        root=PARTUUID=058e2867-02 rootfstype=ext4 elevator=deadline fsck.repair=yes rootwait
+        ```
+
+    1. اوپر دیے گئے مراحل کو فائل محفوظ کرنے اور `nano` سے باہر نکلنے کے لیے دہرائیں۔
+
+    1. اپنے پائی کو ریبوٹ کریں، پھر پائی کے ریبوٹ ہونے کے بعد وی ایس کوڈ میں دوبارہ جڑیں۔
+
+1. ٹرمینل سے، `pi` یوزر کے ہوم ڈائریکٹری میں ایک نیا فولڈر بنائیں جس کا نام `gps-sensor` ہو۔ اس فولڈر میں `app.py` نام کی ایک فائل بنائیں۔
+
+1. اس فولڈر کو وی ایس کوڈ میں کھولیں۔
+
+1. جی پی ایس ماڈیول سیریل پورٹ کے ذریعے UART ڈیٹا بھیجتا ہے۔ سیریل پورٹ کے ساتھ اپنے پائتھون کوڈ سے بات چیت کرنے کے لیے `pyserial` پِپ پیکج انسٹال کریں:
+
+    ```sh
+    pip3 install pyserial
+    ```
+
+1. اپنے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import time
+    import serial
+    
+    serial = serial.Serial('/dev/ttyAMA0', 9600, timeout=1)
+    serial.reset_input_buffer()
+    serial.flush()
+    
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    یہ کوڈ `pyserial` پِپ پیکج سے `serial` ماڈیول کو امپورٹ کرتا ہے۔ پھر یہ `/dev/ttyAMA0` سیریل پورٹ سے جڑتا ہے - یہ وہ ایڈریس ہے جو Grove Pi Base Hat اپنے UART پورٹ کے لیے استعمال کرتا ہے۔ اس کے بعد یہ اس سیریل کنکشن سے کسی بھی موجودہ ڈیٹا کو صاف کرتا ہے۔
+
+    اس کے بعد ایک فنکشن `print_gps_data` ڈیفائن کیا گیا ہے جو کنسول پر دی گئی لائن کو پرنٹ کرتا ہے۔
+
+    اس کے بعد کوڈ ہمیشہ کے لیے لوپ کرتا ہے، ہر لوپ میں سیریل پورٹ سے جتنی لائنز پڑھ سکتا ہے پڑھتا ہے۔ یہ ہر لائن کے لیے `print_gps_data` فنکشن کو کال کرتا ہے۔
+
+    تمام ڈیٹا پڑھنے کے بعد، لوپ 1 سیکنڈ کے لیے سوتا ہے، پھر دوبارہ کوشش کرتا ہے۔
+
+1. اس کوڈ کو چلائیں۔ آپ جی پی ایس سینسر سے خام آؤٹ پٹ دیکھیں گے، جو کچھ اس طرح ہوگا:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+    > اگر آپ کو کوڈ کو روکنے اور دوبارہ شروع کرنے پر درج ذیل میں سے کوئی ایرر ملے، تو اپنے `while` لوپ میں `try - except` بلاک شامل کریں۔
+
+      ```output
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 0: invalid start byte
+      UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf1 in position 0: invalid continuation byte
+      ```
+
+    ```python
+    while True:
+        try:
+            line = serial.readline().decode('utf-8')
+              
+            while len(line) > 0:
+                print_gps_data()
+                line = serial.readline().decode('utf-8')
+      
+        # There's a random chance the first byte being read is part way through a character.
+        # Read another full line and continue.
+
+        except UnicodeDecodeError:
+            line = serial.readline().decode('utf-8')
+
+    time.sleep(1)
+    ```
+
+> 💁 آپ اس کوڈ کو [code-gps/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا جی پی ایس سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md b/translations/ur/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
new file mode 100644
index 00000000..60fb2c05
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md
@@ -0,0 +1,75 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cbb8c285bc64c5192fae3368fb5077d2",
+  "translation_date": "2025-08-27T00:49:55+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/single-board-computer-gps-decode.md",
+  "language_code": "ur"
+}
+-->
+# جی پی ایس ڈیٹا کو ڈی کوڈ کریں - ورچوئل آئی او ٹی ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ جی پی ایس سینسر سے پڑھے گئے این ایم ای اے پیغامات کو راسپبیری پائی یا ورچوئل آئی او ٹی ڈیوائس کے ذریعے ڈی کوڈ کریں گے اور عرض البلد اور طول البلد نکالیں گے۔
+
+## جی پی ایس ڈیٹا کو ڈی کوڈ کریں
+
+جب خام این ایم ای اے ڈیٹا سیریل پورٹ سے پڑھا جائے، تو اسے ایک اوپن سورس این ایم ای اے لائبریری کا استعمال کرتے ہوئے ڈی کوڈ کیا جا سکتا ہے۔
+
+### کام - جی پی ایس ڈیٹا کو ڈی کوڈ کریں
+
+ڈیوائس کو جی پی ایس ڈیٹا کو ڈی کوڈ کرنے کے لیے پروگرام کریں۔
+
+1. `gps-sensor` ایپ پروجیکٹ کھولیں اگر یہ پہلے سے کھلا نہیں ہے۔
+
+1. `pynmea2` پِپ پیکیج انسٹال کریں۔ یہ پیکیج این ایم ای اے پیغامات کو ڈی کوڈ کرنے کے لیے کوڈ فراہم کرتا ہے۔
+
+    ```sh
+    pip3 install pynmea2
+    ```
+
+1. `app.py` فائل میں درآمدات کے حصے میں درج ذیل کوڈ شامل کریں تاکہ `pynmea2` ماڈیول کو درآمد کیا جا سکے:
+
+    ```python
+    import pynmea2
+    ```
+
+1. `print_gps_data` فنکشن کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    msg = pynmea2.parse(line)
+    if msg.sentence_type == 'GGA':
+        lat = pynmea2.dm_to_sd(msg.lat)
+        lon = pynmea2.dm_to_sd(msg.lon)
+
+        if msg.lat_dir == 'S':
+            lat = lat * -1
+
+        if msg.lon_dir == 'W':
+            lon = lon * -1
+
+        print(f'{lat},{lon} - from {msg.num_sats} satellites')
+    ```
+
+    یہ کوڈ `pynmea2` لائبریری کا استعمال کرے گا تاکہ یو اے آر ٹی سیریل پورٹ سے پڑھی گئی لائن کو پارس کیا جا سکے۔
+
+    اگر پیغام کی جملے کی قسم `GGA` ہے، تو یہ ایک پوزیشن فکس پیغام ہے اور اسے پروسیس کیا جاتا ہے۔ عرض البلد اور طول البلد کی قدریں پیغام سے پڑھی جاتی ہیں اور این ایم ای اے `(d)ddmm.mmmm` فارمیٹ سے اعشاریہ ڈگریوں میں تبدیل کی جاتی ہیں۔ `dm_to_sd` فنکشن یہ تبدیلی کرتا ہے۔
+
+    پھر عرض البلد کی سمت چیک کی جاتی ہے، اور اگر عرض البلد جنوب میں ہے، تو قدر کو منفی نمبر میں تبدیل کیا جاتا ہے۔ اسی طرح طول البلد کے ساتھ، اگر یہ مغرب میں ہے تو اسے منفی نمبر میں تبدیل کیا جاتا ہے۔
+
+    آخر میں، کوآرڈینیٹس کو کنسول پر پرنٹ کیا جاتا ہے، ساتھ ہی ان سیٹلائٹس کی تعداد کے ساتھ جو مقام حاصل کرنے کے لیے استعمال ہوئے۔
+
+1. کوڈ چلائیں۔ اگر آپ ورچوئل آئی او ٹی ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ CounterFit ایپ چل رہی ہے اور جی پی ایس ڈیٹا بھیجا جا رہا ہے۔
+
+    ```output
+    pi@raspberrypi:~/gps-sensor $ python3 app.py 
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 آپ اس کوڈ کو [code-gps-decode/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/virtual-device) فولڈر میں یا [code-gps-decode/pi](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا جی پی ایس سینسر پروگرام ڈیٹا کو ڈی کوڈ کرنے کے ساتھ کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
new file mode 100644
index 00000000..a8c3aebf
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md
@@ -0,0 +1,144 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64f18a8f8aaa1fef5e7320e0992d8b3a",
+  "translation_date": "2025-08-27T00:43:47+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md",
+  "language_code": "ur"
+}
+-->
+# جی پی ایس ڈیٹا پڑھیں - ورچوئل آئی او ٹی ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل آئی او ٹی ڈیوائس میں ایک جی پی ایس سینسر شامل کریں گے اور اس سے ڈیٹا پڑھیں گے۔
+
+## ورچوئل ہارڈویئر
+
+ورچوئل آئی او ٹی ڈیوائس ایک سمولیٹڈ جی پی ایس سینسر استعمال کرے گا جو سیریل پورٹ کے ذریعے یو اے آر ٹی پر دستیاب ہوگا۔
+
+ایک فزیکل جی پی ایس سینسر میں اینٹینا ہوتا ہے جو جی پی ایس سیٹلائٹس سے ریڈیو ویوز کو پکڑتا ہے اور جی پی ایس سگنلز کو جی پی ایس ڈیٹا میں تبدیل کرتا ہے۔ ورچوئل ورژن اس عمل کو سمولیٹ کرتا ہے، جس میں آپ یا تو لاٹیٹیوڈ اور لانگیٹیوڈ سیٹ کر سکتے ہیں، خام این ایم ای اے جملے بھیج سکتے ہیں، یا ایک جی پی ایکس فائل اپلوڈ کر سکتے ہیں جس میں متعدد مقامات ہوں جو ترتیب وار واپس کیے جا سکیں۔
+
+> 🎓 این ایم ای اے جملوں پر اس سبق میں بعد میں بات کی جائے گی
+
+### سینسر کو کاؤنٹر فٹ میں شامل کریں
+
+ورچوئل جی پی ایس سینسر استعمال کرنے کے لیے، آپ کو اسے کاؤنٹر فٹ ایپ میں شامل کرنا ہوگا۔
+
+#### کام - سینسر کو کاؤنٹر فٹ میں شامل کریں
+
+جی پی ایس سینسر کو کاؤنٹر فٹ ایپ میں شامل کریں۔
+
+1. اپنے کمپیوٹر پر `gps-sensor` نامی فولڈر میں ایک نیا پائتھون ایپ بنائیں، جس میں ایک فائل `app.py` ہو اور ایک پائتھون ورچوئل انوائرمنٹ ہو، اور کاؤنٹر فٹ پِپ پیکجز شامل کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو [سبق 1 میں کاؤنٹر فٹ پائتھون پروجیکٹ بنانے اور سیٹ اپ کرنے کی ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) دیکھ سکتے ہیں۔
+
+1. ایک اضافی پِپ پیکج انسٹال کریں تاکہ کاؤنٹر فٹ شِم انسٹال ہو سکے جو سیریل کنکشن کے ذریعے یو اے آر ٹی بیسڈ سینسرز سے بات کر سکے۔ یقینی بنائیں کہ آپ یہ انسٹالیشن اس ٹرمینل سے کر رہے ہیں جس میں ورچوئل انوائرمنٹ ایکٹیویٹڈ ہو۔
+
+    ```sh
+    pip install counterfit-shims-serial
+    ```
+
+1. یقینی بنائیں کہ کاؤنٹر فٹ ویب ایپ چل رہی ہو۔
+
+1. جی پی ایس سینسر بنائیں:
+
+    1. *سینسرز* پین میں *سینسر بنائیں* باکس میں جائیں، *سینسر کی قسم* ڈراپ ڈاؤن کریں اور *UART GPS* منتخب کریں۔
+
+    1. *پورٹ* کو */dev/ttyAMA0* پر سیٹ رہنے دیں۔
+
+    1. **Add** بٹن کو منتخب کریں تاکہ پورٹ `/dev/ttyAMA0` پر جی پی ایس سینسر بنایا جا سکے۔
+
+    ![جی پی ایس سینسر کی سیٹنگز](../../../../../translated_images/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.ur.png)
+
+    جی پی ایس سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![جی پی ایس سینسر بنایا گیا](../../../../../translated_images/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.ur.png)
+
+## جی پی ایس سینسر کو پروگرام کریں
+
+ورچوئل آئی او ٹی ڈیوائس کو اب ورچوئل جی پی ایس سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - جی پی ایس سینسر کو پروگرام کریں
+
+جی پی ایس سینسر ایپ کو پروگرام کریں۔
+
+1. یقینی بنائیں کہ `gps-sensor` ایپ وی ایس کوڈ میں کھلی ہو۔
+
+1. `app.py` فائل کھولیں۔
+
+1. ایپ کو کاؤنٹر فٹ سے کنیکٹ کرنے کے لیے درج ذیل کوڈ `app.py` کے اوپر شامل کریں:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ ضروری لائبریریاں امپورٹ کی جا سکیں، بشمول کاؤنٹر فٹ سیریل پورٹ کے لیے لائبریری:
+
+    ```python
+    import time
+    import counterfit_shims_serial
+    
+    serial = counterfit_shims_serial.Serial('/dev/ttyAMA0')
+    ```
+
+    یہ کوڈ `counterfit_shims_serial` پِپ پیکج سے `serial` ماڈیول کو امپورٹ کرتا ہے۔ پھر یہ `/dev/ttyAMA0` سیریل پورٹ سے کنیکٹ ہوتا ہے - یہ وہ ایڈریس ہے جو ورچوئل جی پی ایس سینسر اپنے یو اے آر ٹی پورٹ کے لیے استعمال کرتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ سیریل پورٹ سے ڈیٹا پڑھا جا سکے اور کنسول پر پرنٹ کیا جا سکے:
+
+    ```python
+    def print_gps_data(line):
+        print(line.rstrip())
+    
+    while True:
+        line = serial.readline().decode('utf-8')
+    
+        while len(line) > 0:
+            print_gps_data(line)
+            line = serial.readline().decode('utf-8')
+    
+        time.sleep(1)
+    ```
+
+    ایک فنکشن `print_gps_data` ڈیفائن کیا گیا ہے جو کنسول پر دی گئی لائن کو پرنٹ کرتا ہے۔
+
+    اس کے بعد کوڈ ہمیشہ کے لیے لوپ کرتا ہے، ہر لوپ میں سیریل پورٹ سے جتنی لائنز پڑھ سکتا ہے، پڑھتا ہے۔ یہ ہر لائن کے لیے `print_gps_data` فنکشن کو کال کرتا ہے۔
+
+    تمام ڈیٹا پڑھنے کے بعد، لوپ 1 سیکنڈ کے لیے سوتا ہے، پھر دوبارہ کوشش کرتا ہے۔
+
+1. اس کوڈ کو چلائیں، یہ یقینی بناتے ہوئے کہ آپ ایک مختلف ٹرمینل استعمال کر رہے ہیں جس میں کاؤنٹر فٹ ایپ چل رہی ہو تاکہ کاؤنٹر فٹ ایپ چلتی رہے۔
+
+1. کاؤنٹر فٹ ایپ سے جی پی ایس سینسر کی ویلیو تبدیل کریں۔ آپ یہ ان طریقوں سے کر سکتے ہیں:
+
+    * **Source** کو `Lat/Lon` پر سیٹ کریں، اور ایک واضح لاٹیٹیوڈ، لانگیٹیوڈ اور سیٹلائٹس کی تعداد سیٹ کریں جو جی پی ایس فکس حاصل کرنے کے لیے استعمال ہو۔ یہ ویلیو صرف ایک بار بھیجی جائے گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ہر سیکنڈ دہرایا جائے۔
+
+      ![جی پی ایس سینسر کے ساتھ لاٹ لان منتخب](../../../../../translated_images/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.ur.png)
+
+    * **Source** کو `NMEA` پر سیٹ کریں اور این ایم ای اے جملے ٹیکسٹ باکس میں شامل کریں۔ یہ تمام ویلیوز بھیجی جائیں گی، ہر نئے جی جی اے (پوزیشن فکس) جملے کو پڑھنے سے پہلے 1 سیکنڈ کی تاخیر کے ساتھ۔
+
+      ![جی پی ایس سینسر کے ساتھ این ایم ای اے جملے سیٹ](../../../../../translated_images/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.ur.png)
+
+      آپ [nmeagen.org](https://www.nmeagen.org) جیسے ٹول کا استعمال کر سکتے ہیں تاکہ نقشے پر ڈرائنگ کر کے یہ جملے تیار کیے جا سکیں۔ یہ ویلیوز صرف ایک بار بھیجی جائیں گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ایک سیکنڈ بعد دہرایا جائے۔
+
+    * **Source** کو GPX فائل پر سیٹ کریں، اور ایک جی پی ایکس فائل اپلوڈ کریں جس میں ٹریک کے مقامات ہوں۔ آپ جی پی ایکس فائلز کو کئی مشہور میپنگ اور ہائکنگ سائٹس جیسے [AllTrails](https://www.alltrails.com/) سے ڈاؤنلوڈ کر سکتے ہیں۔ ان فائلز میں متعدد جی پی ایس مقامات بطور ٹریل شامل ہوتے ہیں، اور جی پی ایس سینسر ہر نئے مقام کو 1 سیکنڈ کے وقفے پر واپس کرے گا۔
+
+      ![جی پی ایس سینسر کے ساتھ جی پی ایکس فائل سیٹ](../../../../../translated_images/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.ur.png)
+
+      یہ ویلیوز صرف ایک بار بھیجی جائیں گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ایک سیکنڈ بعد دہرایا جائے۔
+
+    ایک بار جب آپ جی پی ایس سیٹنگز کو کنفیگر کر لیں، **Set** بٹن کو منتخب کریں تاکہ یہ ویلیوز سینسر پر لاگو ہو سکیں۔
+
+1. آپ جی پی ایس سینسر کا خام آؤٹ پٹ دیکھیں گے، جو کچھ اس طرح ہوگا:
+
+    ```output
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    ```
+
+> 💁 آپ اس کوڈ کو [code-gps/virtual-device](../../../../../3-transport/lessons/1-location-tracking/code-gps/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا جی پی ایس سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
new file mode 100644
index 00000000..12c65e5e
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md
@@ -0,0 +1,83 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "fbbcf96a9b63ccd661db98bbf854bb06",
+  "translation_date": "2025-08-27T00:51:59+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-decode.md",
+  "language_code": "ur"
+}
+-->
+# GPS ڈیٹا کو ڈی کوڈ کریں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ Wio Terminal کے GPS سینسر سے پڑھے گئے NMEA پیغامات کو ڈی کوڈ کریں گے اور عرض البلد اور طول البلد نکالیں گے۔
+
+## GPS ڈیٹا کو ڈی کوڈ کریں
+
+جب خام NMEA ڈیٹا سیریل پورٹ سے پڑھا جائے، تو اسے ایک اوپن سورس NMEA لائبریری کا استعمال کرتے ہوئے ڈی کوڈ کیا جا سکتا ہے۔
+
+### کام - GPS ڈیٹا کو ڈی کوڈ کریں
+
+ڈوائس کو GPS ڈیٹا کو ڈی کوڈ کرنے کے لیے پروگرام کریں۔
+
+1. اگر `gps-sensor` ایپ پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے کھولیں۔
+
+1. پروجیکٹ کے `platformio.ini` فائل میں [TinyGPSPlus](https://github.com/mikalhart/TinyGPSPlus) لائبریری کے لیے ایک لائبریری ڈیپینڈنسی شامل کریں۔ اس لائبریری میں NMEA ڈیٹا کو ڈی کوڈ کرنے کے لیے کوڈ موجود ہے۔
+
+    ```ini
+    lib_deps =
+        mikalhart/TinyGPSPlus @ 1.0.2
+    ```
+
+1. `main.cpp` میں، TinyGPSPlus لائبریری کے لیے ایک include directive شامل کریں:
+
+    ```cpp
+    #include <TinyGPS++.h>
+    ```
+
+1. `Serial3` کے اعلان کے نیچے، NMEA جملوں کو پروسیس کرنے کے لیے ایک TinyGPSPlus آبجیکٹ کا اعلان کریں:
+
+    ```cpp
+    TinyGPSPlus gps;
+    ```
+
+1. `printGPSData` فنکشن کے مواد کو درج ذیل میں تبدیل کریں:
+
+    ```cpp
+    if (gps.encode(Serial3.read()))
+    {
+        if (gps.location.isValid())
+        {
+            Serial.print(gps.location.lat(), 6);
+            Serial.print(F(","));
+            Serial.print(gps.location.lng(), 6);
+            Serial.print(" - from ");
+            Serial.print(gps.satellites.value());
+            Serial.println(" satellites");
+        }
+    }
+    ```
+
+    یہ کوڈ UART سیریل پورٹ سے اگلا کریکٹر `gps` NMEA ڈیکوڈر میں پڑھتا ہے۔ ہر کریکٹر کے بعد، یہ چیک کرے گا کہ آیا ڈیکوڈر نے ایک درست جملہ پڑھا ہے، پھر یہ چیک کرے گا کہ آیا اس نے ایک درست مقام پڑھا ہے۔ اگر مقام درست ہے، تو یہ اسے سیریل مانیٹر پر بھیجے گا، ساتھ ہی ان سیٹلائٹس کی تعداد کے ساتھ جو اس فکس میں شامل تھے۔
+
+1. کوڈ کو Wio Terminal پر بنائیں اور اپلوڈ کریں۔
+
+1. اپلوڈ ہونے کے بعد، آپ سیریل مانیٹر کا استعمال کرتے ہوئے GPS مقام کے ڈیٹا کی نگرانی کر سکتے ہیں۔
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    47.6423109,-122.1390293 - from 3 satellites
+    ```
+
+> 💁 آپ اس کوڈ کو [code-gps-decode/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps-decode/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا GPS سینسر پروگرام ڈیٹا کو ڈی کوڈ کرنے کے ساتھ کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
new file mode 100644
index 00000000..705d93e4
--- /dev/null
+++ b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md
@@ -0,0 +1,154 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da6ae0a795cf06be33d23ca5b8493fc8",
+  "translation_date": "2025-08-27T00:42:29+00:00",
+  "source_file": "3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل - جی پی ایس ڈیٹا پڑھیں
+
+اس سبق کے اس حصے میں، آپ اپنے وائیو ٹرمینل میں جی پی ایس سینسر شامل کریں گے اور اس سے ڈیٹا پڑھیں گے۔
+
+## ہارڈویئر
+
+وائیو ٹرمینل کو ایک جی پی ایس سینسر کی ضرورت ہے۔
+
+آپ جو سینسر استعمال کریں گے وہ [Grove GPS Air530 sensor](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html) ہے۔ یہ سینسر کئی جی پی ایس سسٹمز سے جڑ سکتا ہے تاکہ تیز اور درست ڈیٹا حاصل کیا جا سکے۔ سینسر دو حصوں پر مشتمل ہے - سینسر کے بنیادی الیکٹرانکس اور ایک بیرونی اینٹینا جو پتلی تار کے ذریعے سیٹلائٹس سے ریڈیو لہریں وصول کرتا ہے۔
+
+یہ ایک UART سینسر ہے، جو جی پی ایس ڈیٹا UART کے ذریعے بھیجتا ہے۔
+
+### جی پی ایس سینسر کو جوڑیں
+
+Grove GPS سینسر کو وائیو ٹرمینل سے جوڑا جا سکتا ہے۔
+
+#### کام - جی پی ایس سینسر کو جوڑیں
+
+جی پی ایس سینسر کو جوڑیں۔
+
+![ایک Grove GPS سینسر](../../../../../translated_images/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.ur.png)
+
+1. Grove کیبل کے ایک سرے کو جی پی ایس سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. وائیو ٹرمینل کو اپنے کمپیوٹر یا کسی اور پاور سپلائی سے منقطع کریں، اور Grove کیبل کے دوسرے سرے کو وائیو ٹرمینل کے بائیں جانب Grove ساکٹ میں جوڑیں جب آپ اسکرین کو دیکھ رہے ہوں۔ یہ ساکٹ پاور بٹن کے قریب ترین ہے۔
+
+    ![Grove GPS سینسر بائیں جانب ساکٹ سے جڑا ہوا](../../../../../translated_images/wio-gps-sensor.19fd52b81ce58095d5deb3d4e5a1fdd88818d76569b00b1f0d740c92dc986525.ur.png)
+
+1. جی پی ایس سینسر کو ایسی جگہ رکھیں جہاں اس کا منسلک اینٹینا آسمان کو دیکھ سکے - مثالی طور پر کھڑکی کے قریب یا باہر۔ اینٹینا کے راستے میں کوئی رکاوٹ نہ ہونے پر سگنل زیادہ واضح طور پر حاصل کرنا آسان ہوتا ہے۔
+
+1. اب آپ وائیو ٹرمینل کو اپنے کمپیوٹر سے جوڑ سکتے ہیں۔
+
+1. جی پی ایس سینسر میں 2 ایل ای ڈی ہیں - ایک نیلی ایل ای ڈی جو ڈیٹا منتقل ہونے پر چمکتی ہے، اور ایک سبز ایل ای ڈی جو سیٹلائٹس سے ڈیٹا وصول کرنے پر ہر سیکنڈ چمکتی ہے۔ یقینی بنائیں کہ وائیو ٹرمینل کو پاور اپ کرنے پر نیلی ایل ای ڈی چمک رہی ہو۔ چند منٹ کے بعد سبز ایل ای ڈی چمکے گی - اگر ایسا نہ ہو تو آپ کو اینٹینا کی پوزیشن تبدیل کرنے کی ضرورت ہو سکتی ہے۔
+
+## جی پی ایس سینسر کو پروگرام کریں
+
+اب وائیو ٹرمینل کو منسلک جی پی ایس سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - جی پی ایس سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. PlatformIO کا استعمال کرتے ہوئے ایک نیا وائیو ٹرمینل پروجیکٹ بنائیں۔ اس پروجیکٹ کا نام `gps-sensor` رکھیں۔ `setup` فنکشن میں سیریل پورٹ کو ترتیب دینے کے لیے کوڈ شامل کریں۔
+
+1. `main.cpp` فائل کے اوپر درج ذیل include directive شامل کریں۔ یہ ایک ہیڈر فائل کو شامل کرتا ہے جس میں UART کے لیے بائیں جانب Grove پورٹ کو ترتیب دینے کے فنکشنز ہیں۔
+
+    ```cpp
+    #include <wiring_private.h>
+    ```
+
+1. اس کے نیچے، درج ذیل کوڈ لائن شامل کریں تاکہ UART پورٹ کے ساتھ سیریل پورٹ کنکشن کا اعلان کیا جا سکے:
+
+    ```cpp
+    static Uart Serial3(&sercom3, PIN_WIRE_SCL, PIN_WIRE_SDA, SERCOM_RX_PAD_1, UART_TX_PAD_0);
+    ```
+
+1. آپ کو کچھ کوڈ شامل کرنے کی ضرورت ہے تاکہ کچھ اندرونی سگنل ہینڈلرز کو اس سیریل پورٹ پر ری ڈائریکٹ کیا جا سکے۔ `Serial3` اعلان کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void SERCOM3_0_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_1_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_2_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    
+    void SERCOM3_3_Handler()
+    {
+        Serial3.IrqHandler();
+    }
+    ```
+
+1. `setup` فنکشن میں جہاں `Serial` پورٹ ترتیب دی گئی ہے، وہاں درج ذیل کوڈ کے ساتھ UART سیریل پورٹ کو ترتیب دیں:
+
+    ```cpp
+    Serial3.begin(9600);
+
+    while (!Serial3)
+        ; // Wait for Serial3 to be ready
+
+    delay(1000);
+    ```
+
+1. `setup` فنکشن میں اس کوڈ کے نیچے، درج ذیل کوڈ شامل کریں تاکہ Grove پن کو سیریل پورٹ سے جوڑا جا سکے:
+
+    ```cpp
+    pinPeripheral(PIN_WIRE_SCL, PIO_SERCOM_ALT);
+    ```
+
+1. `loop` فنکشن سے پہلے درج ذیل فنکشن شامل کریں تاکہ جی پی ایس ڈیٹا کو سیریل مانیٹر پر بھیجا جا سکے:
+
+    ```cpp
+    void printGPSData()
+    {
+        Serial.println(Serial3.readStringUntil('\n'));
+    }
+    ```
+
+1. `loop` فنکشن میں، درج ذیل کوڈ شامل کریں تاکہ UART سیریل پورٹ سے ڈیٹا پڑھا جا سکے اور سیریل مانیٹر پر آؤٹ پٹ پرنٹ کیا جا سکے:
+
+    ```cpp
+    while (Serial3.available() > 0)
+    {
+        printGPSData();
+    }
+    
+    delay(1000);
+    ```
+
+    یہ کوڈ UART سیریل پورٹ سے ڈیٹا پڑھتا ہے۔ `readStringUntil` فنکشن ایک ٹرمینیٹر کریکٹر تک پڑھتا ہے، اس صورت میں ایک نئی لائن۔ یہ ایک مکمل NMEA جملہ پڑھے گا (NMEA جملے نئی لائن کریکٹر کے ساتھ ختم ہوتے ہیں)۔ جب تک UART سیریل پورٹ سے ڈیٹا پڑھا جا سکتا ہے، اسے پڑھا جاتا ہے اور `printGPSData` فنکشن کے ذریعے سیریل مانیٹر پر بھیجا جاتا ہے۔ جب مزید ڈیٹا پڑھا نہیں جا سکتا، `loop` 1 سیکنڈ (1,000ms) کے لیے تاخیر کرتا ہے۔
+
+1. کوڈ کو وائیو ٹرمینل پر بنائیں اور اپلوڈ کریں۔
+
+1. اپلوڈ ہونے کے بعد، آپ سیریل مانیٹر کے ذریعے جی پی ایس ڈیٹا مانیٹر کر سکتے ہیں۔
+
+    ```output
+    > Executing task: platformio device monitor <
+    
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1201  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    $GNGGA,020604.001,4738.538654,N,12208.341758,W,1,3,,164.7,M,-17.1,M,,*67
+    $GPGSA,A,1,,,,,,,,,,,,,,,*1E
+    $BDGSA,A,1,,,,,,,,,,,,,,,*0F
+    $GPGSV,1,1,00*79
+    $BDGSV,1,1,00*68
+    ```
+
+> 💁 آپ اس کوڈ کو [code-gps/wio-terminal](../../../../../3-transport/lessons/1-location-tracking/code-gps/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا جی پی ایس سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/2-store-location-data/README.md b/translations/ur/3-transport/lessons/2-store-location-data/README.md
new file mode 100644
index 00000000..7cddc73c
--- /dev/null
+++ b/translations/ur/3-transport/lessons/2-store-location-data/README.md
@@ -0,0 +1,477 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e345843ccfeb7261d81500d19c64d476",
+  "translation_date": "2025-08-27T00:59:52+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/README.md",
+  "language_code": "ur"
+}
+-->
+# اسٹور لوکیشن ڈیٹا
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.ur.jpg)
+
+> خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/23)
+
+## تعارف
+
+پچھلے سبق میں، آپ نے سیکھا کہ GPS سینسر کا استعمال کرکے لوکیشن ڈیٹا کیسے حاصل کیا جاتا ہے۔ اس ڈیٹا کو کسی کھانے سے لدے ٹرک کی لوکیشن اور اس کے سفر کو ظاہر کرنے کے لیے استعمال کرنے کے لیے، اسے کلاؤڈ میں کسی IoT سروس پر بھیجنا اور پھر کہیں محفوظ کرنا ضروری ہے۔
+
+اس سبق میں آپ IoT ڈیٹا کو محفوظ کرنے کے مختلف طریقے سیکھیں گے اور یہ بھی جانیں گے کہ سرور لیس کوڈ کا استعمال کرتے ہوئے اپنے IoT سروس کا ڈیٹا کیسے محفوظ کریں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [ساختہ اور غیر ساختہ ڈیٹا](../../../../../3-transport/lessons/2-store-location-data)
+* [GPS ڈیٹا کو IoT ہب پر بھیجیں](../../../../../3-transport/lessons/2-store-location-data)
+* [ہاٹ، وارم، اور کولڈ راستے](../../../../../3-transport/lessons/2-store-location-data)
+* [GPS ایونٹس کو سرور لیس کوڈ کے ذریعے ہینڈل کریں](../../../../../3-transport/lessons/2-store-location-data)
+* [Azure اسٹوریج اکاؤنٹس](../../../../../3-transport/lessons/2-store-location-data)
+* [اپنے سرور لیس کوڈ کو اسٹوریج سے جوڑیں](../../../../../3-transport/lessons/2-store-location-data)
+
+## ساختہ اور غیر ساختہ ڈیٹا
+
+کمپیوٹر سسٹمز ڈیٹا کے ساتھ کام کرتے ہیں، اور یہ ڈیٹا مختلف شکلوں اور سائز میں آتا ہے۔ یہ ایک عدد سے لے کر بڑی مقدار میں متن، ویڈیوز، تصاویر، اور IoT ڈیٹا تک مختلف ہو سکتا ہے۔ عام طور پر ڈیٹا کو دو اقسام میں تقسیم کیا جا سکتا ہے - *ساختہ* ڈیٹا اور *غیر ساختہ* ڈیٹا۔
+
+* **ساختہ ڈیٹا** وہ ڈیٹا ہے جس کی ایک واضح، سخت ساخت ہوتی ہے جو تبدیل نہیں ہوتی اور عام طور پر ڈیٹا کی ٹیبلز کے ساتھ تعلقات کو ظاہر کرتی ہے۔ ایک مثال کسی شخص کی تفصیلات ہیں جیسے ان کا نام، تاریخ پیدائش، اور پتہ۔
+
+* **غیر ساختہ ڈیٹا** وہ ڈیٹا ہے جس کی کوئی واضح، سخت ساخت نہیں ہوتی، بشمول وہ ڈیٹا جو اکثر اپنی ساخت تبدیل کر سکتا ہے۔ ایک مثال دستاویزات ہیں جیسے تحریری دستاویزات یا اسپریڈشیٹس۔
+
+✅ تحقیق کریں: کیا آپ ساختہ اور غیر ساختہ ڈیٹا کی مزید مثالیں سوچ سکتے ہیں؟
+
+> 💁 نیم ساختہ ڈیٹا بھی ہوتا ہے جو ساختہ ہوتا ہے لیکن مقررہ ٹیبلز میں فٹ نہیں ہوتا۔
+
+IoT ڈیٹا کو عام طور پر غیر ساختہ ڈیٹا سمجھا جاتا ہے۔
+
+تصور کریں کہ آپ ایک بڑے کمرشل فارم کے گاڑیوں کے بیڑے میں IoT ڈیوائسز شامل کر رہے ہیں۔ آپ مختلف قسم کی گاڑیوں کے لیے مختلف ڈیوائسز استعمال کرنا چاہیں گے۔ مثال کے طور پر:
+
+* فارم کی گاڑیوں جیسے ٹریکٹرز کے لیے آپ GPS ڈیٹا چاہتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ وہ صحیح کھیتوں پر کام کر رہے ہیں۔
+* کھانے کو گوداموں تک لے جانے والے ڈلیوری ٹرکوں کے لیے آپ GPS ڈیٹا کے ساتھ رفتار اور ایکسیلیریشن ڈیٹا چاہتے ہیں تاکہ ڈرائیور کی حفاظت کو یقینی بنایا جا سکے، اور ڈرائیور کی شناخت اور اسٹارٹ/اسٹاپ ڈیٹا تاکہ مقامی قوانین کے مطابق کام کے اوقات کی تعمیل کو یقینی بنایا جا سکے۔
+* ریفریجریٹڈ ٹرکوں کے لیے آپ درجہ حرارت کا ڈیٹا بھی چاہتے ہیں تاکہ یہ یقینی بنایا جا سکے کہ کھانے کو ٹرانزٹ میں خراب ہونے سے بچایا جا سکے۔
+
+یہ ڈیٹا مسلسل تبدیل ہو سکتا ہے۔ مثال کے طور پر، اگر IoT ڈیوائس کسی ٹرک کیبن میں ہے، تو وہ ڈیٹا جو یہ بھیجتا ہے ٹریلر کے بدلنے کے ساتھ تبدیل ہو سکتا ہے، جیسے صرف ریفریجریٹڈ ٹریلر کے استعمال پر درجہ حرارت کا ڈیٹا بھیجنا۔
+
+✅ اور کون سا IoT ڈیٹا حاصل کیا جا سکتا ہے؟ ان چیزوں کے بارے میں سوچیں جو ٹرک لے جا سکتے ہیں، اور دیکھ بھال کے ڈیٹا کے بارے میں بھی۔
+
+یہ ڈیٹا گاڑی سے گاڑی تک مختلف ہوتا ہے، لیکن یہ سب ایک ہی IoT سروس پر پروسیسنگ کے لیے بھیجا جاتا ہے۔ IoT سروس کو اس غیر ساختہ ڈیٹا کو پروسیس کرنے کے قابل ہونا چاہیے، اسے اس طرح محفوظ کرنا چاہیے کہ اسے تلاش یا تجزیہ کیا جا سکے، اور اس ڈیٹا کی مختلف ساختوں کے ساتھ کام کر سکے۔
+
+### SQL بمقابلہ NoSQL اسٹوریج
+
+ڈیٹا بیس وہ سروسز ہیں جو آپ کو ڈیٹا محفوظ کرنے اور اس پر سوالات کرنے کی اجازت دیتی ہیں۔ ڈیٹا بیس دو اقسام میں آتے ہیں - SQL اور NoSQL۔
+
+#### SQL ڈیٹا بیس
+
+پہلے ڈیٹا بیس ریلیشنل ڈیٹا بیس مینجمنٹ سسٹمز (RDBMS) تھے، یا ریلیشنل ڈیٹا بیس۔ انہیں SQL ڈیٹا بیس بھی کہا جاتا ہے کیونکہ ان کے ساتھ تعامل کرنے کے لیے اسٹرکچرڈ کوئری لینگویج (SQL) استعمال کی جاتی ہے۔ یہ ڈیٹا بیس ایک اسکیمہ پر مشتمل ہوتے ہیں - ڈیٹا کی ایک واضح طور پر بیان کردہ سیٹ ٹیبلز، جو اسپریڈشیٹ کی طرح ہوتی ہیں۔ ہر ٹیبل میں متعدد نامزد کالم ہوتے ہیں۔ جب آپ ڈیٹا شامل کرتے ہیں، تو آپ ٹیبل میں ایک قطار شامل کرتے ہیں، ہر کالم میں اقدار ڈال کر۔ یہ ڈیٹا کو ایک سخت ساخت میں رکھتا ہے - اگرچہ آپ کالمز کو خالی چھوڑ سکتے ہیں، لیکن اگر آپ نیا کالم شامل کرنا چاہتے ہیں تو آپ کو ڈیٹا بیس پر یہ کرنا ہوگا، موجودہ قطاروں کے لیے اقدار کو بھرنا ہوگا۔ یہ ڈیٹا بیس ریلیشنل ہوتے ہیں - یعنی ایک ٹیبل کا دوسرے کے ساتھ تعلق ہو سکتا ہے۔
+
+![ریلیشنل ڈیٹا بیس جس میں یوزر ٹیبل کا ID پرچیزز ٹیبل کے یوزر ID کالم سے جڑا ہوا ہے، اور پروڈکٹس ٹیبل کا ID پرچیزز ٹیبل کے پروڈکٹ ID سے جڑا ہوا ہے](../../../../../translated_images/sql-database.be160f12bfccefd3ca718a66468c2c4c89c53e5aad4c295324d576da87f9dfdd.ur.png)
+
+مثال کے طور پر، اگر آپ کسی صارف کی ذاتی تفصیلات کو ایک ٹیبل میں محفوظ کرتے ہیں، تو آپ کے پاس ہر صارف کے لیے ایک منفرد داخلی ID ہوگا جو ایک ٹیبل میں صارف کے نام اور پتے کے ساتھ استعمال ہوگا۔ اگر آپ اس صارف کی دیگر تفصیلات، جیسے ان کی خریداری، کو کسی دوسرے ٹیبل میں محفوظ کرنا چاہتے ہیں، تو آپ کے پاس نئے ٹیبل میں اس صارف کے ID کے لیے ایک کالم ہوگا۔ جب آپ کسی صارف کو دیکھتے ہیں، تو آپ ان کے ID کا استعمال کرکے ان کی ذاتی تفصیلات ایک ٹیبل سے اور ان کی خریداری دوسری ٹیبل سے حاصل کر سکتے ہیں۔
+
+SQL ڈیٹا بیس ساختہ ڈیٹا کو محفوظ کرنے کے لیے مثالی ہیں، اور جب آپ یہ یقینی بنانا چاہتے ہیں کہ ڈیٹا آپ کی اسکیمہ سے میل کھاتا ہے۔
+
+✅ اگر آپ نے پہلے SQL استعمال نہیں کیا ہے، تو [SQL کا ویکیپیڈیا صفحہ](https://wikipedia.org/wiki/SQL) پڑھنے کے لیے وقت نکالیں۔
+
+کچھ مشہور SQL ڈیٹا بیس میں Microsoft SQL Server، MySQL، اور PostgreSQL شامل ہیں۔
+
+✅ تحقیق کریں: ان SQL ڈیٹا بیسز اور ان کی صلاحیتوں کے بارے میں پڑھیں۔
+
+#### NoSQL ڈیٹا بیس
+
+NoSQL ڈیٹا بیس کو NoSQL کہا جاتا ہے کیونکہ ان میں SQL ڈیٹا بیس کی طرح سخت ساخت نہیں ہوتی۔ انہیں دستاویز ڈیٹا بیس بھی کہا جاتا ہے کیونکہ وہ غیر ساختہ ڈیٹا جیسے دستاویزات کو محفوظ کر سکتے ہیں۔
+
+> 💁 ان کے نام کے باوجود، کچھ NoSQL ڈیٹا بیس آپ کو ڈیٹا پر سوالات کرنے کے لیے SQL استعمال کرنے کی اجازت دیتے ہیں۔
+
+![NoSQL ڈیٹا بیس میں فولڈرز میں دستاویزات](../../../../../translated_images/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.ur.png)
+
+NoSQL ڈیٹا بیس میں پہلے سے متعین اسکیمہ نہیں ہوتا جو ڈیٹا کو محفوظ کرنے کے طریقے کو محدود کرے، بلکہ آپ کسی بھی غیر ساختہ ڈیٹا کو داخل کر سکتے ہیں، عام طور پر JSON دستاویزات کا استعمال کرتے ہوئے۔ ان دستاویزات کو فولڈرز میں منظم کیا جا سکتا ہے، جیسے آپ کے کمپیوٹر پر فائلز۔ ہر دستاویز میں دوسرے دستاویزات سے مختلف فیلڈز ہو سکتے ہیں - مثال کے طور پر، اگر آپ اپنے فارم کی گاڑیوں سے IoT ڈیٹا محفوظ کر رہے ہیں، تو کچھ میں ایکسیلرومیٹر اور رفتار کے ڈیٹا کے لیے فیلڈز ہو سکتے ہیں، جبکہ دیگر میں ٹریلر کے درجہ حرارت کے لیے فیلڈز ہو سکتے ہیں۔ اگر آپ کسی نئے ٹرک کی قسم شامل کرتے ہیں، جیسے ایک ایسا ٹرک جس میں وزن کو ٹریک کرنے کے لیے بلٹ ان اسکیلز ہوں، تو آپ کا IoT ڈیوائس اس نئے فیلڈ کو شامل کر سکتا ہے اور اسے ڈیٹا بیس میں کسی تبدیلی کے بغیر محفوظ کیا جا سکتا ہے۔
+
+کچھ مشہور NoSQL ڈیٹا بیس میں Azure CosmosDB، MongoDB، اور CouchDB شامل ہیں۔
+
+✅ تحقیق کریں: ان NoSQL ڈیٹا بیسز اور ان کی صلاحیتوں کے بارے میں پڑھیں۔
+
+اس سبق میں، آپ IoT ڈیٹا کو محفوظ کرنے کے لیے NoSQL اسٹوریج استعمال کریں گے۔
+
+## GPS ڈیٹا کو IoT ہب پر بھیجیں
+
+پچھلے سبق میں آپ نے اپنے IoT ڈیوائس سے GPS سینسر کے ذریعے GPS ڈیٹا حاصل کیا۔ اس IoT ڈیٹا کو کلاؤڈ میں محفوظ کرنے کے لیے، آپ کو اسے IoT سروس پر بھیجنا ہوگا۔ ایک بار پھر، آپ Azure IoT Hub استعمال کریں گے، وہی IoT کلاؤڈ سروس جو آپ نے پچھلے پروجیکٹ میں استعمال کی تھی۔
+
+![IoT ڈیوائس سے IoT ہب تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.ur.png)
+
+### کام - GPS ڈیٹا کو IoT ہب پر بھیجیں
+
+1. ایک نیا IoT ہب مفت ٹائر کا استعمال کرتے ہوئے بنائیں۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 2، سبق 4 سے IoT ہب بنانے کی ہدایات](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#create-an-iot-service-in-the-cloud) کا حوالہ دیں۔
+
+    ایک نیا ریسورس گروپ بنانا یاد رکھیں۔ نئے ریسورس گروپ کا نام `gps-sensor` رکھیں، اور نئے IoT ہب کا ایک منفرد نام `gps-sensor` پر مبنی رکھیں، جیسے `gps-sensor-<آپ کا نام>`۔
+
+    > 💁 اگر آپ کے پاس پچھلے پروجیکٹ سے IoT ہب موجود ہے، تو آپ اسے دوبارہ استعمال کر سکتے ہیں۔ دیگر سروسز بناتے وقت اس IoT ہب کے نام اور اس کے ریسورس گروپ کا استعمال کرنا یاد رکھیں۔
+
+1. IoT ہب میں ایک نیا ڈیوائس شامل کریں۔ اس ڈیوائس کا نام `gps-sensor` رکھیں۔ ڈیوائس کے لیے کنکشن اسٹرنگ حاصل کریں۔
+
+1. اپنے ڈیوائس کے کوڈ کو اپ ڈیٹ کریں تاکہ GPS ڈیٹا کو نئے IoT ہب پر بھیجا جا سکے، پچھلے مرحلے سے ڈیوائس کنکشن اسٹرنگ کا استعمال کرتے ہوئے۔
+
+    > ⚠️ اگر ضرورت ہو تو [پروجیکٹ 2، سبق 4 سے اپنے ڈیوائس کو IoT سروس سے جوڑنے کی ہدایات](../../../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md#connect-your-device-to-the-iot-service) کا حوالہ دیں۔
+
+1. GPS ڈیٹا کو JSON کے درج ذیل فارمیٹ میں بھیجیں:
+
+    ```json
+    {
+        "gps" :
+        {
+            "lat" : <latitude>,
+            "lon" : <longitude>
+        }
+    }
+    ```
+
+1. GPS ڈیٹا ہر منٹ بھیجیں تاکہ آپ اپنی روزانہ کی میسج الاٹمنٹ ختم نہ کریں۔
+
+اگر آپ Wio Terminal استعمال کر رہے ہیں، تو تمام ضروری لائبریریاں شامل کرنا یاد رکھیں، اور NTP سرور کا استعمال کرتے ہوئے وقت سیٹ کریں۔ آپ کے کوڈ کو یہ بھی یقینی بنانا ہوگا کہ GPS لوکیشن بھیجنے سے پہلے سیریل پورٹ سے تمام ڈیٹا پڑھ لیا گیا ہو، پچھلے سبق کے موجودہ کوڈ کا استعمال کرتے ہوئے۔ JSON دستاویز بنانے کے لیے درج ذیل کوڈ استعمال کریں:
+
+```cpp
+DynamicJsonDocument doc(1024);
+doc["gps"]["lat"] = gps.location.lat();
+doc["gps"]["lon"] = gps.location.lng();
+```
+
+اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو ورچوئل ماحول کا استعمال کرتے ہوئے تمام ضروری لائبریریاں انسٹال کرنا یاد رکھیں۔
+
+Raspberry Pi اور ورچوئل IoT ڈیوائس دونوں کے لیے، پچھلے سبق کے موجودہ کوڈ کا استعمال کرتے ہوئے طول بلد اور عرض بلد کی اقدار حاصل کریں، پھر انہیں درست JSON فارمیٹ میں درج ذیل کوڈ کے ساتھ بھیجیں:
+
+```python
+message_json = { "gps" : { "lat":lat, "lon":lon } }
+print("Sending telemetry", message_json)
+message = Message(json.dumps(message_json))
+```
+
+> 💁 آپ اس کوڈ کو [code/wio-terminal](../../../../../3-transport/lessons/2-store-location-data/code/wio-terminal)، [code/pi](../../../../../3-transport/lessons/2-store-location-data/code/pi) یا [code/virtual-device](../../../../../3-transport/lessons/2-store-location-data/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+اپنے ڈیوائس کا کوڈ چلائیں اور `az iot hub monitor-events` CLI کمانڈ کا استعمال کرتے ہوئے یہ یقینی بنائیں کہ پیغامات IoT ہب میں جا رہے ہیں۔
+
+## ہاٹ، وارم، اور کولڈ راستے
+
+IoT ڈیوائس سے کلاؤڈ تک ڈیٹا ہمیشہ حقیقی وقت میں پروسیس نہیں کیا جاتا۔ کچھ ڈیٹا کو حقیقی وقت میں پروسیس کرنے کی ضرورت ہوتی ہے، کچھ کو تھوڑے وقت بعد، اور کچھ کو بہت بعد میں۔ مختلف اوقات میں ڈیٹا کو پروسیس کرنے والی مختلف سروسز کے بہاؤ کو ہاٹ، وارم، اور کولڈ راستے کہا جاتا ہے۔
+
+### ہاٹ راستہ
+
+ہاٹ راستہ اس ڈیٹا کو ظاہر کرتا ہے جسے حقیقی وقت یا قریب حقیقی وقت میں پروسیس کرنے کی ضرورت ہوتی ہے۔ آپ ہاٹ راستے کے ڈیٹا کو الرٹس کے لیے استعمال کریں گے، جیسے یہ الرٹ کہ کوئی گاڑی ڈپو کے قریب پہنچ رہی ہے، یا ریفریجریٹڈ ٹرک میں درجہ حرارت بہت زیادہ ہے۔
+
+ہاٹ راستے کے ڈیٹا کو استعمال کرنے کے لیے، آپ کا کوڈ آپ کی کلاؤڈ سروسز کے ذریعے موصول ہونے والے ایونٹس پر فوراً ردعمل دے گا۔
+
+### وارم راستہ
+
+وارم راستہ اس ڈیٹا کو ظاہر کرتا ہے جسے موصول ہونے کے تھوڑے وقت بعد پروسیس کیا جا سکتا ہے، جیسے رپورٹنگ یا قلیل مدتی تجزیات کے لیے۔ آپ وارم راستے کے ڈیٹا کو روزانہ کی رپورٹس کے لیے استعمال کریں گے، جیسے گاڑیوں کے مائلیج کی رپورٹس۔
+
+وارم راستے کا ڈیٹا کلاؤڈ سروس کے ذریعے موصول ہونے کے بعد کسی ایسے اسٹوریج میں محفوظ کیا جاتا ہے جس تک جلدی رسائی حاصل کی جا سکے۔
+
+### کولڈ راستہ
+
+کولڈ راستہ تاریخی ڈیٹا کو ظاہر کرتا ہے، جو طویل مدتی کے لیے محفوظ کیا جاتا ہے تاکہ جب بھی ضرورت ہو پروسیس کیا جا سکے۔ مثال کے طور پر، آپ کولڈ راستے کو گاڑیوں کے سالانہ مائلیج کی رپورٹس حاصل کرنے کے لیے استعمال کر سکتے ہیں، یا راستوں پر تجزیہ کرنے کے لیے تاکہ ایندھن کے اخراجات کو کم کرنے کے لیے سب سے زیادہ مؤثر راستہ تلاش کیا جا سکے۔
+
+کولڈ راستے کا ڈیٹا ڈیٹا ویئر ہاؤسز میں محفوظ کیا جاتا ہے - ایسے ڈیٹا بیس جو بڑی مقدار میں ڈیٹا کو محفوظ کرنے کے لیے ڈیزائن کیے گئے ہیں جو کبھی تبدیل نہیں ہوگا اور جن پر جلدی اور آسانی سے سوالات کیے جا سکتے ہیں۔ آپ کے کلاؤڈ ایپلیکیشن میں عام طور پر ایک باقاعدہ کام ہوگا جو روزانہ، ہفتہ وار، یا ماہانہ وقت پر وارم راستے کے اسٹوریج سے ڈیٹا کو ڈیٹا ویئر ہاؤس میں منتقل کرے گا۔
+
+✅ ان اسباق میں آپ نے جو ڈیٹا حاصل کیا ہے، اس کے بارے میں سوچیں۔ کیا یہ ہاٹ، وارم، یا کولڈ راستے کا ڈیٹا ہے؟
+
+## GPS ایونٹس کو سرور لیس کوڈ کے ذریعے ہینڈل کریں
+
+ایک بار جب ڈیٹا آپ کے IoT ہب میں آنا شروع ہو جائے، تو آپ کچھ سرور لیس کوڈ لکھ سکتے ہیں جو ایونٹس کو سننے کے لیے Event-Hub کے ہم آہنگ اینڈ پوائنٹ پر شائع کرے۔ یہ وارم راستہ ہے - یہ ڈیٹا محفوظ کیا جائے گا اور اگلے سبق میں سفر کی رپورٹنگ کے لیے استعمال ہوگا۔
+
+![IoT ڈیوائس سے IoT ہب، پھر ایونٹ ہب ٹرگر کے ذریعے Azure فنکشنز تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.ur.png)
+
+### کام - GPS ایونٹس کو سرور لیس کوڈ کے ذریعے ہینڈل کریں
+
+1. Azure Functions CLI کا استعمال کرتے ہوئے ایک Azure فنکشنز ایپ بنائیں۔ Python رن ٹائم استعمال کریں، اور اسے `gps-trigger` نامی فولڈر میں بنائیں، اور فنکشنز ایپ پروجیکٹ کا نام بھی یہی رکھیں۔ اس کے لیے ایک ورچوئل ماحول بنانا یقینی بنائیں۔
+> ⚠️ آپ [Azure Functions پروجیکٹ بنانے کے لیے ہدایات، پروجیکٹ 2، سبق 5](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-a-serverless-application) سے رجوع کر سکتے ہیں اگر ضرورت ہو۔
+1. ایک IoT Hub ایونٹ ٹرگر شامل کریں جو IoT Hub کے ایونٹ ہب کے ہم آہنگ اینڈ پوائنٹ کو استعمال کرے۔
+
+    > ⚠️ اگر ضرورت ہو تو آپ [پروجیکٹ 2، سبق 5 سے IoT Hub ایونٹ ٹرگر بنانے کی ہدایات](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger) دیکھ سکتے ہیں۔
+
+1. `local.settings.json` فائل میں ایونٹ ہب کے ہم آہنگ اینڈ پوائنٹ کنکشن اسٹرنگ سیٹ کریں، اور اس اندراج کے لیے کلید کو `function.json` فائل میں استعمال کریں۔
+
+1. Azurite ایپ کو مقامی اسٹوریج ایمولیٹر کے طور پر استعمال کریں۔
+
+1. اپنی فنکشنز ایپ چلائیں تاکہ یہ یقینی بنایا جا سکے کہ یہ آپ کے GPS ڈیوائس سے ایونٹس وصول کر رہی ہے۔ یہ بھی یقینی بنائیں کہ آپ کا IoT ڈیوائس چل رہا ہے اور GPS ڈیٹا بھیج رہا ہے۔
+
+    ```output
+    Python EventHub trigger processed an event: {"gps": {"lat": 47.73481, "lon": -122.25701}}
+    ```
+
+## Azure اسٹوریج اکاؤنٹس
+
+![Azure Storage کا لوگو](../../../../../translated_images/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.ur.png)
+
+Azure اسٹوریج اکاؤنٹس ایک عمومی مقصد کا اسٹوریج سروس ہے جو مختلف طریقوں سے ڈیٹا کو محفوظ کر سکتا ہے۔ آپ ڈیٹا کو blobs، queues، tables، یا files کی صورت میں محفوظ کر سکتے ہیں، اور یہ سب ایک ساتھ ممکن ہے۔
+
+### Blob اسٹوریج
+
+لفظ *Blob* کا مطلب ہے "بائنری بڑے آبجیکٹس"، لیکن یہ کسی بھی غیر ساختہ ڈیٹا کے لیے استعمال ہونے والی اصطلاح بن چکی ہے۔ آپ blob اسٹوریج میں کسی بھی قسم کا ڈیٹا محفوظ کر سکتے ہیں، جیسے IoT ڈیٹا پر مشتمل JSON دستاویزات، تصاویر، اور فلموں کی فائلیں۔ Blob اسٹوریج میں *containers* کا تصور ہوتا ہے، جو نامزد buckets ہیں جن میں آپ ڈیٹا محفوظ کر سکتے ہیں، جیسے relational database میں tables۔ ان containers میں ایک یا زیادہ فولڈرز ہو سکتے ہیں blobs کو محفوظ کرنے کے لیے، اور ہر فولڈر میں مزید فولڈرز ہو سکتے ہیں، جیسے آپ کے کمپیوٹر کی ہارڈ ڈسک پر فائلیں محفوظ ہوتی ہیں۔
+
+آپ اس سبق میں IoT ڈیٹا محفوظ کرنے کے لیے blob اسٹوریج استعمال کریں گے۔
+
+✅ تحقیق کریں: [Azure Blob Storage](https://docs.microsoft.com/azure/storage/blobs/storage-blobs-overview?WT.mc_id=academic-17441-jabenn) کے بارے میں پڑھیں۔
+
+### Table اسٹوریج
+
+Table اسٹوریج آپ کو نیم ساختہ ڈیٹا محفوظ کرنے کی اجازت دیتا ہے۔ Table اسٹوریج دراصل ایک NoSQL ڈیٹا بیس ہے، لہذا پہلے سے طے شدہ tables کی ضرورت نہیں ہوتی، لیکن یہ ایک یا زیادہ tables میں ڈیٹا محفوظ کرنے کے لیے ڈیزائن کیا گیا ہے، جہاں ہر row کو منفرد keys کے ذریعے شناخت کیا جاتا ہے۔
+
+✅ تحقیق کریں: [Azure Table Storage](https://docs.microsoft.com/azure/storage/tables/table-storage-overview?WT.mc_id=academic-17441-jabenn) کے بارے میں پڑھیں۔
+
+### Queue اسٹوریج
+
+Queue اسٹوریج آپ کو 64KB تک کے پیغامات کو ایک queue میں محفوظ کرنے کی اجازت دیتا ہے۔ آپ پیغامات کو queue کے آخر میں شامل کر سکتے ہیں اور انہیں سامنے سے پڑھ سکتے ہیں۔ Queues پیغامات کو غیر معینہ مدت تک محفوظ رکھتی ہیں جب تک کہ اسٹوریج کی جگہ موجود ہو، لہذا یہ پیغامات کو طویل مدت تک محفوظ کرنے کی اجازت دیتی ہے، پھر ضرورت پڑنے پر انہیں پڑھا جا سکتا ہے۔ مثال کے طور پر، اگر آپ GPS ڈیٹا کو پروسیس کرنے کے لیے ماہانہ کام چلانا چاہتے ہیں، تو آپ اسے روزانہ ایک مہینے کے لیے queue میں شامل کر سکتے ہیں، پھر مہینے کے آخر میں تمام پیغامات کو queue سے پروسیس کر سکتے ہیں۔
+
+✅ تحقیق کریں: [Azure Queue Storage](https://docs.microsoft.com/azure/storage/queues/storage-queues-introduction?WT.mc_id=academic-17441-jabenn) کے بارے میں پڑھیں۔
+
+### File اسٹوریج
+
+File اسٹوریج کلاؤڈ میں فائلوں کو محفوظ کرنے کا طریقہ ہے، اور کوئی بھی ایپس یا ڈیوائسز معیاری پروٹوکولز کا استعمال کرتے ہوئے اس سے جڑ سکتے ہیں۔ آپ فائلوں کو file اسٹوریج میں لکھ سکتے ہیں، پھر اسے اپنے PC یا Mac پر ایک ڈرائیو کے طور پر ماؤنٹ کر سکتے ہیں۔
+
+✅ تحقیق کریں: [Azure File Storage](https://docs.microsoft.com/azure/storage/files/storage-files-introduction?WT.mc_id=academic-17441-jabenn) کے بارے میں پڑھیں۔
+
+## اپنے سرور لیس کوڈ کو اسٹوریج سے جوڑیں
+
+آپ کی فنکشن ایپ کو اب blob اسٹوریج سے جڑنے کی ضرورت ہے تاکہ IoT Hub سے پیغامات محفوظ کیے جا سکیں۔ اس کے دو طریقے ہیں:
+
+* فنکشن کوڈ کے اندر blob اسٹوریج سے جڑیں، blob اسٹوریج Python SDK کا استعمال کرتے ہوئے ڈیٹا blobs کے طور پر لکھیں۔
+* ایک آؤٹ پٹ فنکشن بائنڈنگ استعمال کریں تاکہ فنکشن کے ریٹرن ویلیو کو blob اسٹوریج سے باندھیں اور blob کو خود بخود محفوظ کریں۔
+
+اس سبق میں، آپ Python SDK استعمال کریں گے تاکہ blob اسٹوریج کے ساتھ تعامل کرنا سیکھ سکیں۔
+
+![IoT ڈیوائس سے GPS ٹیلیمیٹری کو IoT Hub، پھر Azure Functions کے ذریعے ایونٹ ہب ٹرگر، اور پھر blob اسٹوریج میں محفوظ کرنا](../../../../../translated_images/save-telemetry-to-storage-from-functions.ed3b1820980097f143d9f0570072da11304c2bc7906359dfa075b4d9b253c20f.ur.png)
+
+ڈیٹا JSON blob کے طور پر درج ذیل فارمیٹ میں محفوظ کیا جائے گا:
+
+```json
+{
+    "device_id": <device_id>,
+    "timestamp" : <time>,
+    "gps" :
+    {
+        "lat" : <latitude>,
+        "lon" : <longitude>
+    }
+}
+```
+
+### کام - اپنے سرور لیس کوڈ کو اسٹوریج سے جوڑیں
+
+1. ایک Azure اسٹوریج اکاؤنٹ بنائیں۔ اسے کچھ ایسا نام دیں جیسے `gps<آپ کا نام>`۔
+
+    > ⚠️ اگر ضرورت ہو تو آپ [پروجیکٹ 2، سبق 5 سے اسٹوریج اکاؤنٹ بنانے کی ہدایات](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) دیکھ سکتے ہیں۔
+
+    اگر آپ کے پاس پچھلے پروجیکٹ سے اسٹوریج اکاؤنٹ موجود ہے، تو آپ اسے دوبارہ استعمال کر سکتے ہیں۔
+
+    > 💁 آپ اسی اسٹوریج اکاؤنٹ کو بعد میں اس سبق میں اپنی Azure Functions ایپ کو تعینات کرنے کے لیے استعمال کر سکیں گے۔
+
+1. اسٹوریج اکاؤنٹ کے لیے کنکشن اسٹرنگ حاصل کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az storage account show-connection-string --output table \
+                                              --name <storage_name>
+    ```
+
+    `<storage_name>` کو اس اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں جو آپ نے پچھلے مرحلے میں بنایا تھا۔
+
+1. `local.settings.json` فائل میں اپنے اسٹوریج اکاؤنٹ کنکشن اسٹرنگ کے لیے ایک نیا اندراج شامل کریں، پچھلے مرحلے سے حاصل کردہ ویلیو کا استعمال کرتے ہوئے۔ اسے `STORAGE_CONNECTION_STRING` نام دیں۔
+
+1. Azure اسٹوریج Pip پیکجز انسٹال کرنے کے لیے `requirements.txt` فائل میں درج ذیل شامل کریں:
+
+    ```sh
+    azure-storage-blob
+    ```
+
+    اپنی ورچوئل ماحول میں اس فائل سے پیکجز انسٹال کریں۔
+
+    > اگر آپ کو کوئی خرابی ہو، تو اپنی ورچوئل ماحول میں Pip ورژن کو درج ذیل کمانڈ کے ذریعے تازہ ترین ورژن میں اپ گریڈ کریں، پھر دوبارہ کوشش کریں:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. `iot-hub-trigger` کے لیے `__init__.py` فائل میں درج ذیل درآمدی بیانات شامل کریں:
+
+    ```python
+    import json
+    import os
+    import uuid
+    from azure.storage.blob import BlobServiceClient, PublicAccess
+    ```
+
+    `json` سسٹم ماڈیول JSON کو پڑھنے اور لکھنے کے لیے استعمال ہوگا، `os` سسٹم ماڈیول کنکشن اسٹرنگ کو پڑھنے کے لیے استعمال ہوگا، `uuid` سسٹم ماڈیول GPS ریڈنگ کے لیے منفرد ID بنانے کے لیے استعمال ہوگا۔
+
+    `azure.storage.blob` پیکج blob اسٹوریج کے ساتھ کام کرنے کے لیے Python SDK پر مشتمل ہے۔
+
+1. `main` میتھڈ سے پہلے درج ذیل مددگار فنکشن شامل کریں:
+
+    ```python
+    def get_or_create_container(name):
+        connection_str = os.environ['STORAGE_CONNECTION_STRING']
+        blob_service_client = BlobServiceClient.from_connection_string(connection_str)
+    
+        for container in blob_service_client.list_containers():
+            if container.name == name:
+                return blob_service_client.get_container_client(container.name)
+        
+        return blob_service_client.create_container(name, public_access=PublicAccess.Container)
+    ```
+
+    Python blob SDK میں ایسا کوئی مددگار میتھڈ نہیں ہے جو کنٹینر کو موجود نہ ہونے کی صورت میں بنائے۔ یہ کوڈ `local.settings.json` فائل (یا کلاؤڈ میں تعینات ہونے کے بعد Application Settings) سے کنکشن اسٹرنگ لوڈ کرے گا، پھر blob اسٹوریج اکاؤنٹ کے ساتھ تعامل کرنے کے لیے اس سے `BlobServiceClient` کلاس بنائے گا۔ یہ blob اسٹوریج اکاؤنٹ کے تمام کنٹینرز کے ذریعے لوپ کرے گا، فراہم کردہ نام کے ساتھ ایک کنٹینر تلاش کرے گا - اگر اسے ایک ملتا ہے تو یہ ایک `ContainerClient` کلاس واپس کرے گا جو کنٹینر کے ساتھ تعامل کر سکتا ہے تاکہ blobs بنائے جا سکیں۔ اگر اسے کوئی نہیں ملتا، تو کنٹینر بنایا جاتا ہے اور نئے کنٹینر کے لیے کلائنٹ واپس کیا جاتا ہے۔
+
+    جب نیا کنٹینر بنایا جاتا ہے، تو blobs کو کنٹینر میں استفسار کرنے کے لیے عوامی رسائی دی جاتی ہے۔ یہ اگلے سبق میں GPS ڈیٹا کو نقشے پر دیکھنے کے لیے استعمال کیا جائے گا۔
+
+1. Soil moisture کے برعکس، اس کوڈ کے ساتھ ہم ہر ایونٹ کو محفوظ کرنا چاہتے ہیں، لہذا `main` فنکشن میں `for event in events:` لوپ کے اندر، `logging` بیان کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    device_id = event.iothub_metadata['connection-device-id']
+    blob_name = f'{device_id}/{str(uuid.uuid1())}.json'
+    ```
+
+    یہ کوڈ ایونٹ میٹا ڈیٹا سے ڈیوائس ID حاصل کرتا ہے، پھر اسے blob نام بنانے کے لیے استعمال کرتا ہے۔ Blobs فولڈرز میں محفوظ کیے جا سکتے ہیں، اور ڈیوائس ID فولڈر کے نام کے لیے استعمال ہوگا، لہذا ہر ڈیوائس کے تمام GPS ایونٹس ایک فولڈر میں ہوں گے۔ Blob نام اس فولڈر کے بعد ایک دستاویز کے نام کے ساتھ ہوگا، جو فارورڈ سلیشز کے ساتھ الگ کیا گیا ہے، جیسے Linux اور macOS paths (Windows paths کے ساتھ بھی ملتا جلتا ہے، لیکن Windows بیک سلیشز استعمال کرتا ہے)۔ دستاویز کا نام Python `uuid` ماڈیول کا استعمال کرتے ہوئے ایک منفرد ID ہے، جس کا فائل ٹائپ `json` ہے۔
+
+    مثال کے طور پر، `gps-sensor` ڈیوائس ID کے لیے، blob نام کچھ ایسا ہو سکتا ہے: `gps-sensor/a9487ac2-b9cf-11eb-b5cd-1e00621e3648.json`۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    container_client = get_or_create_container('gps-data')
+    blob = container_client.get_blob_client(blob_name)
+    ```
+
+    یہ کوڈ `get_or_create_container` مددگار کلاس کا استعمال کرتے ہوئے کنٹینر کلائنٹ حاصل کرتا ہے، اور پھر blob نام کا استعمال کرتے ہوئے blob کلائنٹ آبجیکٹ حاصل کرتا ہے۔ یہ blob کلائنٹس موجودہ blobs کا حوالہ دے سکتے ہیں، یا جیسا کہ اس صورت میں، نئے blob کا۔
+
+1. اس کے بعد درج ذیل کوڈ شامل کریں:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    blob_body = {
+        'device_id' : device_id,
+        'timestamp' : event.iothub_metadata['enqueuedtime'],
+        'gps': event_body['gps']
+    }
+    ```
+
+    یہ blob اسٹوریج میں لکھے جانے والے blob کے جسم کو بناتا ہے۔ یہ ایک JSON دستاویز ہے جس میں ڈیوائس ID، وہ وقت جب ٹیلیمیٹری IoT Hub کو بھیجی گئی تھی، اور ٹیلیمیٹری سے GPS کوآرڈینیٹس شامل ہیں۔
+
+    > 💁 یہ ضروری ہے کہ پیغام کے enqueued وقت کو موجودہ وقت کے بجائے استعمال کیا جائے تاکہ وہ وقت حاصل کیا جا سکے جب پیغام بھیجا گیا تھا۔ یہ IoT Hub پر کچھ وقت کے لیے بیٹھ سکتا ہے اس سے پہلے کہ Functions App اسے اٹھائے، اگر یہ ایپ چل نہیں رہی۔
+
+1. اس کوڈ کے نیچے درج ذیل شامل کریں:
+
+    ```python
+    logging.info(f'Writing blob to {blob_name} - {blob_body}')
+    blob.upload_blob(json.dumps(blob_body).encode('utf-8'))
+    ```
+
+    یہ کوڈ لاگ کرتا ہے کہ ایک blob لکھا جانے والا ہے اس کی تفصیلات کے ساتھ، پھر blob کے جسم کو نئے blob کے مواد کے طور پر اپ لوڈ کرتا ہے۔
+
+1. Functions ایپ چلائیں۔ آپ دیکھیں گے کہ GPS ایونٹس کے لیے blobs آؤٹ پٹ میں لکھے جا رہے ہیں:
+
+    ```output
+    [2021-05-21T01:31:14.325Z] Python EventHub trigger processed an event: {"gps": {"lat": 47.73092, "lon": -122.26206}}
+    ...
+    [2021-05-21T01:31:14.351Z] Writing blob to gps-sensor/4b6089fe-ba8d-11eb-bc7b-1e00621e3648.json - {'device_id': 'gps-sensor', 'timestamp': '2021-05-21T00:57:53.878Z', 'gps': {'lat': 47.73092, 'lon': -122.26206}}
+    ```
+
+    > 💁 یقینی بنائیں کہ آپ IoT Hub ایونٹ مانیٹر کو ایک ہی وقت میں نہیں چلا رہے ہیں۔
+
+> 💁 آپ اس کوڈ کو [code/functions](../../../../../3-transport/lessons/2-store-location-data/code/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - اپ لوڈ کیے گئے blobs کی تصدیق کریں
+
+1. بنائے گئے blobs کو دیکھنے کے لیے، آپ [Azure Storage Explorer](https://azure.microsoft.com/features/storage-explorer/?WT.mc_id=academic-17441-jabenn)، ایک مفت ٹول جو آپ کو اپنے اسٹوریج اکاؤنٹس دیکھنے اور منظم کرنے کی اجازت دیتا ہے، یا CLI استعمال کر سکتے ہیں۔
+
+    1. CLI استعمال کرنے کے لیے، پہلے آپ کو ایک اکاؤنٹ کلید کی ضرورت ہوگی۔ درج ذیل کمانڈ چلائیں تاکہ یہ کلید حاصل کی جا سکے:
+
+        ```sh
+        az storage account keys list --output table \
+                                     --account-name <storage_name>
+        ```
+
+        `<storage_name>` کو اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں۔
+
+        `key1` کی ویلیو کو کاپی کریں۔
+
+    1. کنٹینر میں blobs کی فہرست بنانے کے لیے درج ذیل کمانڈ چلائیں:
+
+        ```sh
+        az storage blob list --container-name gps-data \
+                             --output table \
+                             --account-name <storage_name> \
+                             --account-key <key1>
+        ```
+
+        `<storage_name>` کو اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں، اور `<key1>` کو پچھلے مرحلے میں کاپی کی گئی `key1` کی ویلیو سے تبدیل کریں۔
+
+        یہ کنٹینر میں تمام blobs کی فہرست دے گا:
+
+        ```output
+        Name                                                  Blob Type    Blob Tier    Length    Content Type              Last Modified              Snapshot
+        ----------------------------------------------------  -----------  -----------  --------  ------------------------  -------------------------  ----------
+        gps-sensor/1810d55e-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:27+00:00
+        gps-sensor/18293e46-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1844549c-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        gps-sensor/1894d714-b9cf-11eb-9f5b-1e00621e3648.json  BlockBlob    Hot          45        application/octet-stream  2021-05-21T00:54:28+00:00
+        ```
+
+    1. درج ذیل کمانڈ کا استعمال کرتے ہوئے blobs میں سے ایک کو ڈاؤن لوڈ کریں:
+
+        ```sh
+        az storage blob download --container-name gps-data \
+                                 --account-name <storage_name> \
+                                 --account-key <key1> \
+                                 --name <blob_name> \
+                                 --file <file_name>
+        ```
+
+        `<storage_name>` کو اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں، اور `<key1>` کو پہلے کے مرحلے میں کاپی کی گئی `key1` کی ویلیو سے تبدیل کریں۔
+
+        `<blob_name>` کو پچھلے مرحلے کے آؤٹ پٹ کے `Name` کالم سے مکمل نام کے ساتھ تبدیل کریں، فولڈر کے نام سمیت۔ `<file_name>` کو ایک مقامی فائل کے نام سے تبدیل کریں تاکہ blob کو محفوظ کیا جا سکے۔
+
+    ایک بار ڈاؤن لوڈ ہونے کے بعد، آپ JSON فائل کو VS Code میں کھول سکتے ہیں، اور آپ blob کو GPS لوکیشن کی تفصیلات کے ساتھ دیکھیں گے:
+
+    ```json
+    {"device_id": "gps-sensor", "timestamp": "2021-05-21T00:57:53.878Z", "gps": {"lat": 47.73092, "lon": -122.26206}}
+    ```
+
+### کام - اپنی Functions ایپ کو کلاؤڈ پر تعینات کریں
+
+اب جب کہ آپ کی Functions ایپ کام کر رہی ہے، آپ اسے کلاؤڈ پر تعینات کر سکتے ہیں۔
+
+1. ایک نیا Azure Functions ایپ بنائیں، اس اسٹوریج اکاؤنٹ کا استعمال کرتے ہوئے جو آپ نے پہلے بنایا تھا۔ اسے کچھ ایسا نام دیں جیسے `gps-sensor-` اور آخر میں ایک منفرد شناخت کنندہ شامل کریں، جیسے کچھ بے ترتیب الفاظ یا آپ کا نام۔
+
+    > ⚠️ اگر ضرورت ہو تو آپ [پروجیکٹ 2، سبق 5 سے Functions ایپ بنانے کی ہدایات](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---create-the-cloud-resources) دیکھ سکتے ہیں۔
+
+1. `IOT_HUB_CONNECTION_STRING` اور `STORAGE_CONNECTION_STRING` ویلیوز کو Application Settings میں اپ لوڈ کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو آپ [پروجیکٹ 2، سبق 5 سے Application Settings اپ لوڈ کرنے کی ہدایات](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings) دیکھ سکتے ہیں۔
+
+1. اپنی مقامی Functions ایپ کو کلاؤڈ پر تعینات کریں۔
+⚠️ آپ [پروجیکٹ 2، سبق 5 میں اپنی فنکشنز ایپ کو ڈیپلائے کرنے کے لیے دی گئی ہدایات](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud) کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
+## 🚀 چیلنج
+
+جی پی ایس ڈیٹا مکمل طور پر درست نہیں ہوتا، اور جو مقامات ڈیٹیکٹ کیے جا رہے ہیں وہ چند میٹرز یا اس سے زیادہ کے فرق کے ساتھ ہو سکتے ہیں، خاص طور پر سرنگوں اور اونچی عمارتوں والے علاقوں میں۔
+
+سوچیں کہ سیٹلائٹ نیویگیشن اس مسئلے کو کیسے حل کر سکتی ہے؟ آپ کے سیٹ نیویگیشن کے پاس کون سا ڈیٹا موجود ہے جو آپ کے مقام کے بارے میں بہتر پیش گوئی کرنے میں مدد دے سکتا ہے؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/24)
+
+## جائزہ اور خود مطالعہ
+
+* وکیپیڈیا کے [ڈیٹا ماڈل صفحے](https://wikipedia.org/wiki/Data_model) پر ساختہ ڈیٹا کے بارے میں پڑھیں  
+* وکیپیڈیا کے [نیم ساختہ ڈیٹا صفحے](https://wikipedia.org/wiki/Semi-structured_data) پر نیم ساختہ ڈیٹا کے بارے میں پڑھیں  
+* وکیپیڈیا کے [غیر ساختہ ڈیٹا صفحے](https://wikipedia.org/wiki/Unstructured_data) پر غیر ساختہ ڈیٹا کے بارے میں پڑھیں  
+* ایذیور اسٹوریج اور مختلف اسٹوریج اقسام کے بارے میں مزید پڑھیں [ایذیور اسٹوریج دستاویزات](https://docs.microsoft.com/azure/storage/?WT.mc_id=academic-17441-jabenn) میں  
+
+## اسائنمنٹ
+
+[فنکشن بائنڈنگز کی تحقیق کریں](assignment.md)  
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/2-store-location-data/assignment.md b/translations/ur/3-transport/lessons/2-store-location-data/assignment.md
new file mode 100644
index 00000000..786f64eb
--- /dev/null
+++ b/translations/ur/3-transport/lessons/2-store-location-data/assignment.md
@@ -0,0 +1,33 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b2e0a965723082b068f735aec0faf3f6",
+  "translation_date": "2025-08-27T01:03:18+00:00",
+  "source_file": "3-transport/lessons/2-store-location-data/assignment.md",
+  "language_code": "ur"
+}
+-->
+# فنکشن بائنڈنگز کی تحقیق کریں
+
+## ہدایات
+
+فنکشن بائنڈنگز آپ کے کوڈ کو اس قابل بناتی ہیں کہ وہ `main` فنکشن سے بلاگز کو بلاگ اسٹوریج میں محفوظ کر سکے۔ Azure اسٹوریج اکاؤنٹ، کلیکشن اور دیگر تفصیلات `function.json` فائل میں ترتیب دی جاتی ہیں۔
+
+Azure یا دیگر Microsoft ٹیکنالوجیز کے ساتھ کام کرتے وقت، معلومات کا بہترین ذریعہ [Microsoft کی دستاویزات docs.com پر](https://docs.microsoft.com/?WT.mc_id=academic-17441-jabenn) ہے۔ اس اسائنمنٹ میں آپ کو Azure Functions بائنڈنگ دستاویزات پڑھنی ہوں گی تاکہ یہ معلوم ہو سکے کہ آؤٹ پٹ بائنڈنگ کو کیسے ترتیب دیا جائے۔
+
+شروع کرنے کے لیے کچھ صفحات یہ ہیں:
+
+* [Azure Functions ٹرگرز اور بائنڈنگز کے تصورات](https://docs.microsoft.com/azure/azure-functions/functions-triggers-bindings?WT.mc_id=academic-17441-jabenn&tabs=python)
+* [Azure Blob اسٹوریج بائنڈنگز کے لیے Azure Functions کا جائزہ](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob?WT.mc_id=academic-17441-jabenn)
+* [Azure Blob اسٹوریج آؤٹ پٹ بائنڈنگ کے لیے Azure Functions](https://docs.microsoft.com/azure/azure-functions/functions-bindings-storage-blob-output?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت ہے |
+| ------ | ------- | ------ | ---------------- |
+| بلاگ اسٹوریج آؤٹ پٹ بائنڈنگ کو ترتیب دینا | آؤٹ پٹ بائنڈنگ کو ترتیب دینے، بلاگ کو واپس کرنے اور اسے بلاگ اسٹوریج میں کامیابی سے محفوظ کرنے کے قابل تھا | آؤٹ پٹ بائنڈنگ کو ترتیب دینے یا بلاگ کو واپس کرنے کے قابل تھا لیکن اسے بلاگ اسٹوریج میں کامیابی سے محفوظ کرنے میں ناکام رہا | آؤٹ پٹ بائنڈنگ کو ترتیب دینے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/3-visualize-location-data/README.md b/translations/ur/3-transport/lessons/3-visualize-location-data/README.md
new file mode 100644
index 00000000..070b23d2
--- /dev/null
+++ b/translations/ur/3-transport/lessons/3-visualize-location-data/README.md
@@ -0,0 +1,357 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9095c61445c2bca7245ef9b59a186a11",
+  "translation_date": "2025-08-27T00:54:10+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/README.md",
+  "language_code": "ur"
+}
+-->
+# مقام کے ڈیٹا کو بصری بنائیں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی تخلیق کردہ۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو Azure Maps اور IoT کا جائزہ پیش کرتی ہے، جو اس سبق میں شامل کیا جائے گا۔
+
+[![Azure Maps - The Microsoft Azure Enterprise Location Platform](https://img.youtube.com/vi/P5i2GFTtb2s/0.jpg)](https://www.youtube.com/watch?v=P5i2GFTtb2s)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/25)
+
+## تعارف
+
+پچھلے سبق میں آپ نے سیکھا کہ اپنے سینسرز سے GPS ڈیٹا حاصل کر کے اسے بغیر سرور کے کوڈ کے ذریعے کلاؤڈ میں اسٹوریج کنٹینر میں کیسے محفوظ کیا جائے۔ اب آپ یہ دریافت کریں گے کہ ان پوائنٹس کو Azure نقشے پر کیسے بصری بنایا جائے۔ آپ سیکھیں گے کہ ویب صفحے پر نقشہ کیسے بنایا جائے، GeoJSON ڈیٹا فارمیٹ کے بارے میں جانیں گے، اور اسے استعمال کرتے ہوئے اپنے نقشے پر تمام محفوظ شدہ GPS پوائنٹس کو کیسے ظاہر کریں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [ڈیٹا کی بصری نمائندگی کیا ہے](../../../../../3-transport/lessons/3-visualize-location-data)
+* [نقشے کی خدمات](../../../../../3-transport/lessons/3-visualize-location-data)
+* [Azure Maps کا وسیلہ بنائیں](../../../../../3-transport/lessons/3-visualize-location-data)
+* [ویب صفحے پر نقشہ دکھائیں](../../../../../3-transport/lessons/3-visualize-location-data)
+* [GeoJSON فارمیٹ](../../../../../3-transport/lessons/3-visualize-location-data)
+* [GeoJSON کا استعمال کرتے ہوئے GPS ڈیٹا کو نقشے پر ظاہر کریں](../../../../../3-transport/lessons/3-visualize-location-data)
+
+> 💁 اس سبق میں تھوڑا سا HTML اور JavaScript شامل ہوگا۔ اگر آپ HTML اور JavaScript کے ذریعے ویب ڈویلپمنٹ کے بارے میں مزید سیکھنا چاہتے ہیں تو [Web development for beginners](https://github.com/microsoft/Web-Dev-For-Beginners) دیکھیں۔
+
+## ڈیٹا کی بصری نمائندگی کیا ہے
+
+جیسا کہ نام سے ظاہر ہے، ڈیٹا کی بصری نمائندگی ڈیٹا کو اس طرح دکھانے کے بارے میں ہے کہ انسان اسے آسانی سے سمجھ سکیں۔ یہ عام طور پر چارٹس اور گراف سے منسلک ہوتا ہے، لیکن یہ کسی بھی طرح سے ڈیٹا کی تصویری نمائندگی ہو سکتی ہے جو انسانوں کو نہ صرف ڈیٹا کو بہتر طور پر سمجھنے میں مدد دے بلکہ فیصلے کرنے میں بھی مدد دے۔
+
+ایک سادہ مثال لیتے ہیں - فارم پروجیکٹ میں آپ نے مٹی کی نمی کی پیمائش کی تھی۔ 1 جون 2021 کو ہر گھنٹے میں لی گئی مٹی کی نمی کے ڈیٹا کی ایک جدول کچھ اس طرح ہو سکتی ہے:
+
+| تاریخ            | ریڈنگ |
+| ---------------- | ------: |
+| 01/06/2021 00:00 |     257 |
+| 01/06/2021 01:00 |     268 |
+| 01/06/2021 02:00 |     295 |
+| 01/06/2021 03:00 |     305 |
+| 01/06/2021 04:00 |     325 |
+| 01/06/2021 05:00 |     359 |
+| 01/06/2021 06:00 |     398 |
+| 01/06/2021 07:00 |     410 |
+| 01/06/2021 08:00 |     429 |
+| 01/06/2021 09:00 |     451 |
+| 01/06/2021 10:00 |     460 |
+| 01/06/2021 11:00 |     452 |
+| 01/06/2021 12:00 |     420 |
+| 01/06/2021 13:00 |     408 |
+| 01/06/2021 14:00 |     431 |
+| 01/06/2021 15:00 |     462 |
+| 01/06/2021 16:00 |     432 |
+| 01/06/2021 17:00 |     402 |
+| 01/06/2021 18:00 |     387 |
+| 01/06/2021 19:00 |     360 |
+| 01/06/2021 20:00 |     358 |
+| 01/06/2021 21:00 |     354 |
+| 01/06/2021 22:00 |     356 |
+| 01/06/2021 23:00 |     362 |
+
+ایک انسان کے لیے اس ڈیٹا کو سمجھنا مشکل ہو سکتا ہے۔ یہ صرف نمبروں کی ایک دیوار ہے جس کا کوئی مطلب نہیں۔ اس ڈیٹا کو بصری بنانے کے پہلے قدم کے طور پر، اسے لائن چارٹ پر پلاٹ کیا جا سکتا ہے:
+
+![اوپر دیے گئے ڈیٹا کا ایک لائن چارٹ](../../../../../translated_images/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.ur.png)
+
+اسے مزید بہتر بنایا جا سکتا ہے، جیسے کہ ایک لائن شامل کر کے یہ دکھایا جائے کہ مٹی کی نمی کی ریڈنگ 450 پر پہنچنے پر خودکار پانی دینے کا نظام کب آن ہوا:
+
+![مٹی کی نمی کا چارٹ جس میں 450 پر ایک لائن دکھائی گئی ہے](../../../../../translated_images/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.ur.png)
+
+یہ چارٹ بہت جلدی یہ ظاہر کرتا ہے کہ مٹی کی نمی کی سطح کیا تھی اور پانی دینے کا نظام کب آن ہوا۔
+
+چارٹس ڈیٹا کو بصری بنانے کا واحد ذریعہ نہیں ہیں۔ IoT ڈیوائسز جو موسم کا پتہ لگاتی ہیں، ان کے ویب یا موبائل ایپس میں موسم کی حالت کو علامتوں کے ذریعے بصری بنایا جا سکتا ہے، جیسے بادل کی علامت برے موسم کے لیے یا بارش کے لیے۔ ڈیٹا کو بصری بنانے کے بے شمار طریقے ہیں، کچھ سنجیدہ اور کچھ تفریحی۔
+
+✅ ان طریقوں کے بارے میں سوچیں جن کے ذریعے آپ نے ڈیٹا کو بصری بنایا ہوا دیکھا ہے۔ کون سے طریقے سب سے زیادہ واضح تھے اور آپ کو تیزی سے فیصلے کرنے میں مدد دی؟
+
+بہترین بصری نمائندگی وہ ہوتی ہے جو انسانوں کو جلدی فیصلے کرنے میں مدد دے۔ مثال کے طور پر، صنعتی مشینری سے متعلق تمام ریڈنگز کو ظاہر کرنے والے گیجز کی دیوار کو سمجھنا مشکل ہو سکتا ہے، لیکن جب کچھ غلط ہو تو ایک چمکتی ہوئی سرخ روشنی انسان کو فوری فیصلہ کرنے کی اجازت دیتی ہے۔ کبھی کبھی بہترین بصری نمائندگی ایک چمکتی ہوئی روشنی ہوتی ہے!
+
+GPS ڈیٹا کے ساتھ کام کرتے وقت، سب سے واضح بصری نمائندگی یہ ہو سکتی ہے کہ ڈیٹا کو نقشے پر پلاٹ کیا جائے۔ مثال کے طور پر، ایک نقشہ جو ڈلیوری ٹرکوں کو دکھاتا ہے، پروسیسنگ پلانٹ کے کارکنوں کو یہ دیکھنے میں مدد دے سکتا ہے کہ ٹرک کب پہنچیں گے۔ اگر یہ نقشہ صرف ٹرکوں کی موجودہ جگہوں کی تصاویر کے بجائے ان کے مواد کے بارے میں بھی معلومات فراہم کرے، تو پلانٹ کے کارکن اس کے مطابق منصوبہ بندی کر سکتے ہیں - اگر وہ دیکھیں کہ ایک ریفریجریٹڈ ٹرک قریب ہے تو وہ فریج میں جگہ تیار کر سکتے ہیں۔
+
+## نقشے کی خدمات
+
+نقشوں کے ساتھ کام کرنا ایک دلچسپ مشق ہے، اور انتخاب کے لیے بہت سے اختیارات ہیں جیسے Bing Maps، Leaflet، Open Street Maps، اور Google Maps۔ اس سبق میں، آپ [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) کے بارے میں سیکھیں گے اور یہ کہ وہ آپ کے GPS ڈیٹا کو کیسے ظاہر کر سکتے ہیں۔
+
+![Azure Maps کا لوگو](../../../../../translated_images/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.ur.png)
+
+Azure Maps "جغرافیائی خدمات اور SDKs کا ایک مجموعہ ہے جو تازہ نقشہ سازی کے ڈیٹا کا استعمال کرتے ہوئے ویب اور موبائل ایپلیکیشنز کو جغرافیائی سیاق و سباق فراہم کرتا ہے۔" ڈویلپرز کو خوبصورت، انٹرایکٹو نقشے بنانے کے لیے ٹولز فراہم کیے جاتے ہیں جو ٹریفک کے تجویز کردہ راستے فراہم کر سکتے ہیں، ٹریفک کے واقعات کے بارے میں معلومات دے سکتے ہیں، اندرونی نیویگیشن، تلاش کی صلاحیتیں، بلندی کی معلومات، موسم کی خدمات اور بہت کچھ کر سکتے ہیں۔
+
+✅ کچھ [نقشہ سازی کے کوڈ کے نمونے](https://docs.microsoft.com/samples/browse?WT.mc_id=academic-17441-jabenn&products=azure-maps) آزمائیں۔
+
+آپ نقشوں کو خالی کینوس، ٹائلز، سیٹلائٹ تصاویر، سڑکوں کے ساتھ سیٹلائٹ تصاویر، مختلف قسم کے گرے اسکیل نقشے، بلندی دکھانے کے لیے شیڈڈ ریلیف کے ساتھ نقشے، رات کے نظارے کے نقشے، اور ایک ہائی کنٹراسٹ نقشے کے طور پر ظاہر کر سکتے ہیں۔ آپ اپنے نقشوں پر حقیقی وقت کی اپ ڈیٹس حاصل کر سکتے ہیں انہیں [Azure Event Grid](https://azure.microsoft.com/services/event-grid/?WT.mc_id=academic-17441-jabenn) کے ساتھ مربوط کر کے۔ آپ مختلف کنٹرولز کو فعال کر کے اپنے نقشے کے رویے اور ظاہری شکل کو کنٹرول کر سکتے ہیں تاکہ نقشہ پنچ، ڈریگ، اور کلک جیسے واقعات پر ردعمل ظاہر کرے۔ اپنے نقشے کی ظاہری شکل کو کنٹرول کرنے کے لیے، آپ ببلز، لائنز، پولیگونز، ہیٹ میپس، اور مزید شامل کرنے کے لیے لیئرز شامل کر سکتے ہیں۔ آپ کس قسم کا نقشہ نافذ کرتے ہیں یہ آپ کے منتخب کردہ SDK پر منحصر ہے۔
+
+آپ Azure Maps APIs تک رسائی حاصل کر سکتے ہیں اس کے [REST API](https://docs.microsoft.com/javascript/api/azure-maps-rest/?WT.mc_id=academic-17441-jabenn&view=azure-maps-typescript-latest)، اس کے [Web SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-map-control?WT.mc_id=academic-17441-jabenn)، یا، اگر آپ ایک موبائل ایپ بنا رہے ہیں، اس کے [Android SDK](https://docs.microsoft.com/azure/azure-maps/how-to-use-android-map-control-library?WT.mc_id=academic-17441-jabenn&pivots=programming-language-java-android) کا استعمال کرتے ہوئے۔
+
+اس سبق میں، آپ ویب SDK کا استعمال کرتے ہوئے ایک نقشہ بنائیں گے اور اپنے سینسر کے GPS مقام کے راستے کو ظاہر کریں گے۔
+
+## Azure Maps کا وسیلہ بنائیں
+
+آپ کا پہلا قدم Azure Maps اکاؤنٹ بنانا ہے۔
+
+### کام - Azure Maps کا وسیلہ بنائیں
+
+1. اپنے ٹرمینل یا کمانڈ پرامپٹ سے درج ذیل کمانڈ چلائیں تاکہ اپنے `gps-sensor` ریسورس گروپ میں Azure Maps کا وسیلہ بنائیں:
+
+    ```sh
+    az maps account create --name gps-sensor \
+                           --resource-group gps-sensor \
+                           --accept-tos \
+                           --sku S1
+    ```
+
+    یہ `gps-sensor` نامی Azure Maps کا وسیلہ بنائے گا۔ استعمال ہونے والا ٹائر `S1` ہے، جو ایک ادا شدہ ٹائر ہے جس میں بہت سی خصوصیات شامل ہیں، لیکن مفت کالز کی ایک معقول مقدار کے ساتھ۔
+
+    > 💁 Azure Maps کے استعمال کی لاگت دیکھنے کے لیے [Azure Maps قیمتوں کا صفحہ](https://azure.microsoft.com/pricing/details/azure-maps/?WT.mc_id=academic-17441-jabenn) دیکھیں۔
+
+1. آپ کو نقشے کے وسیلے کے لیے ایک API کلید کی ضرورت ہوگی۔ اس کلید کو حاصل کرنے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az maps account keys list --name gps-sensor \
+                              --resource-group gps-sensor \
+                              --output table
+    ```
+
+    `PrimaryKey` ویلیو کی ایک کاپی لے لیں۔
+
+## ویب صفحے پر نقشہ دکھائیں
+
+اب آپ اگلا قدم اٹھا سکتے ہیں، جو کہ آپ کے نقشے کو ویب صفحے پر ظاہر کرنا ہے۔ ہم آپ کی چھوٹی ویب ایپ کے لیے صرف ایک `html` فائل استعمال کریں گے؛ یاد رکھیں کہ پروڈکشن یا ٹیم کے ماحول میں، آپ کی ویب ایپ میں زیادہ پیچیدہ حصے ہوں گے!
+
+### کام - ویب صفحے پر نقشہ دکھائیں
+
+1. اپنے کمپیوٹر پر کسی فولڈر میں `index.html` نامی ایک فائل بنائیں۔ نقشے کے لیے HTML مارک اپ شامل کریں:
+
+    ```html
+    <html>
+    <head>
+        <style>
+            #myMap {
+                width:100%;
+                height:100%;
+            }
+        </style>
+    </head>
+    
+    <body onload="init()">
+        <div id="myMap"></div>
+    </body>
+    </html>
+    ```
+
+    نقشہ `myMap` `div` میں لوڈ ہوگا۔ چند اسٹائلز اسے صفحے کی چوڑائی اور اونچائی پر پھیلنے کی اجازت دیتے ہیں۔
+
+    > 🎓 ایک `div` ویب صفحے کا ایک سیکشن ہے جسے نام دیا جا سکتا ہے اور اسٹائل کیا جا سکتا ہے۔
+
+1. `<head>` ٹیگ کے نیچے، نقشے کی ظاہری شکل کو کنٹرول کرنے کے لیے ایک بیرونی اسٹائل شیٹ اور اس کے رویے کو منظم کرنے کے لیے Web SDK سے ایک بیرونی اسکرپٹ شامل کریں:
+
+    ```html
+    <link rel="stylesheet" href="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.css" type="text/css" />
+    <script src="https://atlas.microsoft.com/sdk/javascript/mapcontrol/2/atlas.min.js"></script>
+    ```
+
+    یہ اسٹائل شیٹ نقشے کی ظاہری شکل کے لیے ترتیبات پر مشتمل ہے، اور اسکرپٹ فائل نقشے کو لوڈ کرنے کے لیے کوڈ پر مشتمل ہے۔ اس کوڈ کو شامل کرنا C++ ہیڈر فائلز شامل کرنے یا Python ماڈیولز درآمد کرنے کے مترادف ہے۔
+
+1. اس اسکرپٹ کے نیچے، نقشہ لانچ کرنے کے لیے ایک اسکرپٹ بلاک شامل کریں۔
+
+    ```javascript
+    <script type='text/javascript'>
+        function init() {
+            var map = new atlas.Map('myMap', {
+                center: [-122.26473, 47.73444],
+                zoom: 12,
+                authOptions: {
+                    authType: "subscriptionKey",
+                    subscriptionKey: "<subscription_key>",
+
+                }
+            });
+        }
+    </script>
+    ```
+
+    `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API کلید سے تبدیل کریں۔
+
+    اگر آپ اپنے `index.html` صفحے کو ویب براؤزر میں کھولیں، تو آپ کو ایک نقشہ لوڈ ہوتا ہوا نظر آنا چاہیے، جو سیئٹل کے علاقے پر مرکوز ہے۔
+
+    ![سیئٹل، واشنگٹن اسٹیٹ، USA کا نقشہ](../../../../../translated_images/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.ur.png)
+
+    ✅ زوم اور سینٹر پیرامیٹرز کے ساتھ تجربہ کریں تاکہ اپنے نقشے کی ظاہری شکل کو تبدیل کریں۔ آپ اپنے ڈیٹا کے طول البلد اور عرض البلد کے مطابق مختلف کوآرڈینیٹس شامل کر کے نقشے کو دوبارہ مرکز کر سکتے ہیں۔
+
+> 💁 ویب ایپس کے ساتھ مقامی طور پر کام کرنے کا ایک بہتر طریقہ [http-server](https://www.npmjs.com/package/http-server) انسٹال کرنا ہے۔ آپ کو [node.js](https://nodejs.org/) اور [npm](https://www.npmjs.com/) انسٹال کرنے کی ضرورت ہوگی اس ٹول کو استعمال کرنے سے پہلے۔ ایک بار جب یہ ٹولز انسٹال ہو جائیں، تو آپ اپنے `index.html` فائل کے مقام پر جا سکتے ہیں اور `http-server` ٹائپ کر سکتے ہیں۔ ویب ایپ ایک مقامی ویب سرور پر کھل جائے گی [http://127.0.0.1:8080/](http://127.0.0.1:8080/)۔
+
+## GeoJSON فارمیٹ
+
+اب جب کہ آپ کی ویب ایپ موجود ہے اور نقشہ ظاہر ہو رہا ہے، آپ کو اپنے اسٹوریج اکاؤنٹ سے GPS ڈیٹا نکالنے اور اسے نقشے کے اوپر مارکرز کی ایک لیئر میں ظاہر کرنے کی ضرورت ہے۔ اس سے پہلے کہ ہم ایسا کریں، آئیے [GeoJSON](https://wikipedia.org/wiki/GeoJSON) فارمیٹ پر نظر ڈالیں جو Azure Maps کے لیے ضروری ہے۔
+
+[GeoJSON](https://geojson.org/) ایک اوپن اسٹینڈرڈ JSON وضاحت ہے جس میں جغرافیائی مخصوص ڈیٹا کو سنبھالنے کے لیے خاص فارمیٹنگ شامل ہے۔ آپ اس کے بارے میں سیکھ سکتے ہیں نمونہ ڈیٹا کو [geojson.io](https://geojson.io) پر ٹیسٹ کر کے، جو GeoJSON فائلوں کو ڈیبگ کرنے کے لیے بھی ایک مفید ٹول ہے۔
+
+نمونہ GeoJSON ڈیٹا کچھ اس طرح نظر آتا ہے:
+
+```json
+{
+  "type": "FeatureCollection",
+  "features": [
+    {
+      "type": "Feature",
+      "geometry": {
+        "type": "Point",
+        "coordinates": [
+          -2.10237979888916,
+          57.164918677004714
+        ]
+      }
+    }
+  ]
+}
+```
+
+خاص طور پر دلچسپ بات یہ ہے کہ ڈیٹا کو `FeatureCollection` کے اندر ایک `Feature` کے طور پر کیسے گھونسلہ کیا گیا ہے۔ اس آبجیکٹ کے اندر `geometry` پایا جا سکتا ہے جس میں `coordinates` طول البلد اور عرض البلد کی نشاندہی کرتے ہیں۔
+
+✅ جب آپ اپنا GeoJSON بنا رہے ہوں، تو آبجیکٹ میں `latitude` اور `longitude` کے آرڈر پر توجہ دیں، ورنہ آپ کے پوائنٹس وہاں ظاہر نہیں ہوں گے جہاں انہیں ہونا چاہیے! GeoJSON پوائنٹس کے لیے ڈیٹا کو `lon,lat` کے آرڈر میں توقع کرتا ہے، نہ کہ `lat,lon`۔
+✅ Azure Maps معیاری GeoJSON کی حمایت کرتا ہے اور کچھ [اضافی خصوصیات](https://docs.microsoft.com/azure/azure-maps/extend-geojson?WT.mc_id=academic-17441-jabenn) بھی فراہم کرتا ہے، جن میں دائرے اور دیگر جیومیٹریز بنانے کی صلاحیت شامل ہے۔
+
+## GeoJSON کا استعمال کرتے ہوئے GPS ڈیٹا کو نقشے پر دکھائیں
+
+اب آپ اس اسٹوریج سے ڈیٹا حاصل کرنے کے لیے تیار ہیں جو آپ نے پچھلے سبق میں بنایا تھا۔ یاد دہانی کے طور پر، یہ blob storage میں کئی فائلوں کی شکل میں محفوظ ہے، لہذا آپ کو فائلوں کو حاصل کرنا اور ان کو پارس کرنا ہوگا تاکہ Azure Maps اس ڈیٹا کو استعمال کر سکے۔
+
+### کام - اسٹوریج کو ویب صفحے سے رسائی کے لیے ترتیب دیں
+
+جب آپ اپنے اسٹوریج سے ڈیٹا حاصل کرنے کے لیے کال کریں گے تو آپ کو اپنے براؤزر کے کنسول میں غلطیاں نظر آ سکتی ہیں۔ اس کی وجہ یہ ہے کہ آپ کو اس اسٹوریج پر [CORS](https://developer.mozilla.org/docs/Web/HTTP/CORS) کی اجازتیں ترتیب دینی ہوں گی تاکہ بیرونی ویب ایپس اس کا ڈیٹا پڑھ سکیں۔
+
+> 🎓 CORS کا مطلب ہے "Cross-Origin Resource Sharing" اور عام طور پر Azure میں سیکیورٹی وجوہات کی بنا پر واضح طور پر ترتیب دینا ضروری ہوتا ہے۔ یہ ان سائٹس کو روک دیتا ہے جن کی آپ توقع نہیں کرتے کہ وہ آپ کے ڈیٹا تک رسائی حاصل کریں۔
+
+1. CORS کو فعال کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az storage cors add --methods GET \
+                        --origins "*" \
+                        --services b \
+                        --account-name <storage_name> \
+                        --account-key <key1>
+    ```
+
+    `<storage_name>` کو اپنے اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں۔ `<key1>` کو اپنے اسٹوریج اکاؤنٹ کے اکاؤنٹ کی سے تبدیل کریں۔
+
+    یہ کمانڈ کسی بھی ویب سائٹ کو (wildcard `*` کا مطلب ہے کوئی بھی) *GET* درخواست کرنے کی اجازت دیتا ہے، یعنی آپ کے اسٹوریج اکاؤنٹ سے ڈیٹا حاصل کرنا۔ `--services b` کا مطلب ہے کہ یہ ترتیب صرف blobs کے لیے لاگو ہو۔
+
+### کام - اسٹوریج سے GPS ڈیٹا لوڈ کریں
+
+1. `init` فنکشن کے تمام مواد کو درج ذیل کوڈ سے تبدیل کریں:
+
+    ```javascript
+    fetch("https://<storage_name>.blob.core.windows.net/gps-data/?restype=container&comp=list")
+        .then(response => response.text())
+        .then(str => new window.DOMParser().parseFromString(str, "text/xml"))
+        .then(xml => {
+            let blobList = Array.from(xml.querySelectorAll("Url"));
+                blobList.forEach(async blobUrl => {
+                    loadJSON(blobUrl.innerHTML)                
+        });
+    })
+    .then( response => {
+        map = new atlas.Map('myMap', {
+            center: [-122.26473, 47.73444],
+            zoom: 14,
+            authOptions: {
+                authType: "subscriptionKey",
+                subscriptionKey: "<subscription_key>",
+    
+            }
+        });
+        map.events.add('ready', function () {
+            var source = new atlas.source.DataSource();
+            map.sources.add(source);
+            map.layers.add(new atlas.layer.BubbleLayer(source));
+            source.add(features);
+        })
+    })
+    ```
+
+    `<storage_name>` کو اپنے اسٹوریج اکاؤنٹ کے نام سے تبدیل کریں۔ `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API key سے تبدیل کریں۔
+
+    یہاں کئی چیزیں ہو رہی ہیں۔ سب سے پہلے، کوڈ آپ کے blob container سے GPS ڈیٹا حاصل کرتا ہے، ایک URL endpoint کا استعمال کرتے ہوئے جو آپ کے اسٹوریج اکاؤنٹ کے نام سے بنایا گیا ہے۔ یہ URL `gps-data` سے حاصل کرتا ہے، جو ظاہر کرتا ہے کہ resource type ایک container ہے (`restype=container`)، اور تمام blobs کے بارے میں معلومات کی فہرست دیتا ہے۔ یہ فہرست خود blobs کو واپس نہیں کرے گی، لیکن ہر blob کے لیے ایک URL واپس کرے گی جسے blob ڈیٹا لوڈ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+    > 💁 آپ اس URL کو اپنے براؤزر میں ڈال سکتے ہیں تاکہ اپنے container میں موجود تمام blobs کی تفصیلات دیکھ سکیں۔ ہر آئٹم میں ایک `Url` پراپرٹی ہوگی جسے آپ اپنے براؤزر میں بھی لوڈ کر سکتے ہیں تاکہ blob کے مواد کو دیکھ سکیں۔
+
+    یہ کوڈ پھر ہر blob کو لوڈ کرتا ہے، ایک `loadJSON` فنکشن کو کال کرتے ہوئے، جو اگلے مرحلے میں بنایا جائے گا۔ پھر یہ نقشے کا کنٹرول بناتا ہے، اور `ready` ایونٹ میں کوڈ شامل کرتا ہے۔ یہ ایونٹ اس وقت کال کیا جاتا ہے جب نقشہ ویب صفحے پر ظاہر ہوتا ہے۔
+
+    `ready` ایونٹ ایک Azure Maps ڈیٹا سورس بناتا ہے - ایک container جو GeoJSON ڈیٹا پر مشتمل ہوتا ہے جو بعد میں آباد کیا جائے گا۔ یہ ڈیٹا سورس پھر ایک bubble layer بنانے کے لیے استعمال ہوتا ہے - یعنی نقشے پر ہر GeoJSON پوائنٹ کے اوپر مرکوز دائرے۔
+
+1. اپنے اسکرپٹ بلاک میں، `init` فنکشن کے نیچے `loadJSON` فنکشن شامل کریں:
+
+    ```javascript
+    var map, features;
+
+    function loadJSON(file) {
+        var xhr = new XMLHttpRequest();
+        features = [];
+        xhr.onreadystatechange = function () {
+            if (xhr.readyState === XMLHttpRequest.DONE) {
+                if (xhr.status === 200) {
+                    gps = JSON.parse(xhr.responseText)
+                    features.push(
+                        new atlas.data.Feature(new atlas.data.Point([parseFloat(gps.gps.lon), parseFloat(gps.gps.lat)]))
+                    )
+                }
+            }
+        };
+        xhr.open("GET", file, true);
+        xhr.send();
+    }    
+    ```
+
+    یہ فنکشن fetch routine کے ذریعے JSON ڈیٹا کو پارس کرنے اور اسے longitude اور latitude coordinates کے طور پر GeoJSON میں پڑھنے کے لیے تبدیل کرنے کے لیے بلایا جاتا ہے۔ 
+    ایک بار پارس ہونے کے بعد، ڈیٹا GeoJSON `Feature` کے حصے کے طور پر سیٹ کیا جاتا ہے۔ نقشہ initialize ہو جائے گا اور چھوٹے دائرے اس راستے کے ارد گرد ظاہر ہوں گے جو آپ کا ڈیٹا پلاٹ کر رہا ہے:
+
+1. HTML صفحہ اپنے براؤزر میں لوڈ کریں۔ یہ نقشہ لوڈ کرے گا، پھر اسٹوریج سے تمام GPS ڈیٹا لوڈ کرے گا اور نقشے پر پلاٹ کرے گا۔
+
+    ![سیئٹل کے قریب سینٹ ایڈورڈ اسٹیٹ پارک کا نقشہ، جس میں پارک کے کنارے کے ارد گرد ایک راستہ دکھانے والے دائرے ہیں](../../../../../translated_images/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.ur.png)
+
+> 💁 آپ اس کوڈ کو [code](../../../../../3-transport/lessons/3-visualize-location-data/code) فولڈر میں تلاش کر سکتے ہیں۔
+
+---
+
+## 🚀 چیلنج
+
+نقشے پر جامد ڈیٹا کو مارکرز کے طور پر دکھانا اچھا ہے۔ کیا آپ اس ویب ایپ کو بہتر بنا سکتے ہیں تاکہ اینیمیشن شامل کریں اور مارکرز کے راستے کو وقت کے ساتھ دکھائیں، timestamped json فائلوں کا استعمال کرتے ہوئے؟ یہاں [کچھ نمونے](https://azuremapscodesamples.azurewebsites.net/) ہیں جو نقشوں میں اینیمیشن کے استعمال کو ظاہر کرتے ہیں۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/26)
+
+## جائزہ اور خود مطالعہ
+
+Azure Maps IoT ڈیوائسز کے ساتھ کام کرنے کے لیے خاص طور پر مفید ہے۔
+
+* [Azure Maps documentation on Microsoft docs](https://docs.microsoft.com/azure/azure-maps/tutorial-iot-hub-maps?WT.mc_id=academic-17441-jabenn) میں کچھ استعمالات پر تحقیق کریں۔
+* نقشہ سازی اور waypoints کے بارے میں اپنی معلومات کو [Azure Maps کے ساتھ اپنا پہلا راستہ تلاش کرنے والا ایپ بنائیں Microsoft Learn پر خود رہنمائی والے لرننگ ماڈیول](https://docs.microsoft.com/learn/modules/create-your-first-app-with-azure-maps/?WT.mc_id=academic-17441-jabenn) کے ساتھ گہرا کریں۔
+
+## اسائنمنٹ
+
+[اپنی ایپ کو تعینات کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/3-visualize-location-data/assignment.md b/translations/ur/3-transport/lessons/3-visualize-location-data/assignment.md
new file mode 100644
index 00000000..e7567c3b
--- /dev/null
+++ b/translations/ur/3-transport/lessons/3-visualize-location-data/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ccdc1faa676a485c4c6ecbddb9f9067",
+  "translation_date": "2025-08-27T00:56:43+00:00",
+  "source_file": "3-transport/lessons/3-visualize-location-data/assignment.md",
+  "language_code": "ur"
+}
+-->
+# اپنی ایپ کو ڈپلائے کریں
+
+## ہدایات
+
+آپ اپنی ایپ کو دنیا کے ساتھ شیئر کرنے کے لیے کئی طریقوں سے ڈپلائے کر سکتے ہیں، جیسے کہ GitHub پیجز یا مختلف سروس فراہم کنندگان کا استعمال۔ ایک بہترین طریقہ Azure Static Web Apps کا استعمال ہے۔ اس اسائنمنٹ میں، اپنی ویب ایپ بنائیں اور اسے کلاؤڈ میں ڈپلائے کریں، [ان ہدایات](https://github.com/Azure/static-web-apps-cli) کو فالو کرتے ہوئے یا [یہ ویڈیوز](https://www.youtube.com/watch?v=ADVGIXciYn8&list=PLlrxD0HtieHgMPeBaDQFx9yNuFxx6S1VG&index=3) دیکھ کر۔  
+Azure Static Web Apps استعمال کرنے کا ایک فائدہ یہ ہے کہ آپ کسی بھی API کیز کو پورٹل میں چھپا سکتے ہیں، لہذا اس موقع کا فائدہ اٹھائیں اور اپنے subscriptionKey کو ایک ویری ایبل کے طور پر ریفیکٹر کریں اور اسے کلاؤڈ میں اسٹور کریں۔
+
+## معیار
+
+| معیار   | مثالی                                                                                                                                    | مناسب                                                                                                              | بہتری کی ضرورت ہے                                   |
+| -------- | ---------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------- |
+|          | ایک کام کرنے والی ویب ایپ ایک دستاویزی GitHub ریپوزیٹری میں پیش کی گئی ہے، جس کا subscriptionKey کلاؤڈ میں اسٹور ہے اور ویری ایبل کے ذریعے کال کیا گیا ہے | ایک کام کرنے والی ویب ایپ ایک دستاویزی GitHub ریپوزیٹری میں پیش کی گئی ہے لیکن اس کا subscriptionKey کلاؤڈ میں اسٹور نہیں ہے | ویب ایپ میں بگز ہیں یا یہ صحیح کام نہیں کر رہی ہے |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/4-geofences/README.md b/translations/ur/3-transport/lessons/4-geofences/README.md
new file mode 100644
index 00000000..1082842c
--- /dev/null
+++ b/translations/ur/3-transport/lessons/4-geofences/README.md
@@ -0,0 +1,488 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "078ae664c7b686bf069545e9a5fc95b2",
+  "translation_date": "2025-08-27T00:38:37+00:00",
+  "source_file": "3-transport/lessons/4-geofences/README.md",
+  "language_code": "ur"
+}
+-->
+# جیو فینسز
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو جیو فینسز اور Azure Maps میں ان کے استعمال کا جائزہ پیش کرتی ہے، جو اس سبق میں شامل موضوعات ہیں:
+
+[![Azure Maps کے ساتھ جیو فینسنگ - Microsoft Developer IoT شو سے](https://img.youtube.com/vi/nsrgYhaYNVY/0.jpg)](https://www.youtube.com/watch?v=nsrgYhaYNVY)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/27)
+
+## تعارف
+
+پچھلے تین اسباق میں، آپ نے IoT کا استعمال کرتے ہوئے اپنے فارم سے پروسیسنگ ہب تک پیداوار لے جانے والے ٹرکوں کا پتہ لگایا۔ آپ نے GPS ڈیٹا حاصل کیا، اسے کلاؤڈ میں محفوظ کیا، اور نقشے پر دکھایا۔ سپلائی چین کی کارکردگی کو بڑھانے کا اگلا قدم یہ ہے کہ جب ٹرک پروسیسنگ ہب کے قریب پہنچنے والا ہو تو آپ کو الرٹ ملے، تاکہ سامان اتارنے کے لیے عملہ فورک لفٹس اور دیگر آلات کے ساتھ تیار ہو۔ اس طرح وہ جلدی سے سامان اتار سکتے ہیں، اور آپ ٹرک اور ڈرائیور کے انتظار کے وقت کے اخراجات سے بچ سکتے ہیں۔
+
+اس سبق میں آپ جیو فینسز کے بارے میں سیکھیں گے - جغرافیائی حدود جیسے کہ پروسیسنگ ہب کے 2 کلومیٹر کے دائرے میں ایک علاقہ، اور GPS کوآرڈینیٹس کے اندر یا باہر ہونے کی جانچ کرنے کا طریقہ، تاکہ آپ دیکھ سکیں کہ آیا آپ کا GPS سینسر کسی علاقے میں پہنچا ہے یا اسے چھوڑ دیا ہے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [جیو فینسز کیا ہیں](../../../../../3-transport/lessons/4-geofences)
+* [جیو فینس کی تعریف](../../../../../3-transport/lessons/4-geofences)
+* [جیو فینس کے خلاف پوائنٹس کی جانچ](../../../../../3-transport/lessons/4-geofences)
+* [سرور لیس کوڈ سے جیو فینسز کا استعمال](../../../../../3-transport/lessons/4-geofences)
+
+> 🗑 یہ اس پروجیکٹ کا آخری سبق ہے، لہذا سبق اور اسائنمنٹ مکمل کرنے کے بعد، اپنے کلاؤڈ سروسز کو صاف کرنا نہ بھولیں۔ اسائنمنٹ مکمل کرنے کے لیے آپ کو سروسز کی ضرورت ہوگی، لہذا پہلے اسائنمنٹ مکمل کریں۔
+>
+> اگر ضروری ہو تو [اپنے پروجیکٹ کو صاف کرنے کے گائیڈ](../../../clean-up.md) سے ہدایات حاصل کریں۔
+
+## جیو فینسز کیا ہیں
+
+جیو فینس ایک حقیقی دنیا کے جغرافیائی علاقے کے لیے ایک ورچوئل حد ہے۔ جیو فینسز دائرے کی شکل میں ہو سکتے ہیں، جو ایک نقطہ اور رداس سے متعین کیے جاتے ہیں (مثال کے طور پر کسی عمارت کے ارد گرد 100 میٹر چوڑا دائرہ)، یا ایک پولیگون کی شکل میں، جیسے اسکول زون، شہر کی حدود، یا یونیورسٹی یا دفتر کیمپس۔
+
+![جیو فینس کی کچھ مثالیں، Microsoft کمپنی اسٹور کے ارد گرد ایک دائرہ اور Microsoft ویسٹ کیمپس کے ارد گرد ایک پولیگون](../../../../../translated_images/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.ur.png)
+
+> 💁 آپ نے شاید پہلے ہی جیو فینسز کا استعمال کیا ہو، بغیر جانے۔ اگر آپ نے iOS ریمائنڈرز ایپ یا Google Keep میں کسی مقام کی بنیاد پر یاد دہانی سیٹ کی ہے، تو آپ نے جیو فینس کا استعمال کیا ہے۔ یہ ایپس دیے گئے مقام کی بنیاد پر جیو فینس سیٹ کرتی ہیں اور جب آپ کا فون جیو فینس میں داخل ہوتا ہے تو آپ کو الرٹ کرتی ہیں۔
+
+جیو فینسز کے اندر یا باہر گاڑی کے ہونے کی معلومات حاصل کرنے کی کئی وجوہات ہو سکتی ہیں:
+
+* سامان اتارنے کی تیاری - سائٹ پر گاڑی کے پہنچنے کی اطلاع ملنے سے عملہ گاڑی کو جلدی سے اتارنے کے لیے تیار ہو سکتا ہے، جس سے گاڑی کے انتظار کا وقت کم ہو جاتا ہے۔ اس سے ڈرائیور کو دن میں زیادہ ڈلیوریز کرنے کا موقع ملتا ہے۔
+* ٹیکس کی تعمیل - کچھ ممالک، جیسے نیوزی لینڈ، عوامی سڑکوں پر ڈیزل گاڑیوں کے وزن کی بنیاد پر روڈ ٹیکس وصول کرتے ہیں۔ جیو فینسز کا استعمال آپ کو عوامی سڑکوں پر چلائی گئی میلوں کو نجی سڑکوں جیسے فارم یا لاگنگ ایریاز پر چلائی گئی میلوں سے الگ کرنے کی اجازت دیتا ہے۔
+* چوری کی نگرانی - اگر گاڑی کو کسی خاص علاقے میں رہنا چاہیے، جیسے فارم پر، اور وہ جیو فینس چھوڑ دیتی ہے، تو یہ چوری ہو سکتی ہے۔
+* مقام کی تعمیل - کام کی جگہ، فارم یا فیکٹری کے کچھ حصے کچھ گاڑیوں کے لیے ممنوع ہو سکتے ہیں، جیسے مصنوعی کھاد اور کیڑے مار ادویات لے جانے والی گاڑیوں کو نامیاتی پیداوار والے کھیتوں سے دور رکھنا۔ اگر جیو فینس میں داخل ہوا جائے، تو گاڑی تعمیل سے باہر ہے اور ڈرائیور کو مطلع کیا جا سکتا ہے۔
+
+✅ کیا آپ جیو فینسز کے دیگر استعمالات کے بارے میں سوچ سکتے ہیں؟
+
+Azure Maps، جو آپ نے پچھلے سبق میں GPS ڈیٹا کو ظاہر کرنے کے لیے استعمال کیا تھا، آپ کو جیو فینسز کی تعریف کرنے اور پھر یہ جانچنے کی اجازت دیتا ہے کہ آیا کوئی نقطہ جیو فینس کے اندر یا باہر ہے۔
+
+## جیو فینس کی تعریف
+
+جیو فینسز کو GeoJSON کا استعمال کرتے ہوئے متعین کیا جاتا ہے، بالکل اسی طرح جیسے پچھلے سبق میں نقشے پر پوائنٹس شامل کیے گئے تھے۔ اس صورت میں، `FeatureCollection` میں `Point` کی بجائے، یہ `FeatureCollection` میں ایک `Polygon` ہوتا ہے۔
+
+```json
+{
+   "type": "FeatureCollection",
+   "features": [
+     {
+       "type": "Feature",
+       "geometry": {
+         "type": "Polygon",
+         "coordinates": [
+           [
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ],
+             [
+               -122.13389128446579,
+               47.63782047131512
+             ],
+             [
+               -122.13240802288054,
+               47.63783312249837
+             ],
+             [
+               -122.13238388299942,
+               47.63829037035086
+             ],
+             [
+               -122.13393688201903,
+               47.63829579223815
+             ]
+           ]
+         ]
+       },
+       "properties": {
+         "geometryId": "1"
+       }
+     }
+   ]
+}
+```
+
+پولیگون پر ہر نقطہ ایک طول بلد اور عرض بلد کے جوڑے کے طور پر ایک صف میں متعین کیا جاتا ہے، اور یہ پوائنٹس ایک صف میں ہوتے ہیں جو `coordinates` کے طور پر سیٹ کیے جاتے ہیں۔ پچھلے سبق میں `Point` کے لیے، `coordinates` ایک صف تھی جس میں 2 اقدار تھیں، عرض بلد اور طول بلد۔ `Polygon` کے لیے، یہ صفوں کی ایک صف ہے جس میں 2 اقدار ہیں، طول بلد اور عرض بلد۔
+
+> 💁 یاد رکھیں، GeoJSON پوائنٹس کے لیے `longitude, latitude` استعمال کرتا ہے، نہ کہ `latitude, longitude`
+
+پولیگون کوآرڈینیٹس کی صف ہمیشہ پولیگون پر پوائنٹس کی تعداد سے 1 زیادہ اندراج رکھتی ہے، آخری اندراج پہلے اندراج جیسا ہوتا ہے، پولیگون کو بند کرنے کے لیے۔ مثال کے طور پر، ایک مستطیل کے لیے 5 پوائنٹس ہوں گے۔
+
+![ایک مستطیل کے ساتھ کوآرڈینیٹس](../../../../../translated_images/polygon-points.302193da381cb415f46c2c7a98496ee4be05d6c73d21238a89721ad93e121233.ur.png)
+
+اوپر دی گئی تصویر میں، ایک مستطیل ہے۔ پولیگون کوآرڈینیٹس اوپر بائیں طرف 47,-122 سے شروع ہوتے ہیں، پھر دائیں طرف 47,-121، پھر نیچے 46,-121، پھر دائیں طرف 46,-122، پھر شروع کے نقطے پر واپس اوپر 47,-122۔ یہ پولیگون کو 5 پوائنٹس دیتا ہے - اوپر بائیں، اوپر دائیں، نیچے دائیں، نیچے بائیں، پھر اوپر بائیں تاکہ اسے بند کیا جا سکے۔
+
+✅ اپنے گھر یا اسکول کے ارد گرد ایک GeoJSON پولیگون بنانے کی کوشش کریں۔ [GeoJSON.io](https://geojson.io) جیسے ٹول کا استعمال کریں۔
+
+### کام - جیو فینس کی تعریف
+
+Azure Maps میں جیو فینس استعمال کرنے کے لیے، پہلے اسے آپ کے Azure Maps اکاؤنٹ میں اپ لوڈ کرنا ہوگا۔ ایک بار اپ لوڈ ہونے کے بعد، آپ کو ایک منفرد ID ملے گا جسے آپ جیو فینس کے خلاف نقطہ جانچنے کے لیے استعمال کر سکتے ہیں۔ Azure Maps میں جیو فینسز اپ لوڈ کرنے کے لیے، آپ کو Maps ویب API استعمال کرنا ہوگا۔ آپ [curl](https://curl.se) نامی ٹول کا استعمال کرتے ہوئے Azure Maps ویب API کو کال کر سکتے ہیں۔
+
+> 🎓 Curl ایک کمانڈ لائن ٹول ہے جو ویب اینڈ پوائنٹس کے خلاف درخواستیں کرنے کے لیے استعمال ہوتا ہے۔
+
+1. اگر آپ Linux، macOS، یا Windows 10 کے حالیہ ورژن استعمال کر رہے ہیں، تو آپ کے پاس شاید curl پہلے سے انسٹال ہوگا۔ اپنے ٹرمینل یا کمانڈ لائن سے درج ذیل چلائیں:
+
+    ```sh
+    curl --version
+    ```
+
+    اگر آپ کو curl کے لیے ورژن کی معلومات نظر نہیں آتی، تو آپ کو اسے [curl ڈاؤنلوڈز پیج](https://curl.se/download.html) سے انسٹال کرنا ہوگا۔
+
+    > 💁 اگر آپ Postman کے ماہر ہیں، تو آپ اسے استعمال کر سکتے ہیں اگر آپ چاہیں۔
+
+1. ایک GeoJSON فائل بنائیں جس میں پولیگون ہو۔ آپ اسے اپنے GPS سینسر کے ساتھ جانچنے جا رہے ہیں، لہذا اپنے موجودہ مقام کے ارد گرد ایک پولیگون بنائیں۔ آپ یا تو اوپر دیے گئے GeoJSON مثال کو دستی طور پر ایڈٹ کرکے ایک بنا سکتے ہیں، یا [GeoJSON.io](https://geojson.io) جیسے ٹول کا استعمال کر سکتے ہیں۔
+
+    GeoJSON کو ایک `FeatureCollection` پر مشتمل ہونا چاہیے، جس میں ایک `Feature` ہو جس کا `geometry` قسم `Polygon` ہو۔
+
+    آپ کو **ضرور** ایک `properties` عنصر بھی شامل کرنا ہوگا جو `geometry` عنصر کے برابر سطح پر ہو، اور اس میں ایک `geometryId` شامل ہونا چاہیے:
+
+    ```json
+    "properties": {
+        "geometryId": "1"
+    }
+    ```
+
+    اگر آپ [GeoJSON.io](https://geojson.io) استعمال کرتے ہیں، تو آپ کو یہ آئٹم خالی `properties` عنصر میں دستی طور پر شامل کرنا ہوگا، یا تو JSON فائل ڈاؤنلوڈ کرنے کے بعد، یا ایپ میں JSON ایڈیٹر میں۔
+
+    یہ `geometryId` اس فائل میں منفرد ہونا چاہیے۔ آپ ایک ہی GeoJSON فائل میں متعدد `Features` کے طور پر متعدد جیو فینسز اپ لوڈ کر سکتے ہیں، جب تک کہ ہر ایک کا مختلف `geometryId` ہو۔ پولیگونز کا ایک ہی `geometryId` ہو سکتا ہے اگر وہ مختلف وقت پر مختلف فائل سے اپ لوڈ کیے گئے ہوں۔
+
+1. اس فائل کو `geofence.json` کے طور پر محفوظ کریں، اور اپنے ٹرمینل یا کنسول میں جہاں یہ محفوظ ہے وہاں جائیں۔
+
+1. درج ذیل curl کمانڈ چلائیں تاکہ GeoFence بنایا جا سکے:
+
+    ```sh
+    curl --request POST 'https://atlas.microsoft.com/mapData/upload?api-version=1.0&dataFormat=geojson&subscription-key=<subscription_key>' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data @geofence.json
+    ```
+
+    URL میں `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API کلید سے تبدیل کریں۔
+
+    URL کو `https://atlas.microsoft.com/mapData/upload` API کے ذریعے نقشہ ڈیٹا اپ لوڈ کرنے کے لیے استعمال کیا جاتا ہے۔ کال میں `api-version` پیرامیٹر شامل ہوتا ہے تاکہ یہ وضاحت کی جا سکے کہ Azure Maps API کا کون سا ورژن استعمال کرنا ہے، یہ API کو وقت کے ساتھ تبدیل کرنے کی اجازت دیتا ہے لیکن پچھلے ورژنز کے ساتھ مطابقت برقرار رکھتا ہے۔ اپ لوڈ کیا جانے والا ڈیٹا فارمیٹ `geojson` کے طور پر سیٹ کیا جاتا ہے۔
+
+    یہ POST درخواست کو اپ لوڈ API پر چلائے گا اور جواب کے ہیڈرز کی فہرست واپس کرے گا جس میں ایک ہیڈر `location` شامل ہوگا۔
+
+    ```output
+    content-type: application/json
+    location: https://us.atlas.microsoft.com/mapData/operations/1560ced6-3a80-46f2-84b2-5b1531820eab?api-version=1.0
+    x-ms-azuremaps-region: West US 2
+    x-content-type-options: nosniff
+    strict-transport-security: max-age=31536000; includeSubDomains
+    x-cache: CONFIG_NOCACHE
+    date: Sat, 22 May 2021 21:34:57 GMT
+    content-length: 0
+    ```
+
+    > 🎓 جب کسی ویب اینڈ پوائنٹ کو کال کرتے ہیں، تو آپ کال میں پیرامیٹرز پاس کر سکتے ہیں، `?` کے بعد کلیدی قدر کے جوڑوں کو `key=value` کے طور پر شامل کرکے، اور کلیدی قدر کے جوڑوں کو `&` کے ذریعے الگ کرکے۔
+
+1. Azure Maps فوری طور پر اس پر عمل نہیں کرتا، لہذا آپ کو یہ چیک کرنے کی ضرورت ہوگی کہ اپ لوڈ درخواست مکمل ہوئی ہے یا نہیں، `location` ہیڈر میں دیے گئے URL کا استعمال کرتے ہوئے۔ اس مقام پر GET درخواست کریں تاکہ اسٹیٹس دیکھ سکیں۔ آپ کو اپنے Azure Maps اکاؤنٹ کے API کلید کو `location` URL کے آخر میں شامل کرنا ہوگا، `&subscription-key=<subscription_key>` شامل کرکے، `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API کلید سے تبدیل کریں۔ درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    curl --request GET '<location>&subscription-key=<subscription_key>'
+    ```
+
+    `<location>` کو `location` ہیڈر کی قدر سے تبدیل کریں، اور `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API کلید سے تبدیل کریں۔
+
+1. جواب میں `status` کی قدر چیک کریں۔ اگر یہ `Succeeded` نہیں ہے، تو ایک منٹ انتظار کریں اور دوبارہ کوشش کریں۔
+
+1. ایک بار جب اسٹیٹس `Succeeded` واپس آ جائے، جواب سے `resourceLocation` دیکھیں۔ یہ GeoJSON آبجیکٹ کے منفرد ID (جسے UDID کہا جاتا ہے) کی تفصیلات پر مشتمل ہے۔ UDID وہ قدر ہے جو `metadata/` کے بعد آتی ہے، اور `api-version` کو شامل نہیں کرتی۔ مثال کے طور پر، اگر `resourceLocation` تھا:
+
+    ```json
+    {
+      "resourceLocation": "https://us.atlas.microsoft.com/mapData/metadata/7c3776eb-da87-4c52-ae83-caadf980323a?api-version=1.0"
+    }
+    ```
+
+    تو UDID ہوگا `7c3776eb-da87-4c52-ae83-caadf980323a`۔
+
+    اس UDID کی ایک کاپی رکھیں کیونکہ آپ کو جیو فینس کی جانچ کے لیے اس کی ضرورت ہوگی۔
+
+## جیو فینس کے خلاف پوائنٹس کی جانچ
+
+ایک بار پولیگون Azure Maps میں اپ لوڈ ہو جانے کے بعد، آپ ایک نقطہ جانچ سکتے ہیں تاکہ یہ دیکھ سکیں کہ آیا یہ جیو فینس کے اندر ہے یا باہر۔ آپ یہ جیو فینس کے UDID، اور جانچنے کے لیے نقطے کے عرض بلد اور طول بلد کو پاس کرکے ویب API درخواست کے ذریعے کرتے ہیں۔
+
+جب آپ یہ درخواست کرتے ہیں، تو آپ ایک قدر جسے `searchBuffer` کہا جاتا ہے بھی پاس کر سکتے ہیں۔ یہ Maps API کو بتاتا ہے کہ نتائج واپس کرتے وقت کتنی درستگی رکھنی ہے۔ اس کی وجہ یہ ہے کہ GPS مکمل طور پر درست نہیں ہے، اور کبھی کبھی مقامات میٹرز یا اس سے زیادہ کے فرق کے ساتھ ہو سکتے ہیں۔ سرچ بفر کا ڈیفالٹ 50m ہے، لیکن آپ 0m سے 500m تک کی اقدار سیٹ کر سکتے ہیں۔
+
+جب API کال سے نتائج واپس کیے جاتے ہیں، تو نتائج کے حصوں میں سے ایک `distance` ہوتا ہے، جو جیو فینس کے کنارے کے قریب ترین نقطے تک ماپا جاتا ہے، مثبت قدر اگر نقطہ جیو فینس کے باہر ہو، منفی اگر یہ اندر ہو۔ اگر یہ فاصلہ سرچ بفر سے کم ہے، تو اصل فاصلہ میٹرز میں واپس کیا جاتا ہے، ورنہ قدر 999 یا -999 ہوتی ہے۔ 999 کا مطلب ہے کہ نقطہ جیو فینس سے سرچ بفر سے زیادہ باہر ہے، -999 کا مطلب ہے کہ یہ جیو فینس سے سرچ بفر سے زیادہ اندر ہے۔
+
+![جیو فینس کے ارد گرد 50m سرچ بفر](../../../../../translated_images/search-buffer-and-distance.e6a79af3898183c7b2ef6fbf12271b8b34afd23969bb946962b1b18d3d2635e8.ur.png)
+
+اوپر دی گئی تصویر میں، جیو فینس کے ارد گرد 50m سرچ بفر ہے۔
+
+* جیو فینس کے مرکز میں ایک نقطہ، سرچ بفر کے اندر، **-999** کا فاصلہ رکھتا ہے۔
+* سرچ بفر سے کافی باہر ایک نقطہ **999** کا فاصلہ رکھتا ہے۔
+* جیو فینس کے اندر اور سرچ بفر کے اندر ایک نقطہ، جیو فینس سے 6m دور، **6m** کا فاصلہ رکھتا ہے۔
+* جیو فینس کے باہر اور سرچ بفر کے اندر ایک نقطہ، جیو فینس سے 39m دور، **39m** کا فاصلہ رکھتا ہے۔
+
+جیو فینس کے کنارے تک فاصلے کو جاننا ضروری ہے، اور گاڑی کے مقام کی بنیاد پر فیصلے کرتے وقت دیگر معلومات جیسے دیگر GPS ریڈنگز، رفتار اور سڑک کے ڈیٹا کے ساتھ اسے یکجا کرنا۔
+
+مثال کے طور پر، تصور کریں کہ GPS ریڈنگز ایک گاڑی کو دکھاتی ہیں جو ایک سڑک پر چل رہی ہے جو جیو فینس کے ساتھ چلتی ہے۔ اگر ایک GPS قدر غلط ہے اور گاڑی کو جیو فینس کے اندر رکھتی ہے، حالانکہ وہاں گاڑیوں کی رسائی نہیں ہے، تو اسے نظر انداز کیا جا سکتا ہے۔
+
+![GPS ٹریل جو Microsoft کیمپس کے ساتھ 520 پر گاڑی کو دکھاتا ہے، سڑک کے ساتھ GPS ریڈنگز کے ساتھ، سوائے ایک کے جو کیمپس پر ہے، جیو فینس کے اندر](../../../../../translated_images/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.ur.png)
+مندرجہ بالا تصویر میں، مائیکروسافٹ کیمپس کے ایک حصے پر ایک جیو فینس دکھایا گیا ہے۔ سرخ لائن ایک ٹرک کو 520 کے ساتھ چلتے ہوئے دکھاتی ہے، اور دائرے GPS ریڈنگز کو ظاہر کرتے ہیں۔ ان میں سے زیادہ تر درست ہیں اور 520 کے ساتھ ہیں، لیکن ایک غلط ریڈنگ جیو فینس کے اندر ہے۔ یہ ریڈنگ درست نہیں ہو سکتی - 520 سے کیمپس پر اچانک مڑنے اور پھر واپس 520 پر جانے کے لیے کوئی سڑکیں نہیں ہیں۔ جیو فینس کو چیک کرنے والا کوڈ نتائج پر عمل کرنے سے پہلے پچھلی ریڈنگز کو مدنظر رکھنا ہوگا۔
+
+✅ آپ کو کون سے اضافی ڈیٹا کی ضرورت ہوگی تاکہ یہ چیک کیا جا سکے کہ آیا GPS ریڈنگ کو درست سمجھا جا سکتا ہے؟
+
+### کام - جیو فینس کے خلاف پوائنٹس کی جانچ کریں
+
+1. ویب API کوئری کے لیے URL بنانے سے شروع کریں۔ فارمیٹ یہ ہے:
+
+    ```output
+    https://atlas.microsoft.com/spatial/geofence/json?api-version=1.0&deviceId=gps-sensor&subscription-key=<subscription-key>&udid=<UDID>&lat=<lat>&lon=<lon>
+    ```
+
+    `<subscription_key>` کو اپنے Azure Maps اکاؤنٹ کے API key سے تبدیل کریں۔
+
+    `<UDID>` کو پچھلے کام سے جیو فینس کے UDID سے تبدیل کریں۔
+
+    `<lat>` اور `<lon>` کو اس latitude اور longitude سے تبدیل کریں جسے آپ جانچنا چاہتے ہیں۔
+
+    یہ URL `https://atlas.microsoft.com/spatial/geofence/json` API کا استعمال کرتا ہے تاکہ GeoJSON کے ذریعے ڈیفائن کیے گئے جیو فینس کو کوئری کیا جا سکے۔ یہ `1.0` API ورژن کو ٹارگٹ کرتا ہے۔ `deviceId` پیرامیٹر ضروری ہے اور یہ اس ڈیوائس کا نام ہونا چاہیے جس سے latitude اور longitude آیا ہے۔
+
+    ڈیفالٹ سرچ بفر 50m ہے، اور آپ اسے ایک اضافی پیرامیٹر `searchBuffer=<distance>` پاس کر کے تبدیل کر سکتے ہیں، `<distance>` کو میٹرز میں سرچ بفر فاصلے پر سیٹ کریں، 0 سے 500 تک۔
+
+1. curl کا استعمال کرتے ہوئے اس URL پر GET درخواست کریں:
+
+    ```sh
+    curl --request GET '<URL>'
+    ```
+
+    > 💁 اگر آپ کو `BadRequest` کا رسپانس کوڈ ملتا ہے، جس میں یہ ایرر ہوتا ہے:
+    >
+    > ```output
+    > Invalid GeoJSON: All feature properties should contain a geometryId, which is used for identifying the geofence.
+    > ```
+    >
+    > تو آپ کے GeoJSON میں `properties` سیکشن `geometryId` کے ساتھ غائب ہے۔ آپ کو اپنے GeoJSON کو درست کرنا ہوگا، پھر اوپر دیے گئے مراحل کو دوبارہ اپلوڈ کرنے اور نیا UDID حاصل کرنے کے لیے دہرائیں۔
+
+1. رسپانس میں `geometries` کی ایک فہرست ہوگی، ہر پولیگون کے لیے جو GeoJSON میں ڈیفائن کیا گیا ہے تاکہ جیو فینس بنایا جا سکے۔ ہر geometry میں دلچسپی کے 3 فیلڈز ہوں گے: `distance`, `nearestLat` اور `nearestLon`۔
+
+    ```output
+    {
+        "geometries": [
+            {
+                "deviceId": "gps-sensor",
+                "udId": "7c3776eb-da87-4c52-ae83-caadf980323a",
+                "geometryId": "1",
+                "distance": 999.0,
+                "nearestLat": 47.645875,
+                "nearestLon": -122.142713
+            }
+        ],
+        "expiredGeofenceGeometryId": [],
+        "invalidPeriodGeofenceGeometryId": []
+    }
+    ```
+
+    * `nearestLat` اور `nearestLon` جیو فینس کے کنارے پر ایک پوائنٹ کے latitude اور longitude ہیں جو جانچے جانے والے مقام کے قریب ترین ہیں۔
+
+    * `distance` جانچے جانے والے مقام سے جیو فینس کے کنارے کے قریب ترین پوائنٹ تک کا فاصلہ ہے۔ منفی نمبر جیو فینس کے اندر، مثبت باہر۔ یہ ویلیو 50 (ڈیفالٹ سرچ بفر) سے کم ہوگی، یا 999۔
+
+1. جیو فینس کے اندر اور باہر کے مقامات کے ساتھ اس عمل کو کئی بار دہرائیں۔
+
+## سرور لیس کوڈ سے جیو فینس کا استعمال کریں
+
+آپ اب اپنے Functions ایپ میں ایک نیا ٹرگر شامل کر سکتے ہیں تاکہ IoT Hub GPS ایونٹ ڈیٹا کو جیو فینس کے خلاف جانچ سکیں۔
+
+### کنزیومر گروپس
+
+جیسا کہ آپ نے پچھلے اسباق میں یاد کیا ہوگا، IoT Hub آپ کو ان ایونٹس کو دوبارہ چلانے کی اجازت دے گا جو ہب نے وصول کیے ہیں لیکن پروسیس نہیں کیے گئے۔ لیکن اگر متعدد ٹرگرز کنیکٹ ہو جائیں تو کیا ہوگا؟ یہ کیسے جان سکے گا کہ کس نے کون سے ایونٹس پروسیس کیے ہیں؟
+
+جواب یہ ہے کہ یہ نہیں جان سکتا! اس کے بجائے آپ ایونٹس کو پڑھنے کے لیے متعدد الگ الگ کنیکشنز ڈیفائن کر سکتے ہیں، اور ہر ایک ان ریڈ میسجز کے دوبارہ چلانے کا انتظام کر سکتا ہے۔ انہیں *کنزیومر گروپس* کہا جاتا ہے۔ جب آپ اینڈ پوائنٹ سے کنیکٹ کرتے ہیں، تو آپ یہ اسپیسفائی کر سکتے ہیں کہ آپ کس کنزیومر گروپ سے کنیکٹ کرنا چاہتے ہیں۔ آپ کی ایپلیکیشن کے ہر کمپوننٹ ایک مختلف کنزیومر گروپ سے کنیکٹ کرے گا۔
+
+![ایک IoT Hub جس میں 3 کنزیومر گروپس ایک ہی میسجز کو 3 مختلف فنکشنز ایپس میں تقسیم کر رہے ہیں](../../../../../translated_images/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.ur.png)
+
+نظریہ میں، ہر کنزیومر گروپ سے 5 ایپلیکیشنز تک کنیکٹ ہو سکتی ہیں، اور وہ سب میسجز وصول کریں گی جب وہ آئیں گے۔ بہترین عمل یہ ہے کہ ہر کنزیومر گروپ تک صرف ایک ایپلیکیشن کو رسائی دی جائے تاکہ ڈپلیکیٹ میسجز پروسیسنگ سے بچا جا سکے، اور یہ یقینی بنایا جا سکے کہ جب دوبارہ شروع کیا جائے تو تمام قطار میں موجود میسجز درست طریقے سے پروسیس ہوں۔ مثال کے طور پر، اگر آپ نے اپنی Functions ایپ کو لوکل طور پر لانچ کیا اور اسے کلاؤڈ میں بھی چلایا، تو وہ دونوں میسجز پروسیس کریں گے، جس سے اسٹوریج اکاؤنٹ میں ڈپلیکیٹ blobs محفوظ ہوں گے۔
+
+اگر آپ IoT Hub ٹرگر کے لیے `function.json` فائل کا جائزہ لیں جو آپ نے ایک پہلے سبق میں بنایا تھا، تو آپ ایونٹ ہب ٹرگر بائنڈنگ سیکشن میں کنزیومر گروپ دیکھیں گے:
+
+```json
+"consumerGroup": "$Default"
+```
+
+جب آپ IoT Hub بناتے ہیں، تو آپ کو ڈیفالٹ `$Default` کنزیومر گروپ پہلے سے بنایا ہوا ملتا ہے۔ اگر آپ ایک اضافی ٹرگر شامل کرنا چاہتے ہیں، تو آپ اسے ایک نئے کنزیومر گروپ کا استعمال کرتے ہوئے شامل کر سکتے ہیں۔
+
+> 💁 اس سبق میں، آپ جیو فینس کو چیک کرنے کے لیے ایک مختلف فنکشن استعمال کریں گے بجائے اس کے جو GPS ڈیٹا کو اسٹور کرنے کے لیے استعمال ہوتا ہے۔ یہ کنزیومر گروپس کا استعمال دکھانے اور کوڈ کو الگ کرنے کے لیے ہے تاکہ اسے پڑھنا اور سمجھنا آسان ہو۔ پروڈکشن ایپلیکیشن میں آپ اسے کئی طریقوں سے آرکیٹیکٹ کر سکتے ہیں - دونوں کو ایک فنکشن پر رکھنا، اسٹوریج اکاؤنٹ پر ٹرگر کا استعمال کرتے ہوئے جیو فینس کو چیک کرنے کے لیے فنکشن چلانا، یا متعدد فنکشنز کا استعمال۔ کوئی 'صحیح طریقہ' نہیں ہے، یہ آپ کی ایپلیکیشن اور آپ کی ضروریات پر منحصر ہے۔
+
+### کام - ایک نیا کنزیومر گروپ بنائیں
+
+1. اپنے IoT Hub کے لیے `geofence` نامی ایک نیا کنزیومر گروپ بنانے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az iot hub consumer-group create --name geofence \
+                                     --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+1. اگر آپ IoT Hub کے تمام کنزیومر گروپس دیکھنا چاہتے ہیں، تو درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az iot hub consumer-group list --output table \
+                                   --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔ یہ تمام کنزیومر گروپس کی فہرست دے گا۔
+
+    ```output
+    Name      ResourceGroup
+    --------  ---------------
+    $Default  gps-sensor
+    geofence  gps-sensor
+    ```
+
+> 💁 جب آپ نے ایک پہلے سبق میں IoT Hub ایونٹ مانیٹر چلایا تھا، تو یہ `$Default` کنزیومر گروپ سے کنیکٹ ہوا تھا۔ یہی وجہ تھی کہ آپ ایونٹ مانیٹر اور ایونٹ ٹرگر کو نہیں چلا سکتے تھے۔ اگر آپ دونوں کو چلانا چاہتے ہیں، تو آپ اپنی تمام Functions ایپس کے لیے دوسرے کنزیومر گروپس استعمال کر سکتے ہیں، اور `$Default` کو ایونٹ مانیٹر کے لیے رکھ سکتے ہیں۔
+
+### کام - ایک نیا IoT Hub ٹرگر بنائیں
+
+1. اپنے `gps-trigger` فنکشن ایپ میں ایک نیا IoT Hub ایونٹ ٹرگر شامل کریں جو آپ نے ایک پہلے سبق میں بنایا تھا۔ اس فنکشن کو `geofence-trigger` کہیں۔
+
+    > ⚠️ آپ [پروجیکٹ 2، سبق 5 سے IoT Hub ایونٹ ٹرگر بنانے کی ہدایات کا حوالہ دے سکتے ہیں اگر ضرورت ہو](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#create-an-iot-hub-event-trigger)۔
+
+1. `function.json` فائل میں IoT Hub کنیکشن اسٹرنگ کو کنفیگر کریں۔ `local.settings.json` تمام ٹرگرز کے درمیان شیئر کی جاتی ہے جو فنکشن ایپ میں ہیں۔
+
+1. `function.json` فائل میں `consumerGroup` کی ویلیو کو نئے `geofence` کنزیومر گروپ کا حوالہ دینے کے لیے اپ ڈیٹ کریں:
+
+    ```json
+    "consumerGroup": "geofence"
+    ```
+
+1. آپ کو اس ٹرگر میں اپنے Azure Maps اکاؤنٹ کے سبسکرپشن key کا استعمال کرنا ہوگا، لہذا `local.settings.json` فائل میں `MAPS_KEY` کے نام سے ایک نیا اندراج شامل کریں۔
+
+1. Functions ایپ کو چلائیں تاکہ یہ یقینی بنایا جا سکے کہ یہ کنیکٹ ہو رہی ہے اور میسجز پروسیس کر رہی ہے۔ پہلے سبق سے `iot-hub-trigger` بھی چلائے گا اور blobs کو اسٹوریج میں اپلوڈ کرے گا۔
+
+    > اسٹوریج میں ڈپلیکیٹ GPS ریڈنگز سے بچنے کے لیے، آپ کلاؤڈ میں چل رہی Functions ایپ کو روک سکتے ہیں۔ ایسا کرنے کے لیے درج ذیل کمانڈ استعمال کریں:
+    >
+    > ```sh
+    > az functionapp stop --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > `<functions_app_name>` کو اپنے Functions ایپ کے نام سے تبدیل کریں۔
+    >
+    > آپ اسے بعد میں درج ذیل کمانڈ کے ساتھ دوبارہ شروع کر سکتے ہیں:
+    >
+    > ```sh
+    > az functionapp start --resource-group gps-sensor \
+    >                     --name <functions_app_name>
+    > ```
+    >
+    > `<functions_app_name>` کو اپنے Functions ایپ کے نام سے تبدیل کریں۔
+
+### کام - ٹرگر سے جیو فینس کی جانچ کریں
+
+اس سبق کے شروع میں آپ نے curl کا استعمال کرتے ہوئے جیو فینس کو کوئری کیا تاکہ یہ دیکھا جا سکے کہ ایک پوائنٹ اندر یا باہر واقع ہے۔ آپ اپنے ٹرگر کے اندر سے اسی طرح کی ویب درخواست کر سکتے ہیں۔
+
+1. جیو فینس کو کوئری کرنے کے لیے، آپ کو اس کا UDID چاہیے۔ `local.settings.json` فائل میں `GEOFENCE_UDID` کے نام سے ایک نیا اندراج شامل کریں۔
+
+1. نئے `geofence-trigger` ٹرگر سے `__init__.py` فائل کھولیں۔
+
+1. فائل کے اوپر درج ذیل امپورٹ شامل کریں:
+
+    ```python
+    import json
+    import os
+    import requests
+    ```
+
+    `requests` پیکیج آپ کو ویب API کالز کرنے کی اجازت دیتا ہے۔ Azure Maps کا Python SDK نہیں ہے، آپ کو Python کوڈ سے اسے استعمال کرنے کے لیے ویب API کالز کرنی ہوں گی۔
+
+1. `main` میتھڈ کے آغاز میں درج ذیل 2 لائنز شامل کریں تاکہ Maps سبسکرپشن key حاصل کی جا سکے:
+
+    ```python
+    maps_key = os.environ['MAPS_KEY']
+    geofence_udid = os.environ['GEOFENCE_UDID']    
+    ```
+
+1. `for event in events` لوپ کے اندر، درج ذیل شامل کریں تاکہ ہر ایونٹ سے latitude اور longitude حاصل کیا جا سکے:
+
+    ```python
+    event_body = json.loads(event.get_body().decode('utf-8'))
+    lat = event_body['gps']['lat']
+    lon = event_body['gps']['lon']
+    ```
+
+    یہ کوڈ ایونٹ باڈی سے JSON کو ایک ڈکشنری میں تبدیل کرتا ہے، پھر `gps` فیلڈ سے `lat` اور `lon` نکالتا ہے۔
+
+1. `requests` کا استعمال کرتے وقت، curl کے ساتھ ایک لمبا URL بنانے کے بجائے، آپ صرف URL حصہ استعمال کر سکتے ہیں اور پیرامیٹرز کو ایک ڈکشنری کے طور پر پاس کر سکتے ہیں۔ درج ذیل کوڈ شامل کریں تاکہ کال کرنے کے لیے URL کو ڈیفائن کریں اور پیرامیٹرز کو کنفیگر کریں:
+
+    ```python
+    url = 'https://atlas.microsoft.com/spatial/geofence/json'
+
+    params = {
+        'api-version': 1.0,
+        'deviceId': 'gps-sensor',
+        'subscription-key': maps_key,
+        'udid' : geofence_udid,
+        'lat' : lat,
+        'lon' : lon
+    }
+    ```
+
+    `params` ڈکشنری میں آئٹمز وہ key ویلیو پیرز سے میل کھائیں گے جو آپ نے ویب API کو curl کے ذریعے کال کرتے وقت استعمال کیے تھے۔
+
+1. ویب API کو کال کرنے کے لیے درج ذیل لائنز کوڈ شامل کریں:
+
+    ```python
+    response = requests.get(url, params=params)
+    response_body = json.loads(response.text)
+    ```
+
+    یہ URL کو پیرامیٹرز کے ساتھ کال کرتا ہے، اور ایک رسپانس آبجیکٹ واپس حاصل کرتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    distance = response_body['geometries'][0]['distance']
+
+    if distance == 999:
+        logging.info('Point is outside geofence')
+    elif distance > 0:
+        logging.info(f'Point is just outside geofence by a distance of {distance}m')
+    elif distance == -999:
+        logging.info(f'Point is inside geofence')
+    else:
+        logging.info(f'Point is just inside geofence by a distance of {distance}m')
+    ```
+
+    یہ کوڈ ایک geometry فرض کرتا ہے، اور اس سنگل geometry سے distance نکالتا ہے۔ پھر یہ distance کی بنیاد پر مختلف میسجز لاگ کرتا ہے۔
+
+1. اس کوڈ کو چلائیں۔ آپ لاگنگ آؤٹ پٹ میں دیکھیں گے کہ GPS کوآرڈینیٹس جیو فینس کے اندر ہیں یا باہر، 50m کے اندر ہونے پر distance کے ساتھ۔ اس کوڈ کو مختلف جیو فینسز کے ساتھ آزمائیں جو آپ کے GPS سینسر کے مقام پر مبنی ہوں، سینسر کو منتقل کرنے کی کوشش کریں (مثال کے طور پر موبائل فون سے WiFi کے ذریعے جڑا ہوا، یا ورچوئل IoT ڈیوائس پر مختلف کوآرڈینیٹس کے ساتھ) تاکہ یہ تبدیلی دیکھ سکیں۔
+
+1. جب آپ تیار ہوں، اس کوڈ کو کلاؤڈ میں اپنی Functions ایپ پر ڈپلائی کریں۔ نئی ایپلیکیشن سیٹنگز کو ڈپلائی کرنا نہ بھولیں۔
+
+    > ⚠️ آپ [پروجیکٹ 2، سبق 5 سے ایپلیکیشن سیٹنگز اپلوڈ کرنے کی ہدایات کا حوالہ دے سکتے ہیں اگر ضرورت ہو](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---upload-your-application-settings)۔
+
+    > ⚠️ آپ [پروجیکٹ 2، سبق 5 سے اپنی Functions ایپ کو کلاؤڈ پر ڈپلائی کرنے کی ہدایات کا حوالہ دے سکتے ہیں اگر ضرورت ہو](../../../2-farm/lessons/5-migrate-application-to-the-cloud/README.md#task---deploy-your-functions-app-to-the-cloud)۔
+
+> 💁 آپ اس کوڈ کو [code/functions](../../../../../3-transport/lessons/4-geofences/code/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+---
+
+## 🚀 چیلنج
+
+اس سبق میں آپ نے ایک GeoJSON فائل کے ساتھ ایک پولیگون کا استعمال کرتے ہوئے ایک جیو فینس شامل کیا۔ آپ ایک ہی وقت میں متعدد پولیگونز اپلوڈ کر سکتے ہیں، جب تک کہ ان کے `geometryId` ویلیوز `properties` سیکشن میں مختلف ہوں۔
+
+ایک GeoJSON فائل کے ساتھ متعدد پولیگونز اپلوڈ کرنے کی کوشش کریں اور اپنے کوڈ کو ایڈجسٹ کریں تاکہ یہ معلوم ہو سکے کہ GPS کوآرڈینیٹس کس پولیگون کے قریب ترین ہیں یا اس میں ہیں۔
+
+## پوسٹ-لیکچر کوئز
+
+[پوسٹ-لیکچر کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/28)
+
+## جائزہ اور خود مطالعہ
+
+* جیو فینسز اور ان کے کچھ استعمال کے بارے میں مزید پڑھیں [ویکیپیڈیا کے جیو فینسنگ صفحے پر](https://en.wikipedia.org/wiki/Geo-fence)۔
+* Azure Maps جیو فینسنگ API کے بارے میں مزید پڑھیں [Microsoft Azure Maps Spatial - Get Geofence دستاویزات پر](https://docs.microsoft.com/rest/api/maps/spatial/getgeofence?WT.mc_id=academic-17441-jabenn)۔
+* کنزیومر گروپس کے بارے میں مزید پڑھیں [Azure Event Hubs میں فیچرز اور ٹرمینالوجی - ایونٹ کنزیومرز دستاویزات پر](https://docs.microsoft.com/azure/event-hubs/event-hubs-features?WT.mc_id=academic-17441-jabenn#event-consumers)۔
+
+## اسائنمنٹ
+
+[Twilio کا استعمال کرتے ہوئے نوٹیفیکیشنز بھیجیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/3-transport/lessons/4-geofences/assignment.md b/translations/ur/3-transport/lessons/4-geofences/assignment.md
new file mode 100644
index 00000000..f7ab483c
--- /dev/null
+++ b/translations/ur/3-transport/lessons/4-geofences/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5cb65a6ec4387ed177e145347e8e308e",
+  "translation_date": "2025-08-27T00:41:36+00:00",
+  "source_file": "3-transport/lessons/4-geofences/assignment.md",
+  "language_code": "ur"
+}
+-->
+# Twilio کا استعمال کرتے ہوئے نوٹیفکیشن بھیجیں
+
+## ہدایات
+
+اب تک آپ کے کوڈ میں صرف جیو فینس تک فاصلے کو لاگ کیا گیا ہے۔ اس اسائنمنٹ میں آپ کو ایک نوٹیفکیشن شامل کرنا ہوگا، چاہے وہ ایک ٹیکسٹ میسج ہو یا ای میل، جب GPS کوآرڈینیٹس جیو فینس کے اندر ہوں۔
+
+Azure Functions میں بائنڈنگ کے لیے کئی اختیارات موجود ہیں، جن میں تھرڈ پارٹی سروسز جیسے Twilio، ایک کمیونیکیشن پلیٹ فارم، شامل ہیں۔
+
+* [Twilio.com](https://www.twilio.com) پر ایک مفت اکاؤنٹ بنائیں۔
+* Azure Functions کو Twilio SMS کے ساتھ بائنڈ کرنے کے بارے میں [Microsoft docs Twilio binding for Azure Functions page](https://docs.microsoft.com/azure/azure-functions/functions-bindings-twilio?WT.mc_id=academic-17441-jabenn&tabs=python) پر موجود دستاویزات پڑھیں۔
+* Twilio SendGrid کے ذریعے ای میل بھیجنے کے لیے Azure Functions کو بائنڈ کرنے کے بارے میں [Microsoft docs Azure Functions SendGrid bindings page](https://docs.microsoft.com/azure/azure-functions/functions-bindings-sendgrid?WT.mc_id=academic-17441-jabenn&tabs=python) پر موجود دستاویزات پڑھیں۔
+* اپنے Functions ایپ میں بائنڈنگ شامل کریں تاکہ GPS کوآرڈینیٹس جیو فینس کے اندر یا باہر ہونے پر نوٹیفائی کیا جا سکے - دونوں پر نہیں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------- | --------------- |
+| فنکشنز بائنڈنگ کو ترتیب دینا اور ای میل یا SMS وصول کرنا | فنکشنز بائنڈنگ کو ترتیب دینے اور جیو فینس کے اندر یا باہر ہونے پر ای میل یا SMS وصول کرنے میں کامیاب | بائنڈنگ کو ترتیب دینے میں کامیاب لیکن ای میل یا SMS بھیجنے میں ناکام، یا صرف اس وقت بھیجنے میں کامیاب جب کوآرڈینیٹس دونوں جیو فینس کے اندر اور باہر ہوں | بائنڈنگ کو ترتیب دینے اور ای میل یا SMS بھیجنے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/README.md b/translations/ur/4-manufacturing/README.md
new file mode 100644
index 00000000..a20c8286
--- /dev/null
+++ b/translations/ur/4-manufacturing/README.md
@@ -0,0 +1,38 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3764e089adf2d5801272bc0895f8498b",
+  "translation_date": "2025-08-26T21:40:16+00:00",
+  "source_file": "4-manufacturing/README.md",
+  "language_code": "ur"
+}
+-->
+# مینوفیکچرنگ اور پروسیسنگ - کھانے کی پروسیسنگ کو بہتر بنانے کے لیے IoT کا استعمال
+
+جب کھانے کی اشیاء ایک مرکزی مرکز یا پروسیسنگ پلانٹ تک پہنچتی ہیں، تو یہ ہمیشہ سپر مارکیٹوں کو بھیجنے کے لیے تیار نہیں ہوتیں۔ اکثر اوقات، کھانے کی اشیاء کئی پروسیسنگ مراحل سے گزرتی ہیں، جیسے کہ معیار کے مطابق چھانٹنا۔ یہ ایک ایسا عمل تھا جو پہلے دستی طور پر کیا جاتا تھا - یہ کھیت میں شروع ہوتا تھا جب مزدور صرف پکے ہوئے پھل چنتے تھے، پھر فیکٹری میں پھل ایک کنویئر بیلٹ پر چلتے تھے اور ملازمین خراب یا سڑے ہوئے پھلوں کو ہاتھ سے ہٹاتے تھے۔ میں نے خود اسکول کے دوران گرمیوں کی نوکری کے طور پر اسٹرابیری چننے اور چھانٹنے کا کام کیا ہے، اور میں گواہی دے سکتا ہوں کہ یہ کوئی مزے کا کام نہیں ہے۔
+
+زیادہ جدید نظام IoT پر انحصار کرتے ہیں چھانٹنے کے لیے۔ ابتدائی آلات میں سے کچھ، جیسے کہ [Weco](https://wecotek.com) کے سوارٹرز، آپٹیکل سینسرز کا استعمال کرتے ہیں تاکہ پیداوار کے معیار کا پتہ لگایا جا سکے، مثلاً سبز ٹماٹروں کو مسترد کرنا۔ یہ آلات کھیت میں ہی ہارویسٹرز میں یا پروسیسنگ پلانٹس میں نصب کیے جا سکتے ہیں۔
+
+جیسے جیسے مصنوعی ذہانت (AI) اور مشین لرننگ (ML) میں ترقی ہو رہی ہے، یہ مشینیں مزید جدید ہو سکتی ہیں، ML ماڈلز کا استعمال کرتے ہوئے جو پھل اور غیر متعلقہ اشیاء جیسے پتھر، مٹی یا کیڑے مکوڑوں کے درمیان فرق کرنے کے لیے تربیت یافتہ ہوں۔ یہ ماڈلز پھل کے معیار کا پتہ لگانے کے لیے بھی تربیت یافتہ ہو سکتے ہیں، نہ صرف خراب پھل بلکہ بیماری یا دیگر فصل کے مسائل کی ابتدائی تشخیص کے لیے بھی۔
+
+> 🎓 اصطلاح *ML ماڈل* اس آؤٹ پٹ کو کہتے ہیں جو مشین لرننگ سافٹ ویئر کو ڈیٹا کے ایک سیٹ پر تربیت دینے کے بعد حاصل ہوتا ہے۔ مثال کے طور پر، آپ ایک ML ماڈل کو تربیت دے سکتے ہیں تاکہ پکے اور کچے ٹماٹروں کے درمیان فرق کر سکے، اور پھر نئے امیجز پر ماڈل کا استعمال کر کے یہ دیکھ سکتے ہیں کہ ٹماٹر پکے ہیں یا نہیں۔
+
+ان 4 اسباق میں آپ سیکھیں گے کہ امیج پر مبنی AI ماڈلز کو پھل کے معیار کا پتہ لگانے کے لیے کیسے تربیت دی جائے، انہیں IoT ڈیوائس سے کیسے استعمال کیا جائے، اور انہیں ایج پر کیسے چلایا جائے - یعنی IoT ڈیوائس پر، نہ کہ کلاؤڈ میں۔
+
+> 💁 یہ اسباق کچھ کلاؤڈ وسائل استعمال کریں گے۔ اگر آپ اس پروجیکٹ کے تمام اسباق مکمل نہیں کرتے ہیں، تو یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../clean-up.md)۔
+
+## موضوعات
+
+1. [پھل کے معیار کا پتہ لگانے والا تربیت دیں](./lessons/1-train-fruit-detector/README.md)
+1. [IoT ڈیوائس سے پھل کے معیار کی جانچ کریں](./lessons/2-check-fruit-from-device/README.md)
+1. [اپنے پھل کے پتہ لگانے والے کو ایج پر چلائیں](./lessons/3-run-fruit-detector-edge/README.md)
+1. [سینسر سے پھل کے معیار کا پتہ لگانے کو متحرک کریں](./lessons/4-trigger-fruit-detector/README.md)
+
+## کریڈٹس
+
+تمام اسباق کو ♥️ کے ساتھ [Jen Fox](https://github.com/jenfoxbot) اور [Jim Bennett](https://GitHub.com/JimBobBennett) نے لکھا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md
new file mode 100644
index 00000000..5e82b180
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md
@@ -0,0 +1,244 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f5e63c916d2dd97d58be12aaf76bd9f1",
+  "translation_date": "2025-08-26T21:42:42+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/README.md",
+  "language_code": "ur"
+}
+-->
+# پھلوں کے معیار کا پتہ لگانے والا تربیت کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی تخلیق کردہ۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو Azure Custom Vision سروس کا جائزہ پیش کرتی ہے، جو اس سبق میں شامل کی جائے گی۔
+
+[![Custom Vision – مشین لرننگ کو آسان بنائیں | The Xamarin Show](https://img.youtube.com/vi/TETcDLJlWR4/0.jpg)](https://www.youtube.com/watch?v=TETcDLJlWR4)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/29)
+
+## تعارف
+
+مصنوعی ذہانت (AI) اور مشین لرننگ (ML) میں حالیہ ترقی نے آج کے ڈویلپرز کو مختلف صلاحیتیں فراہم کی ہیں۔ ML ماڈلز کو تصاویر میں مختلف اشیاء کو پہچاننے کے لیے تربیت دی جا سکتی ہے، جیسے کہ کچے پھل، اور یہ IoT ڈیوائسز میں استعمال ہو سکتے ہیں تاکہ فصل کی کٹائی یا فیکٹریوں اور گوداموں میں پروسیسنگ کے دوران پیداوار کو ترتیب دینے میں مدد مل سکے۔
+
+اس سبق میں آپ تصویر کی درجہ بندی کے بارے میں سیکھیں گے - ML ماڈلز کا استعمال کرتے ہوئے مختلف اشیاء کی تصاویر کے درمیان فرق کرنا۔ آپ سیکھیں گے کہ ایک تصویر کے درجہ بندی کرنے والے ماڈل کو تربیت دے کر اچھے اور خراب پھلوں کے درمیان فرق کیسے کیا جائے، چاہے وہ کچے ہوں، زیادہ پکے ہوں، زخمی ہوں، یا سڑے ہوئے ہوں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [AI اور ML کا استعمال کرتے ہوئے خوراک کو ترتیب دینا](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [مشین لرننگ کے ذریعے تصویر کی درجہ بندی](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [تصویر کے درجہ بندی کرنے والے ماڈل کو تربیت دینا](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [اپنے تصویر کے درجہ بندی کرنے والے ماڈل کو جانچنا](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+* [اپنے تصویر کے درجہ بندی کرنے والے ماڈل کو دوبارہ تربیت دینا](../../../../../4-manufacturing/lessons/1-train-fruit-detector)
+
+## AI اور ML کا استعمال کرتے ہوئے خوراک کو ترتیب دینا
+
+دنیا کی آبادی کو کھلانا ایک مشکل کام ہے، خاص طور پر ایسی قیمت پر جو سب کے لیے قابل برداشت ہو۔ سب سے بڑے اخراجات میں سے ایک مزدوری ہے، اس لیے کسان مزدوری کے اخراجات کو کم کرنے کے لیے خودکار نظام اور IoT جیسے آلات کی طرف رجوع کر رہے ہیں۔ ہاتھ سے فصل کاٹنا محنت طلب (اور اکثر کمر توڑنے والا کام) ہے، اور یہ خاص طور پر امیر ممالک میں مشینری سے تبدیل ہو رہا ہے۔ مشینری کے استعمال سے فصل کاٹنے کی لاگت میں کمی آتی ہے، لیکن اس کے ساتھ ایک مسئلہ بھی ہے - فصل کاٹتے وقت خوراک کو ترتیب دینے کی صلاحیت۔
+
+تمام فصلیں یکساں طور پر نہیں پک پاتیں۔ مثال کے طور پر، ٹماٹر کی بیل پر کچھ سبز پھل ہو سکتے ہیں جب کہ زیادہ تر فصل کٹائی کے لیے تیار ہو۔ اگرچہ ان سبز پھلوں کو وقت سے پہلے کاٹنا ضیاع ہے، لیکن کسان کے لیے مشینری کا استعمال کرتے ہوئے سب کچھ کاٹنا اور بعد میں کچے پھلوں کو ضائع کرنا سستا اور آسان ہے۔
+
+✅ اپنے آس پاس کے کھیتوں، باغات، یا دکانوں میں مختلف پھلوں یا سبزیوں کو دیکھیں۔ کیا وہ سب ایک ہی پکاؤ کے ہیں، یا آپ کو ان میں فرق نظر آتا ہے؟
+
+خودکار کٹائی کے بڑھتے ہوئے رجحان نے پیداوار کی ترتیب کو کھیت سے فیکٹری میں منتقل کر دیا۔ خوراک لمبی کنویئر بیلٹس پر سفر کرتی، جہاں لوگوں کی ٹیمیں پیداوار کو چن کر غیر معیاری اشیاء کو ہٹا دیتیں۔ مشینری کی بدولت کٹائی سستی ہو گئی، لیکن خوراک کو دستی طور پر ترتیب دینے کی لاگت اب بھی موجود تھی۔
+
+![اگر ایک سرخ ٹماٹر کا پتہ چلتا ہے تو وہ بغیر کسی رکاوٹ کے اپنی راہ پر چلتا رہتا ہے۔ اگر ایک سبز ٹماٹر کا پتہ چلتا ہے تو اسے ایک لیور کے ذریعے فضلہ کے ڈبے میں ڈال دیا جاتا ہے](../../../../../translated_images/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.ur.png)
+
+اگلا ارتقاء مشینوں کا استعمال تھا جو یا تو کٹائی کرنے والی مشین میں شامل تھیں یا پروسیسنگ پلانٹس میں۔ ان مشینوں کی پہلی نسل نے رنگوں کا پتہ لگانے کے لیے آپٹیکل سینسرز کا استعمال کیا، جو لیورز یا ہوا کے جھونکوں کے ذریعے سبز ٹماٹروں کو فضلہ کے ڈبے میں دھکیلتے تھے، جبکہ سرخ ٹماٹر کنویئر بیلٹس کے نیٹ ورک پر چلتے رہتے تھے۔
+
+اس ویڈیو میں، جب ٹماٹر ایک کنویئر بیلٹ سے دوسرے پر گرتے ہیں، سبز ٹماٹروں کا پتہ لگایا جاتا ہے اور انہیں لیورز کے ذریعے ایک ڈبے میں ڈال دیا جاتا ہے۔
+
+✅ فیکٹری یا کھیت میں ان آپٹیکل سینسرز کے درست کام کرنے کے لیے کن حالات کی ضرورت ہوگی؟
+
+ان ترتیب دینے والی مشینوں کا تازہ ترین ارتقاء AI اور ML کا فائدہ اٹھاتا ہے، ایسے ماڈلز کا استعمال کرتے ہوئے جو نہ صرف رنگ کے واضح فرق جیسے سبز ٹماٹروں اور سرخ ٹماٹروں کے درمیان، بلکہ ظاہری شکل کے زیادہ باریک فرق کو بھی پہچان سکتے ہیں جو بیماری یا زخم کی نشاندہی کر سکتے ہیں۔
+
+## مشین لرننگ کے ذریعے تصویر کی درجہ بندی
+
+روایتی پروگرامنگ میں آپ ڈیٹا لیتے ہیں، اس پر ایک الگورتھم لگاتے ہیں، اور نتیجہ حاصل کرتے ہیں۔ مثال کے طور پر، پچھلے پروجیکٹ میں آپ نے GPS کوآرڈینیٹس اور ایک جغرافیائی حد لی، Azure Maps کے فراہم کردہ الگورتھم کو لاگو کیا، اور نتیجہ حاصل کیا کہ آیا پوائنٹ جغرافیائی حد کے اندر ہے یا باہر۔ آپ مزید ڈیٹا داخل کرتے ہیں، آپ کو مزید نتائج ملتے ہیں۔
+
+![روایتی ترقی ان پٹ اور الگورتھم لیتی ہے اور آؤٹ پٹ دیتی ہے۔ مشین لرننگ ان پٹ اور آؤٹ پٹ ڈیٹا کا استعمال کرکے ماڈل کو تربیت دیتی ہے، اور یہ ماڈل نئے ان پٹ ڈیٹا کو لے کر نیا آؤٹ پٹ پیدا کر سکتا ہے](../../../../../translated_images/traditional-vs-ml.5c20c169621fa539ca84a2cd9a49f6ff7410b3a6c6b46c97ff2af3f99db3c66b.ur.png)
+
+مشین لرننگ اس عمل کو پلٹ دیتی ہے - آپ ڈیٹا اور معلوم نتائج سے شروع کرتے ہیں، اور مشین لرننگ الگورتھم ڈیٹا سے سیکھتا ہے۔ آپ پھر اس تربیت یافتہ الگورتھم، جسے *مشین لرننگ ماڈل* یا *ماڈل* کہا جاتا ہے، کو نیا ڈیٹا دیتے ہیں اور نیا نتیجہ حاصل کرتے ہیں۔
+
+> 🎓 مشین لرننگ الگورتھم کے ڈیٹا سے سیکھنے کے عمل کو *تربیت* کہا جاتا ہے۔ ان پٹس اور معلوم نتائج کو *تربیتی ڈیٹا* کہا جاتا ہے۔
+
+مثال کے طور پر، آپ ایک ماڈل کو لاکھوں کچے کیلے کی تصاویر تربیتی ڈیٹا کے طور پر دے سکتے ہیں، اور تربیتی نتیجہ `کچا` مقرر کر سکتے ہیں، اور لاکھوں پکے کیلے کی تصاویر تربیتی ڈیٹا کے طور پر دے سکتے ہیں اور نتیجہ `پکا` مقرر کر سکتے ہیں۔ ML الگورتھم اس ڈیٹا کی بنیاد پر ایک ماڈل بنائے گا۔ آپ پھر اس ماڈل کو ایک نئے کیلے کی تصویر دیتے ہیں، اور یہ پیش گوئی کرے گا کہ نئی تصویر کچا ہے یا پکا۔
+
+> 🎓 ML ماڈلز کے نتائج کو *پیش گوئیاں* کہا جاتا ہے۔
+
+![2 کیلے، ایک پکا ہوا جس کی پیش گوئی 99.7% پکا، 0.3% کچا، اور ایک کچا جس کی پیش گوئی 1.4% پکا، 98.6% کچا](../../../../../translated_images/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.ur.png)
+
+ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات دیتے ہیں۔ مثال کے طور پر، ایک ماڈل کو ایک کیلے کی تصویر دی جا سکتی ہے اور یہ `پکا` 99.7% اور `کچا` 0.3% پیش گوئی کر سکتا ہے۔ آپ کا کوڈ پھر بہترین پیش گوئی کا انتخاب کرے گا اور فیصلہ کرے گا کہ کیلا پکا ہے۔
+
+تصاویر کا پتہ لگانے کے لیے استعمال ہونے والے ML ماڈل کو *تصویر کا درجہ بندی کرنے والا ماڈل* کہا جاتا ہے - اسے لیبل شدہ تصاویر دی جاتی ہیں، اور پھر یہ ان لیبلز کی بنیاد پر نئی تصاویر کو درجہ بندی کرتا ہے۔
+
+> 💁 یہ ایک سادہ وضاحت ہے، اور ماڈلز کو تربیت دینے کے اور بھی کئی طریقے ہیں جو ہمیشہ لیبل شدہ نتائج کی ضرورت نہیں رکھتے، جیسے غیر نگرانی شدہ سیکھنا۔ اگر آپ ML کے بارے میں مزید سیکھنا چاہتے ہیں تو [ML for beginners، مشین لرننگ پر 24 اسباق کا نصاب](https://aka.ms/ML-beginners) دیکھیں۔
+
+## تصویر کے درجہ بندی کرنے والے ماڈل کو تربیت دینا
+
+ایک کامیاب تصویر کے درجہ بندی کرنے والے ماڈل کو تربیت دینے کے لیے آپ کو لاکھوں تصاویر کی ضرورت ہوتی ہے۔ لیکن خوش قسمتی سے، ایک بار جب آپ کے پاس لاکھوں یا اربوں مختلف تصاویر پر تربیت یافتہ ماڈل ہو، تو آپ اسے دوبارہ استعمال کر سکتے ہیں اور ایک چھوٹے سیٹ کی تصاویر کے ساتھ دوبارہ تربیت دے کر بہترین نتائج حاصل کر سکتے ہیں، جسے *ٹرانسفر لرننگ* کہا جاتا ہے۔
+
+> 🎓 ٹرانسفر لرننگ وہ عمل ہے جس میں موجودہ ML ماڈل کی سیکھنے کی صلاحیت کو نئے ڈیٹا کی بنیاد پر ایک نئے ماڈل میں منتقل کیا جاتا ہے۔
+
+ایک بار جب ایک تصویر کے درجہ بندی کرنے والے ماڈل کو مختلف تصاویر کے لیے تربیت دی جاتی ہے، تو اس کے اندرونی حصے اشکال، رنگوں اور نمونوں کو پہچاننے میں ماہر ہو جاتے ہیں۔ ٹرانسفر لرننگ ماڈل کو یہ سکھانے کی اجازت دیتی ہے کہ ان اشکال کو نئے تصاویر میں کیسے پہچانا جائے۔
+
+![ایک بار جب آپ اشکال کو پہچان سکتے ہیں، تو انہیں مختلف ترتیب میں رکھ کر ایک کشتی یا بلی بنائی جا سکتی ہے](../../../../../translated_images/shapes-to-images.1a309f0ea88dd66fafa4da6d38e88806ce174cc6a88081efb32852230ed55de8.ur.png)
+
+آپ اسے بچوں کی شکلوں کی کتابوں کی طرح سمجھ سکتے ہیں، جہاں ایک بار جب آپ ایک نیم دائرہ، ایک مستطیل اور ایک مثلث کو پہچان لیتے ہیں، تو آپ ان اشکال کی ترتیب کے مطابق ایک کشتی یا بلی کو پہچان سکتے ہیں۔ تصویر کے درجہ بندی کرنے والا ماڈل اشکال کو پہچان سکتا ہے، اور ٹرانسفر لرننگ اسے سکھاتی ہے کہ کون سی ترتیب ایک کشتی یا بلی بناتی ہے - یا ایک پکا ہوا کیلا۔
+
+ایسے کئی ٹولز موجود ہیں جو آپ کو یہ کرنے میں مدد دے سکتے ہیں، بشمول کلاؤڈ بیسڈ سروسز جو آپ کو اپنے ماڈل کو تربیت دینے اور پھر اسے ویب APIs کے ذریعے استعمال کرنے میں مدد دیتی ہیں۔
+
+> 💁 ان ماڈلز کو تربیت دینے کے لیے بہت زیادہ کمپیوٹر پاور کی ضرورت ہوتی ہے، عام طور پر گرافکس پروسیسنگ یونٹس (GPUs) کے ذریعے۔ وہی خاص ہارڈویئر جو آپ کے Xbox پر گیمز کو شاندار بناتا ہے، مشین لرننگ ماڈلز کو تربیت دینے کے لیے بھی استعمال کیا جا سکتا ہے۔ کلاؤڈ کا استعمال کرتے ہوئے آپ طاقتور کمپیوٹرز کے GPUs پر وقت کرائے پر لے سکتے ہیں تاکہ ان ماڈلز کو تربیت دی جا سکے، اور صرف اس وقت کے لیے کمپیوٹنگ پاور تک رسائی حاصل کر سکیں جب آپ کو اس کی ضرورت ہو۔
+
+## کسٹم وژن
+
+کسٹم وژن ایک کلاؤڈ بیسڈ ٹول ہے جو تصویر کے درجہ بندی کرنے والے ماڈلز کو تربیت دینے کے لیے استعمال ہوتا ہے۔ یہ آپ کو صرف چند تصاویر کے ساتھ ایک ماڈل کو تربیت دینے کی اجازت دیتا ہے۔ آپ تصاویر کو ویب پورٹل، ویب API یا SDK کے ذریعے اپ لوڈ کر سکتے ہیں، ہر تصویر کو ایک *ٹیگ* دے کر جو اس تصویر کی درجہ بندی کی نمائندگی کرتا ہے۔ آپ پھر ماڈل کو تربیت دیتے ہیں، اور اس کی کارکردگی کو جانچتے ہیں۔ جب آپ ماڈل سے مطمئن ہو جائیں، تو آپ اس کے ورژنز کو شائع کر سکتے ہیں جو ویب API یا SDK کے ذریعے قابل رسائی ہوں۔
+
+![Azure Custom Vision کا لوگو](../../../../../translated_images/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.ur.png)
+
+> 💁 آپ کم از کم 5 تصاویر فی درجہ بندی کے ساتھ ایک کسٹم وژن ماڈل کو تربیت دے سکتے ہیں، لیکن زیادہ بہتر ہے۔ کم از کم 30 تصاویر کے ساتھ آپ کو بہتر نتائج مل سکتے ہیں۔
+
+کسٹم وژن مائیکروسافٹ کے AI ٹولز کے ایک سلسلے کا حصہ ہے جسے Cognitive Services کہا جاتا ہے۔ یہ AI ٹولز ہیں جنہیں یا تو بغیر کسی تربیت کے یا تھوڑی سی تربیت کے ساتھ استعمال کیا جا سکتا ہے۔ ان میں تقریر کی پہچان اور ترجمہ، زبان کی سمجھ اور تصویر کا تجزیہ شامل ہیں۔ یہ Azure میں ایک مفت ٹائر کے ساتھ دستیاب ہیں۔
+
+> 💁 مفت ٹائر ایک ماڈل بنانے، تربیت دینے، اور پھر اسے ترقیاتی کام کے لیے استعمال کرنے کے لیے کافی ہے۔ آپ مفت ٹائر کی حدود کے بارے میں [Microsoft Docs پر Custom Vision Limits and Quotas صفحہ](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/limits-and-quotas?WT.mc_id=academic-17441-jabenn) پر پڑھ سکتے ہیں۔
+
+### کام - ایک Cognitive Services ریسورس بنائیں
+
+کسٹم وژن استعمال کرنے کے لیے، آپ کو Azure CLI کا استعمال کرتے ہوئے Azure میں دو Cognitive Services ریسورسز بنانی ہوں گی، ایک کسٹم وژن تربیت کے لیے اور ایک کسٹم وژن پیش گوئی کے لیے۔
+
+1. اس پروجیکٹ کے لیے `fruit-quality-detector` نامی ایک ریسورس گروپ بنائیں۔
+
+1. درج ذیل کمانڈ کا استعمال کرتے ہوئے ایک مفت کسٹم وژن تربیتی ریسورس بنائیں:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-training \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Training \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے ریسورس گروپ بناتے وقت استعمال کیا تھا۔
+
+    یہ آپ کے ریسورس گروپ میں ایک کسٹم وژن تربیتی ریسورس بنائے گا۔ اس کا نام `fruit-quality-detector-training` ہوگا اور یہ `F0` SKU استعمال کرے گا، جو مفت ٹائر ہے۔ `--yes` آپشن کا مطلب ہے کہ آپ Cognitive Services کی شرائط و ضوابط سے اتفاق کرتے ہیں۔
+
+> 💁 اگر آپ کے پاس پہلے سے ہی Cognitive Services کے کسی بھی مفت اکاؤنٹ کا استعمال ہے تو `S0` SKU استعمال کریں۔
+
+1. درج ذیل کمانڈ کا استعمال کرتے ہوئے ایک مفت کسٹم وژن پیش گوئی ریسورس بنائیں:
+
+    ```sh
+    az cognitiveservices account create --name fruit-quality-detector-prediction \
+                                        --resource-group fruit-quality-detector \
+                                        --kind CustomVision.Prediction \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے ریسورس گروپ بناتے وقت استعمال کیا تھا۔
+
+    یہ آپ کے ریسورس گروپ میں ایک کسٹم وژن پیش گوئی ریسورس بنائے گا۔ اس کا نام `fruit-quality-detector-prediction` ہوگا اور یہ `F0` SKU استعمال کرے گا، جو مفت ٹائر ہے۔ `--yes` آپشن کا مطلب ہے کہ آپ Cognitive Services کی شرائط و ضوابط سے اتفاق کرتے ہیں۔
+
+### کام - ایک تصویر کے درجہ بندی کرنے والے پروجیکٹ بنائیں
+
+1. [CustomVision.ai](https://customvision.ai) پر کسٹم وژن پورٹل لانچ کریں، اور اپنے Azure اکاؤنٹ کے لیے استعمال کیے گئے Microsoft اکاؤنٹ کے ساتھ سائن ان کریں۔
+
+1. [Microsoft Docs پر Build a Classifier Quickstart کے Create a New Project سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#create-a-new-project) کی پیروی کریں تاکہ ایک نیا کسٹم وژن پروجیکٹ بنایا جا سکے۔ UI تبدیل ہو سکتا ہے، اور یہ دستاویزات ہمیشہ تازہ ترین حوالہ ہیں۔
+
+    اپنے پروجیکٹ کا نام `fruit-quality-detector` رکھیں۔
+
+    جب آپ اپنا پروجیکٹ بنائیں، تو اس بات کو یقینی بنائیں کہ آپ نے پہلے بنائے گئے `fruit-quality-detector-training` ریسورس کا استعمال کیا ہے۔ *Classification* پروجیکٹ ٹائپ، *Multiclass* درجہ بندی کی قسم، اور *Food* ڈومین استعمال کریں۔
+
+    ![کسٹم وژن پروجیکٹ کے لیے ترتیبات، نام `fruit-quality-detector`، کوئی وضاحت نہیں، ریسورس `fruit-quality-detector-training`، پروجیکٹ ٹائپ `classification`، درجہ بندی کی قسم `multi-class`، اور ڈومین `food`](../../../../../translated_images/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.ur.png)
+
+✅ اپنے تصویر کے درجہ بندی کرنے والے ماڈل کے لیے کسٹم وژن UI کو دریافت کرنے کے لیے کچھ وقت نکالیں۔
+
+### کام - اپنے تصویر کے درجہ بندی کرنے والے پروجیکٹ کو تربیت دیں
+
+تصویر کے درجہ بندی کرنے والے ماڈل کو تربیت دینے کے لیے، آپ کو مختلف پھلوں کی تصاویر کی ضرورت ہوگی، چاہے وہ اچھے معیار کے ہوں یا خراب، جیسے کہ ایک پکا ہوا اور ایک زیادہ پکا ہوا کیلا۔
+💁 یہ کلاسفائرز کسی بھی چیز کی تصاویر کو درجہ بندی کر سکتے ہیں، لہذا اگر آپ کے پاس مختلف معیار کے پھل دستیاب نہیں ہیں، تو آپ دو مختلف قسم کے پھل، یا بلیوں اور کتوں کا استعمال کر سکتے ہیں!
+ہر تصویر میں صرف پھل ہونا چاہیے، یا تو ایک مستقل پس منظر کے ساتھ یا مختلف قسم کے پس منظر کے ساتھ۔ اس بات کو یقینی بنائیں کہ پس منظر میں کوئی ایسی چیز نہ ہو جو پکے ہوئے یا کچے پھلوں کے فرق کو ظاہر کرے۔
+
+> 💁 یہ ضروری ہے کہ مخصوص پس منظر یا ایسی اشیاء شامل نہ ہوں جو ٹیگ کے مطابق چیز کی درجہ بندی سے متعلق نہ ہوں، ورنہ درجہ بندی کرنے والا ماڈل صرف پس منظر کی بنیاد پر فیصلہ کر سکتا ہے۔ ایک ماڈل جلد کے کینسر کی درجہ بندی کے لیے بنایا گیا تھا، جس میں عام اور کینسر زدہ تلوں کی تصاویر شامل تھیں۔ کینسر زدہ تلوں کے ساتھ ہمیشہ سائز ناپنے کے لیے حکمران موجود تھے۔ نتیجہ یہ نکلا کہ ماڈل تقریباً 100% درستگی کے ساتھ تصاویر میں حکمرانوں کی شناخت کر رہا تھا، نہ کہ کینسر زدہ تلوں کی۔
+
+تصویری درجہ بندی کرنے والے ماڈلز بہت کم ریزولوشن پر کام کرتے ہیں۔ مثال کے طور پر، Custom Vision تربیت اور پیش گوئی کے لیے 10240x10240 تک کی تصاویر لے سکتا ہے، لیکن ماڈل کو 227x227 کی تصاویر پر تربیت دیتا ہے اور چلاتا ہے۔ بڑی تصاویر کو اس سائز میں سکڑایا جاتا ہے، لہذا اس بات کو یقینی بنائیں کہ جس چیز کی آپ درجہ بندی کر رہے ہیں وہ تصویر کے بڑے حصے پر مشتمل ہو، ورنہ یہ چھوٹے سائز کی تصویر میں بہت چھوٹی ہو سکتی ہے۔
+
+1. اپنے ماڈل کے لیے تصاویر جمع کریں۔ آپ کو ہر لیبل کے لیے کم از کم 5 تصاویر کی ضرورت ہوگی تاکہ ماڈل کو تربیت دی جا سکے، لیکن جتنی زیادہ ہوں اتنا بہتر ہے۔ آپ کو ماڈل کی جانچ کے لیے کچھ اضافی تصاویر بھی درکار ہوں گی۔ یہ تصاویر ایک ہی چیز کی مختلف تصاویر ہونی چاہئیں۔ مثال کے طور پر:
+
+    * 2 پکے ہوئے کیلے استعمال کرتے ہوئے، ہر ایک کی مختلف زاویوں سے کچھ تصاویر لیں، کم از کم 7 تصاویر (5 تربیت کے لیے، 2 جانچ کے لیے)، لیکن ترجیحاً زیادہ۔
+
+        ![2 مختلف کیلے کی تصاویر](../../../../../translated_images/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.ur.png)
+
+    * یہی عمل 2 کچے کیلے کے ساتھ دہرائیں۔
+
+    آپ کے پاس کم از کم 10 تربیتی تصاویر ہونی چاہئیں، جن میں کم از کم 5 پکے ہوئے اور 5 کچے، اور 4 جانچ کی تصاویر، 2 پکے ہوئے، 2 کچے۔ آپ کی تصاویر png یا jpeg فارمیٹ میں ہونی چاہئیں، اور 6MB سے چھوٹی ہونی چاہئیں۔ اگر آپ انہیں آئی فون سے بناتے ہیں تو وہ ممکنہ طور پر ہائی ریزولوشن HEIC فارمیٹ میں ہوں گی، لہذا انہیں تبدیل اور سکڑانا پڑ سکتا ہے۔ جتنی زیادہ تصاویر ہوں اتنا بہتر، اور پکے ہوئے اور کچے پھلوں کی تعداد تقریباً برابر ہونی چاہیے۔
+
+    اگر آپ کے پاس دونوں قسم کے پھل نہیں ہیں، تو آپ مختلف پھلوں یا کسی بھی دو دستیاب اشیاء کا استعمال کر سکتے ہیں۔ آپ پکے اور کچے کیلے کی مثال تصاویر [images](../../../../../4-manufacturing/lessons/1-train-fruit-detector/images) فولڈر میں بھی دیکھ سکتے ہیں۔
+
+1. [Microsoft Docs پر ماڈل بنانے کے فوری آغاز کے اپلوڈ اور ٹیگ تصاویر کے سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) کی پیروی کریں تاکہ اپنی تربیتی تصاویر اپلوڈ کریں۔ پکے ہوئے پھل کو `ripe` اور کچے پھل کو `unripe` کے طور پر ٹیگ کریں۔
+
+    ![پکے اور کچے کیلے کی تصاویر اپلوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.ur.png)
+
+1. [Microsoft Docs پر ماڈل بنانے کے فوری آغاز کے ماڈل کو تربیت دینے کے سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) کی پیروی کریں تاکہ اپنی اپلوڈ کردہ تصاویر پر ماڈل کو تربیت دیں۔
+
+    آپ کو تربیت کی قسم کا انتخاب دیا جائے گا۔ **Quick Training** منتخب کریں۔
+
+ماڈل تربیت حاصل کرے گا۔ تربیت مکمل ہونے میں چند منٹ لگیں گے۔
+
+> 🍌 اگر آپ تربیت کے دوران اپنے پھل کھانے کا فیصلہ کرتے ہیں، تو پہلے یہ یقینی بنائیں کہ آپ کے پاس جانچ کے لیے کافی تصاویر موجود ہیں!
+
+## اپنے ماڈل کی جانچ کریں
+
+جب آپ کا ماڈل تربیت حاصل کر لے، تو آپ اسے نئی تصویر دے کر جانچ سکتے ہیں۔
+
+### کام - اپنے ماڈل کی جانچ کریں
+
+1. [Microsoft Docs پر ماڈل کی جانچ کے دستاویزات](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) کی پیروی کریں تاکہ اپنے ماڈل کی جانچ کریں۔ وہ تصاویر استعمال کریں جو آپ نے پہلے جانچ کے لیے بنائی تھیں، نہ کہ وہ تصاویر جو تربیت کے لیے استعمال کی گئی تھیں۔
+
+    ![ایک کچا کیلا 98.9% امکان کے ساتھ کچا اور 1.1% امکان کے ساتھ پکا پیش گوئی کیا گیا](../../../../../translated_images/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.ur.png)
+
+1. تمام جانچ کی تصاویر آزمائیں جو آپ کے پاس دستیاب ہیں اور امکانات کا مشاہدہ کریں۔
+
+## اپنے ماڈل کو دوبارہ تربیت دیں
+
+جب آپ اپنے ماڈل کی جانچ کرتے ہیں، تو یہ ممکن ہے کہ نتائج آپ کی توقعات کے مطابق نہ ہوں۔ تصویری ماڈلز مشین لرننگ کا استعمال کرتے ہوئے پیش گوئی کرتے ہیں کہ تصویر میں کیا ہے، امکانات کی بنیاد پر کہ تصویر کی خاص خصوصیات کسی خاص لیبل سے مطابقت رکھتی ہیں۔ یہ تصویر میں موجود چیز کو نہیں سمجھتا - یہ نہیں جانتا کہ کیلا کیا ہے یا کیلے کو کشتی سے مختلف کیا بناتا ہے۔ آپ اپنے ماڈل کو ان تصاویر کے ساتھ دوبارہ تربیت دے کر بہتر بنا سکتے ہیں جن میں یہ غلطی کرتا ہے۔
+
+جب بھی آپ فوری جانچ کے آپشن کا استعمال کرتے ہوئے پیش گوئی کرتے ہیں، تصویر اور نتائج محفوظ کیے جاتے ہیں۔ آپ ان تصاویر کو اپنے ماڈل کو دوبارہ تربیت دینے کے لیے استعمال کر سکتے ہیں۔
+
+### کام - اپنے ماڈل کو دوبارہ تربیت دیں
+
+1. [Microsoft Docs پر پیش گوئی شدہ تصویر کو تربیت کے لیے استعمال کرنے کے دستاویزات](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#use-the-predicted-image-for-training) کی پیروی کریں تاکہ اپنے ماڈل کو دوبارہ تربیت دیں، ہر تصویر کے لیے درست ٹیگ استعمال کرتے ہوئے۔
+
+1. جب آپ کا ماڈل دوبارہ تربیت حاصل کر لے، تو نئی تصاویر پر جانچ کریں۔
+
+---
+
+## 🚀 چیلنج
+
+آپ کے خیال میں کیا ہوگا اگر آپ کیلے پر تربیت یافتہ ماڈل کے ساتھ اسٹرابیری کی تصویر استعمال کریں، یا ایک inflatable کیلا، یا کیلے کے لباس میں کوئی شخص، یا یہاں تک کہ ایک پیلا کارٹون کردار جیسے سمپسنز کا کوئی کردار؟
+
+آزمائیں اور دیکھیں کہ پیش گوئیاں کیا ہیں۔ آپ [Bing Image search](https://www.bing.com/images/trending) کا استعمال کرتے ہوئے تصاویر تلاش کر سکتے ہیں۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/30)
+
+## جائزہ اور خود مطالعہ
+
+* جب آپ نے اپنے ماڈل کو تربیت دی، تو آپ نے *Precision*, *Recall*, اور *AP* کی قدریں دیکھی ہوں گی جو بنائے گئے ماڈل کی درجہ بندی کرتی ہیں۔ ان قدروں کے بارے میں پڑھیں [Microsoft Docs پر ماڈل کی درجہ بندی کے جائزہ کے سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#evaluate-the-classifier) کا استعمال کرتے ہوئے۔
+* اپنے ماڈل کو بہتر بنانے کے بارے میں پڑھیں [Microsoft Docs پر Custom Vision ماڈل کو بہتر بنانے کے طریقے](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-improving-your-classifier?WT.mc_id=academic-17441-jabenn) کا استعمال کرتے ہوئے۔
+
+## اسائنمنٹ
+
+[اپنے ماڈل کو مختلف پھلوں اور سبزیوں کے لیے تربیت دیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/assignment.md b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
new file mode 100644
index 00000000..e9f1b772
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/assignment.md
@@ -0,0 +1,30 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e74eb2fc7cc3b81916b52e957802f182",
+  "translation_date": "2025-08-26T21:45:23+00:00",
+  "source_file": "4-manufacturing/lessons/1-train-fruit-detector/assignment.md",
+  "language_code": "ur"
+}
+-->
+# اپنے کلاسیفائر کو مختلف پھلوں اور سبزیوں کے لیے تربیت دیں
+
+## ہدایات
+
+اس سبق میں آپ نے ایک امیج کلاسیفائر کو تربیت دی تاکہ وہ پکے اور کچے پھلوں کے درمیان فرق کر سکے، لیکن یہ صرف ایک قسم کے پھل کے لیے تھا۔ ایک کلاسیفائر کو مختلف پھلوں کو پہچاننے کے لیے تربیت دی جا سکتی ہے، جس کی کامیابی کی شرح پھل کی قسم اور پکے اور کچے کے درمیان فرق پر منحصر ہوتی ہے۔
+
+مثال کے طور پر، ایسے پھل جن کا رنگ پکنے پر بدل جاتا ہے، ان کے لیے امیج کلاسیفائر رنگ کے سینسر کے مقابلے میں کم مؤثر ہو سکتے ہیں کیونکہ یہ عام طور پر گرے اسکیل تصاویر پر کام کرتے ہیں نہ کہ مکمل رنگین تصاویر پر۔
+
+اپنے کلاسیفائر کو دوسرے پھلوں کے ساتھ تربیت دیں تاکہ یہ دیکھ سکیں کہ یہ کتنا مؤثر ہے، خاص طور پر جب پھل ایک جیسے نظر آتے ہوں۔ مثال کے طور پر، سیب اور ٹماٹر۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| کلاسیفائر کو مختلف پھلوں کے لیے تربیت دینا | کلاسیفائر کو مختلف پھلوں کے لیے تربیت دینے میں کامیاب رہا | کلاسیفائر کو ایک اضافی پھل کے لیے تربیت دینے میں کامیاب رہا | کلاسیفائر کو مزید پھلوں کے لیے تربیت دینے میں ناکام رہا |
+| کلاسیفائر کی کارکردگی کا تعین کرنا | مختلف پھلوں کے ساتھ کلاسیفائر کی کارکردگی پر درست تبصرہ کرنے میں کامیاب رہا | مشاہدہ کرنے اور تجاویز دینے میں کامیاب رہا کہ یہ کتنا مؤثر کام کر رہا تھا | کلاسیفائر کی کارکردگی پر تبصرہ کرنے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md
new file mode 100644
index 00000000..a0968885
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md
@@ -0,0 +1,172 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "557f4ee96b752e0651d2e6e74aa6bd14",
+  "translation_date": "2025-08-26T21:46:43+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی ڈیوائس سے پھلوں کی کوالٹی چیک کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.ur.jpg)
+
+> خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/31)
+
+## تعارف
+
+پچھلے سبق میں آپ نے امیج کلاسیفائرز کے بارے میں سیکھا، اور یہ کہ انہیں اچھے اور خراب پھلوں کی شناخت کے لیے کیسے تربیت دی جائے۔ اگر آپ اس امیج کلاسیفائر کو آئی او ٹی ایپلیکیشن میں استعمال کرنا چاہتے ہیں، تو آپ کو کسی قسم کے کیمرے سے تصویر کھینچنے اور اسے کلاسیفائی کرنے کے لیے کلاؤڈ پر بھیجنے کی ضرورت ہوگی۔
+
+اس سبق میں آپ کیمرہ سینسرز کے بارے میں سیکھیں گے، اور یہ کہ انہیں آئی او ٹی ڈیوائس کے ساتھ استعمال کر کے تصویر کیسے کھینچی جائے۔ آپ یہ بھی سیکھیں گے کہ اپنے آئی او ٹی ڈیوائس سے امیج کلاسیفائر کو کیسے کال کریں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [کیمرہ سینسرز](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [آئی او ٹی ڈیوائس سے تصویر کھینچنا](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [اپنے امیج کلاسیفائر کو شائع کریں](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [آئی او ٹی ڈیوائس سے تصاویر کلاسیفائی کریں](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+* [ماڈل کو بہتر بنائیں](../../../../../4-manufacturing/lessons/2-check-fruit-from-device)
+
+## کیمرہ سینسرز
+
+کیمرہ سینسرز، جیسا کہ نام سے ظاہر ہے، وہ کیمرے ہیں جنہیں آپ اپنے آئی او ٹی ڈیوائس سے جوڑ سکتے ہیں۔ یہ اسٹِل تصاویر لے سکتے ہیں یا ویڈیو اسٹریم کر سکتے ہیں۔ کچھ کیمرے خام امیج ڈیٹا واپس کرتے ہیں، جبکہ کچھ امیج ڈیٹا کو JPEG یا PNG فائل میں کمپریس کر دیتے ہیں۔ عام طور پر آئی او ٹی ڈیوائسز کے ساتھ کام کرنے والے کیمرے چھوٹے اور کم ریزولوشن والے ہوتے ہیں، لیکن آپ اعلیٰ ریزولوشن والے کیمرے بھی حاصل کر سکتے ہیں جو اعلیٰ درجے کے فونز کا مقابلہ کر سکتے ہیں۔ آپ مختلف قسم کے لینز، ملٹیپل کیمرہ سیٹ اپس، انفراریڈ تھرمل کیمرے، یا یو وی کیمرے بھی حاصل کر سکتے ہیں۔
+
+![روشنی لینز سے گزر کر CMOS سینسر پر مرکوز ہوتی ہے](../../../../../translated_images/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.ur.png)
+
+زیادہ تر کیمرہ سینسرز امیج سینسرز استعمال کرتے ہیں، جہاں ہر پکسل ایک فوٹوڈائیوڈ ہوتا ہے۔ ایک لینز تصویر کو امیج سینسر پر مرکوز کرتا ہے، اور ہزاروں یا لاکھوں فوٹوڈائیوڈز اس پر پڑنے والی روشنی کو پکڑتے ہیں اور اسے پکسل ڈیٹا کے طور پر ریکارڈ کرتے ہیں۔
+
+> 💁 لینز تصاویر کو الٹا کر دیتے ہیں، اور پھر کیمرہ سینسر تصویر کو دوبارہ سیدھا کر دیتا ہے۔ آپ کی آنکھوں میں بھی یہی ہوتا ہے - جو آپ دیکھتے ہیں وہ آپ کی آنکھ کے پچھلے حصے میں الٹا ہوتا ہے، اور آپ کا دماغ اسے درست کرتا ہے۔
+
+> 🎓 امیج سینسر کو ایکٹو-پکسل سینسر (APS) کہا جاتا ہے، اور APS کی سب سے مشہور قسم کمپلیمنٹری میٹل-آکسائیڈ سیمی کنڈکٹر سینسر، یا CMOS ہے۔ آپ نے کیمرہ سینسرز کے لیے CMOS سینسر کی اصطلاح سنی ہوگی۔
+
+کیمرہ سینسرز ڈیجیٹل سینسرز ہوتے ہیں، جو امیج ڈیٹا کو ڈیجیٹل ڈیٹا کے طور پر بھیجتے ہیں، عام طور پر ایک لائبریری کی مدد سے جو کمیونیکیشن فراہم کرتی ہے۔ کیمرے SPI جیسے پروٹوکولز کا استعمال کرتے ہوئے جڑتے ہیں تاکہ بڑی مقدار میں ڈیٹا بھیج سکیں - تصاویر سینسرز جیسے کہ درجہ حرارت سینسر سے حاصل ہونے والے سنگل نمبروں کے مقابلے میں کافی بڑی ہوتی ہیں۔
+
+✅ آئی او ٹی ڈیوائسز کے ساتھ امیج سائز کے حوالے سے کیا حدود ہو سکتی ہیں؟ خاص طور پر مائیکرو کنٹرولر ہارڈویئر کی حدود کے بارے میں سوچیں۔
+
+## آئی او ٹی ڈیوائس سے تصویر کھینچنا
+
+آپ اپنے آئی او ٹی ڈیوائس کا استعمال کرتے ہوئے تصویر کھینچ سکتے ہیں تاکہ اسے کلاسیفائی کیا جا سکے۔
+
+### کام - آئی او ٹی ڈیوائس سے تصویر کھینچیں
+
+متعلقہ گائیڈ کے ذریعے کام کریں تاکہ اپنے آئی او ٹی ڈیوائس سے تصویر کھینچ سکیں:
+
+* [Arduino - Wio Terminal](wio-terminal-camera.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-camera.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-camera.md)
+
+## اپنے امیج کلاسیفائر کو شائع کریں
+
+آپ نے پچھلے سبق میں اپنے امیج کلاسیفائر کو تربیت دی تھی۔ اسے اپنے آئی او ٹی ڈیوائس سے استعمال کرنے سے پہلے، آپ کو ماڈل کو شائع کرنا ہوگا۔
+
+### ماڈل کے ورژنز
+
+جب آپ نے پچھلے سبق میں ماڈل کو تربیت دی، تو آپ نے دیکھا ہوگا کہ **پرفارمنس** ٹیب کے سائیڈ پر ورژنز دکھائے گئے ہیں۔ جب آپ نے پہلی بار ماڈل کو تربیت دی، تو آپ نے *Iteration 1* دیکھا ہوگا۔ جب آپ نے پیش گوئی کی تصاویر کا استعمال کرتے ہوئے ماڈل کو بہتر بنایا، تو آپ نے *Iteration 2* دیکھا ہوگا۔
+
+ہر بار جب آپ ماڈل کو تربیت دیتے ہیں، تو آپ کو ایک نیا ورژن ملتا ہے۔ یہ مختلف ڈیٹا سیٹس پر تربیت یافتہ ماڈل کے مختلف ورژنز کو ٹریک کرنے کا ایک طریقہ ہے۔ جب آپ **Quick Test** کرتے ہیں، تو ایک ڈراپ ڈاؤن ہوتا ہے جسے آپ ورژنز کا موازنہ کرنے کے لیے استعمال کر سکتے ہیں۔
+
+جب آپ کسی ورژن سے مطمئن ہوں، تو آپ اسے شائع کر سکتے ہیں تاکہ اسے بیرونی ایپلیکیشنز سے استعمال کیا جا سکے۔ اس طرح آپ کے پاس ایک شائع شدہ ورژن ہو سکتا ہے جو آپ کے ڈیوائسز استعمال کرتے ہیں، اور پھر آپ ایک نئے ورژن پر کام کر سکتے ہیں، اور جب آپ اس سے مطمئن ہوں تو اسے شائع کر سکتے ہیں۔
+
+### کام - ایک ورژن شائع کریں
+
+ورژنز کو Custom Vision پورٹل سے شائع کیا جاتا ہے۔
+
+1. Custom Vision پورٹل کو [CustomVision.ai](https://customvision.ai) پر لانچ کریں اور سائن ان کریں اگر آپ نے اسے پہلے سے نہیں کھولا۔ پھر اپنے `fruit-quality-detector` پروجیکٹ کو کھولیں۔
+
+1. اوپر موجود آپشنز میں سے **پرفارمنس** ٹیب کو منتخب کریں۔
+
+1. سائیڈ پر موجود *Iterations* کی فہرست سے تازہ ترین ورژن کو منتخب کریں۔
+
+1. ورژن کے لیے **Publish** بٹن کو منتخب کریں۔
+
+    ![شائع کرنے کا بٹن](../../../../../translated_images/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.ur.png)
+
+1. *Publish Model* ڈائیلاگ میں، *Prediction resource* کو `fruit-quality-detector-prediction` ریسورس پر سیٹ کریں جو آپ نے پچھلے سبق میں بنایا تھا۔ نام کو `Iteration2` پر چھوڑ دیں، اور **Publish** بٹن کو منتخب کریں۔
+
+1. شائع ہونے کے بعد، **Prediction URL** بٹن کو منتخب کریں۔ یہ پیش گوئی API کی تفصیلات دکھائے گا، اور آپ کو اپنے آئی او ٹی ڈیوائس سے ماڈل کو کال کرنے کے لیے ان کی ضرورت ہوگی۔ نیچے والا سیکشن *If you have an image file* کے لیبل کے ساتھ ہے، اور یہ وہ تفصیلات ہیں جو آپ کو چاہیے۔ URL کی ایک کاپی لیں جو کچھ اس طرح ہوگی:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/classify/iterations/Iteration2/image
+    ```
+
+    جہاں `<location>` وہ مقام ہوگا جو آپ نے اپنی Custom Vision ریسورس بناتے وقت استعمال کیا تھا، اور `<id>` ایک لمبی ID ہوگی جو حروف اور نمبروں پر مشتمل ہوگی۔
+
+    *Prediction-Key* ویلیو کی بھی ایک کاپی لیں۔ یہ ایک محفوظ کلید ہے جسے آپ کو ماڈل کو کال کرتے وقت پاس کرنا ہوگا۔ صرف وہ ایپلیکیشنز جو اس کلید کو پاس کرتی ہیں ماڈل کو استعمال کرنے کی اجازت دی جاتی ہیں، باقی تمام ایپلیکیشنز کو مسترد کر دیا جاتا ہے۔
+
+    ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ur.png)
+
+✅ جب ایک نیا ورژن شائع کیا جاتا ہے، تو اس کا نام مختلف ہوتا ہے۔ آپ کے خیال میں آپ آئی او ٹی ڈیوائس کو استعمال کرنے والے ورژن کو کیسے تبدیل کریں گے؟
+
+## آئی او ٹی ڈیوائس سے تصاویر کلاسیفائی کریں
+
+اب آپ ان کنکشن تفصیلات کا استعمال کرتے ہوئے اپنے آئی او ٹی ڈیوائس سے امیج کلاسیفائر کو کال کر سکتے ہیں۔
+
+### کام - آئی او ٹی ڈیوائس سے تصاویر کلاسیفائی کریں
+
+متعلقہ گائیڈ کے ذریعے کام کریں تاکہ اپنے آئی او ٹی ڈیوائس سے تصاویر کلاسیفائی کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-classify-image.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/ورچوئل آئی او ٹی ڈیوائس](single-board-computer-classify-image.md)
+
+## ماڈل کو بہتر بنائیں
+
+آپ کو یہ معلوم ہو سکتا ہے کہ جب آپ اپنے آئی او ٹی ڈیوائس سے جڑے کیمرے کا استعمال کرتے ہوئے نتائج حاصل کرتے ہیں، تو وہ آپ کی توقعات کے مطابق نہیں ہوتے۔ پیش گوئیاں ہمیشہ اتنی درست نہیں ہوتیں جتنی آپ کے کمپیوٹر سے اپ لوڈ کی گئی تصاویر کے ساتھ ہوتی ہیں۔ اس کی وجہ یہ ہے کہ ماڈل کو مختلف ڈیٹا پر تربیت دی گئی تھی جو پیش گوئی کے لیے استعمال ہو رہا ہے۔
+
+ایک امیج کلاسیفائر کے بہترین نتائج حاصل کرنے کے لیے، آپ ماڈل کو ان تصاویر کے ساتھ تربیت دینا چاہتے ہیں جو پیش گوئی کے لیے استعمال ہونے والی تصاویر سے زیادہ سے زیادہ مشابہ ہوں۔ اگر آپ نے تربیت کے لیے اپنے فون کے کیمرے کا استعمال کیا، تو مثال کے طور پر، تصویر کا معیار، شارپنس، اور رنگ آئی او ٹی ڈیوائس سے جڑے کیمرے سے مختلف ہوں گے۔
+
+![2 کیلے کی تصاویر، ایک کم ریزولوشن والی خراب روشنی کے ساتھ آئی او ٹی ڈیوائس سے، اور دوسری اعلیٰ ریزولوشن والی اچھی روشنی کے ساتھ فون سے](../../../../../translated_images/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.ur.png)
+
+اوپر دی گئی تصویر میں، بائیں طرف کیلے کی تصویر Raspberry Pi کیمرے سے لی گئی ہے، جبکہ دائیں طرف کی تصویر اسی کیلے کی اسی جگہ پر iPhone سے لی گئی ہے۔ معیار میں واضح فرق ہے - iPhone کی تصویر زیادہ شارپ، روشن رنگوں اور زیادہ کنٹراسٹ کے ساتھ ہے۔
+
+✅ آپ کے خیال میں اور کیا عوامل آئی او ٹی ڈیوائس سے لی گئی تصاویر کی پیش گوئی کو غلط بنا سکتے ہیں؟ اس ماحول کے بارے میں سوچیں جس میں آئی او ٹی ڈیوائس استعمال ہو سکتی ہے، اور کون سے عوامل تصویر کو متاثر کر سکتے ہیں۔
+
+ماڈل کو بہتر بنانے کے لیے، آپ اسے آئی او ٹی ڈیوائس سے لی گئی تصاویر کا استعمال کرتے ہوئے دوبارہ تربیت دے سکتے ہیں۔
+
+### کام - ماڈل کو بہتر بنائیں
+
+1. اپنے آئی او ٹی ڈیوائس کا استعمال کرتے ہوئے پکے اور کچے پھلوں کی متعدد تصاویر کلاسیفائی کریں۔
+
+1. Custom Vision پورٹل میں، *Predictions* ٹیب پر موجود تصاویر کا استعمال کرتے ہوئے ماڈل کو دوبارہ تربیت دیں۔
+
+    > ⚠️ اگر ضرورت ہو تو [سبق 1 میں اپنے کلاسیفائر کو دوبارہ تربیت دینے کی ہدایات کا حوالہ دیں](../1-train-fruit-detector/README.md#retrain-your-image-classifier)۔
+
+1. اگر آپ کی تصاویر تربیت کے لیے استعمال کی گئی اصل تصاویر سے بہت مختلف نظر آتی ہیں، تو آپ *Training Images* ٹیب میں موجود تمام اصل تصاویر کو منتخب کر کے اور **Delete** بٹن کو منتخب کر کے حذف کر سکتے ہیں۔ کسی تصویر کو منتخب کرنے کے لیے، اس پر کرسر لے جائیں اور ایک ٹک ظاہر ہوگا، اس ٹک کو منتخب یا غیر منتخب کریں۔
+
+1. ماڈل کا ایک نیا ورژن تربیت دیں اور اوپر دیے گئے مراحل کا استعمال کرتے ہوئے اسے شائع کریں۔
+
+1. اپنے کوڈ میں اینڈ پوائنٹ URL کو اپ ڈیٹ کریں، اور ایپ کو دوبارہ چلائیں۔
+
+1. ان مراحل کو اس وقت تک دہرائیں جب تک کہ آپ پیش گوئی کے نتائج سے مطمئن نہ ہوں۔
+
+---
+
+## 🚀 چیلنج
+
+تصویر کی ریزولوشن یا روشنی پیش گوئی پر کتنا اثر ڈالتی ہے؟
+
+اپنے ڈیوائس کوڈ میں تصاویر کی ریزولوشن کو تبدیل کرنے کی کوشش کریں اور دیکھیں کہ کیا اس سے تصاویر کے معیار پر کوئی فرق پڑتا ہے۔ روشنی کو تبدیل کرنے کی بھی کوشش کریں۔
+
+اگر آپ ایک پروڈکشن ڈیوائس بنانا چاہتے ہیں جو فارمز یا فیکٹریز میں فروخت ہو، تو آپ کیسے یقینی بنائیں گے کہ یہ ہر وقت مستقل نتائج فراہم کرے؟
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/32)
+
+## جائزہ اور خود مطالعہ
+
+آپ نے اپنے Custom Vision ماڈل کو پورٹل کا استعمال کرتے ہوئے تربیت دی۔ یہ تصاویر دستیاب ہونے پر انحصار کرتا ہے - اور حقیقی دنیا میں آپ کو تربیتی ڈیٹا حاصل کرنے میں دشواری ہو سکتی ہے جو آپ کے ڈیوائس کے کیمرے سے لی گئی تصاویر سے مطابقت رکھتا ہو۔ آپ اس مسئلے کو ڈیوائس سے براہ راست تربیت API کا استعمال کرتے ہوئے حل کر سکتے ہیں، تاکہ آئی او ٹی ڈیوائس سے لی گئی تصاویر کا استعمال کرتے ہوئے ماڈل کو تربیت دی جا سکے۔
+
+* [Custom Vision SDK کوئیک اسٹارٹ](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/quickstarts/image-classification?WT.mc_id=academic-17441-jabenn&tabs=visual-studio&pivots=programming-language-python) میں تربیت API کے بارے میں مزید پڑھیں۔
+
+## اسائنمنٹ
+
+[کلاسیفکیشن کے نتائج کا جواب دیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
new file mode 100644
index 00000000..aac30db8
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "022e21f8629b721424c1de25195fff67",
+  "translation_date": "2025-08-26T21:48:11+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/assignment.md",
+  "language_code": "ur"
+}
+-->
+# پیش گوئی کے نتائج پر ردعمل دیں
+
+## ہدایات
+
+آپ کے ڈیوائس نے تصاویر کو درجہ بندی کیا ہے اور پیش گوئی کے نتائج کے لیے اقدار حاصل کی ہیں۔ آپ کا ڈیوائس اس معلومات کو استعمال کر سکتا ہے کچھ کرنے کے لیے - یہ اسے IoT Hub کو بھیج سکتا ہے تاکہ دوسرے نظاموں کے ذریعے پراسیس کیا جا سکے، یا یہ ایک ایکچوایٹر جیسے کہ LED کو کنٹرول کر سکتا ہے تاکہ جب پھل کچا ہو تو روشنی جلائی جائے۔
+
+اپنے ڈیوائس میں کوڈ شامل کریں تاکہ آپ کے منتخب کردہ طریقے سے ردعمل دے سکے - یا تو ڈیٹا IoT Hub کو بھیجیں، ایکچوایٹر کو کنٹرول کریں، یا دونوں کو ملا کر ڈیٹا IoT Hub کو بھیجیں اور کچھ سرور لیس کوڈ استعمال کریں جو یہ طے کرے کہ پھل پکا ہوا ہے یا نہیں اور ایکچوایٹر کو کنٹرول کرنے کے لیے کمانڈ واپس بھیجے۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------- | --------------- |
+| پیش گوئی پر ردعمل | پیش گوئی کے ایک جیسے نتائج کے ساتھ مستقل طور پر کام کرنے والے ردعمل کو نافذ کرنے کے قابل تھا۔ | ایسا ردعمل نافذ کرنے کے قابل تھا جو پیش گوئی پر منحصر نہ ہو، جیسے کہ صرف خام ڈیٹا IoT Hub کو بھیجنا۔ | ڈیوائس کو پیش گوئی کے مطابق ردعمل دینے کے لیے پروگرام کرنے میں ناکام رہا۔ |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
new file mode 100644
index 00000000..f24ddb82
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md
@@ -0,0 +1,155 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c677667095f6133eee418c7e53615d05",
+  "translation_date": "2025-08-26T21:49:03+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md",
+  "language_code": "ur"
+}
+-->
+# تصویر حاصل کریں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں کیمرہ سینسر شامل کریں گے اور اس سے تصاویر پڑھیں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک کیمرہ کی ضرورت ہے۔
+
+آپ جو کیمرہ استعمال کریں گے وہ [راسپبیری پائی کیمرہ ماڈیول](https://www.raspberrypi.org/products/camera-module-v2/) ہے۔ یہ کیمرہ خاص طور پر راسپبیری پائی کے ساتھ کام کرنے کے لیے بنایا گیا ہے اور پائی پر ایک مخصوص کنیکٹر کے ذریعے جڑتا ہے۔
+
+> 💁 یہ کیمرہ [کیمرہ سیریل انٹرفیس، جو موبائل انڈسٹری پروسیسر انٹرفیس الائنس کا ایک پروٹوکول ہے](https://wikipedia.org/wiki/Camera_Serial_Interface) استعمال کرتا ہے۔ یہ تصاویر بھیجنے کے لیے ایک مخصوص پروٹوکول ہے۔
+
+## کیمرہ کو جوڑیں
+
+کیمرہ کو راسپبیری پائی کے ساتھ ربن کیبل کے ذریعے جوڑا جا سکتا ہے۔
+
+### کام - کیمرہ کو جوڑیں
+
+![راسپبیری پائی کیمرہ](../../../../../translated_images/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.ur.png)
+
+1. پائی کو بند کریں۔
+
+1. کیمرہ کے ساتھ آنے والی ربن کیبل کو کیمرہ سے جوڑیں۔ ایسا کرنے کے لیے، ہولڈر میں موجود سیاہ پلاسٹک کلپ کو آہستہ سے کھینچیں تاکہ وہ تھوڑا سا باہر آجائے، پھر کیبل کو ساکٹ میں ڈالیں، نیلے حصے کو لینس سے دور اور دھاتی پن کی پٹیاں لینس کی طرف رکھیں۔ جب کیبل مکمل طور پر اندر ہو جائے، تو سیاہ پلاسٹک کلپ کو واپس جگہ پر دھکیل دیں۔
+
+    آپ [راسپبیری پائی کیمرہ ماڈیول کے ساتھ شروعات کی دستاویزات](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) میں کلپ کو کھولنے اور کیبل ڈالنے کا اینیمیشن دیکھ سکتے ہیں۔
+
+    ![ربن کیبل کیمرہ ماڈیول میں داخل کی گئی](../../../../../translated_images/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.ur.png)
+
+1. پائی سے گروو بیس ہیٹ کو ہٹا دیں۔
+
+1. ربن کیبل کو گروو بیس ہیٹ کے کیمرہ سلاٹ سے گزاریں۔ اس بات کو یقینی بنائیں کہ کیبل کا نیلا حصہ اینالاگ پورٹس **A0**, **A1** وغیرہ کی طرف ہو۔
+
+    ![ربن کیبل گروو بیس ہیٹ سے گزرتی ہوئی](../../../../../translated_images/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.ur.png)
+
+1. ربن کیبل کو پائی کے کیمرہ پورٹ میں ڈالیں۔ ایک بار پھر، سیاہ پلاسٹک کلپ کو اوپر کھینچیں، کیبل ڈالیں، پھر کلپ کو واپس دھکیل دیں۔ کیبل کا نیلا حصہ USB اور ایتھرنیٹ پورٹس کی طرف ہونا چاہیے۔
+
+    ![ربن کیبل پائی کے کیمرہ ساکٹ سے جڑی ہوئی](../../../../../translated_images/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.ur.png)
+
+1. گروو بیس ہیٹ کو دوبارہ لگائیں۔
+
+## کیمرہ کو پروگرام کریں
+
+اب راسپبیری پائی کو [PiCamera](https://pypi.org/project/picamera/) پائتھون لائبریری کا استعمال کرتے ہوئے کیمرہ چلانے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - لیگیسی کیمرہ موڈ کو فعال کریں
+
+بدقسمتی سے، راسپبیری پائی OS Bullseye کے اجرا کے ساتھ، OS کے ساتھ آنے والا کیمرہ سافٹ ویئر تبدیل ہو گیا، جس کا مطلب ہے کہ PiCamera اب ڈیفالٹ طور پر کام نہیں کرتا۔ ایک متبادل پر کام ہو رہا ہے، جسے PiCamera2 کہا جاتا ہے، لیکن یہ ابھی استعمال کے لیے تیار نہیں ہے۔
+
+فی الحال، آپ اپنے پائی کو لیگیسی کیمرہ موڈ میں سیٹ کر سکتے ہیں تاکہ PiCamera کام کرے۔ کیمرہ ساکٹ بھی ڈیفالٹ طور پر غیر فعال ہے، لیکن لیگیسی کیمرہ سافٹ ویئر کو آن کرنے سے ساکٹ خود بخود فعال ہو جاتا ہے۔
+
+1. پائی کو پاور دیں اور بوٹ ہونے کا انتظار کریں۔
+
+1. VS Code لانچ کریں، یا تو براہ راست پائی پر، یا Remote SSH ایکسٹینشن کے ذریعے کنیکٹ کریں۔
+
+1. اپنے ٹرمینل سے درج ذیل کمانڈز چلائیں:
+
+    ```sh
+    sudo raspi-config nonint do_legacy 0
+    sudo reboot
+    ```
+
+    یہ ایک سیٹنگ کو ٹوگل کرے گا تاکہ لیگیسی کیمرہ سافٹ ویئر کو فعال کیا جا سکے، پھر اس سیٹنگ کو اثر انداز کرنے کے لیے پائی کو ریبوٹ کرے گا۔
+
+1. پائی کے ریبوٹ ہونے کا انتظار کریں، پھر دوبارہ VS Code لانچ کریں۔
+
+### کام - کیمرہ کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. ٹرمینل سے، `pi` یوزر کے ہوم ڈائریکٹری میں ایک نیا فولڈر بنائیں جس کا نام `fruit-quality-detector` ہو۔ اس فولڈر میں ایک فائل بنائیں جس کا نام `app.py` ہو۔
+
+1. اس فولڈر کو VS Code میں کھولیں۔
+
+1. کیمرہ کے ساتھ تعامل کرنے کے لیے، آپ PiCamera پائتھون لائبریری استعمال کر سکتے ہیں۔ اس کے لیے Pip پیکیج درج ذیل کمانڈ کے ساتھ انسٹال کریں:
+
+    ```sh
+    pip3 install picamera
+    ```
+
+1. اپنے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import io
+    import time
+    from picamera import PiCamera
+    ```
+
+    یہ کوڈ ضروری لائبریریوں کو امپورٹ کرتا ہے، بشمول `PiCamera` لائبریری۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ کیمرہ کو انیشیلائز کیا جا سکے:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    
+    time.sleep(2)
+    ```
+
+    یہ کوڈ ایک PiCamera آبجیکٹ بناتا ہے، ریزولوشن کو 640x480 پر سیٹ کرتا ہے۔ اگرچہ زیادہ ریزولوشنز سپورٹ کی جاتی ہیں (3280x2464 تک)، لیکن امیج کلاسیفائر بہت چھوٹی تصاویر (227x227) پر کام کرتا ہے، اس لیے بڑی تصاویر حاصل کرنے اور بھیجنے کی ضرورت نہیں ہے۔
+
+    `camera.rotation = 0` لائن تصویر کی روٹیشن سیٹ کرتی ہے۔ ربن کیبل کیمرہ کے نیچے آتی ہے، لیکن اگر آپ نے کیمرہ کو گھمایا تاکہ وہ آسانی سے اس چیز کی طرف اشارہ کرے جسے آپ کلاسیفائی کرنا چاہتے ہیں، تو آپ اس لائن کو روٹیشن کے ڈگریز کے مطابق تبدیل کر سکتے ہیں۔
+
+    ![کیمرہ مشروب کے کین کے اوپر لٹکا ہوا](../../../../../translated_images/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.ur.png)
+
+    مثال کے طور پر، اگر آپ ربن کیبل کو کسی چیز کے اوپر معلق کریں تاکہ وہ کیمرہ کے اوپر ہو، تو روٹیشن کو 180 پر سیٹ کریں:
+
+    ```python
+    camera.rotation = 180
+    ```
+
+    کیمرہ کو شروع ہونے میں چند سیکنڈ لگتے ہیں، اسی لیے `time.sleep(2)`۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ تصویر کو بائنری ڈیٹا کے طور پر حاصل کیا جا سکے:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    یہ کوڈ ایک `BytesIO` آبجیکٹ بناتا ہے تاکہ بائنری ڈیٹا کو اسٹور کیا جا سکے۔ تصویر کیمرہ سے ایک JPEG فائل کے طور پر پڑھی جاتی ہے اور اس آبجیکٹ میں اسٹور کی جاتی ہے۔ اس آبجیکٹ میں ایک پوزیشن انڈیکیٹر ہوتا ہے تاکہ معلوم ہو سکے کہ ڈیٹا میں کہاں ہے تاکہ مزید ڈیٹا کو آخر میں لکھا جا سکے، اس لیے `image.seek(0)` لائن اس پوزیشن کو شروع میں واپس لے جاتی ہے تاکہ بعد میں تمام ڈیٹا کو پڑھا جا سکے۔
+
+1. اس کے نیچے درج ذیل شامل کریں تاکہ تصویر کو فائل میں محفوظ کیا جا سکے:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    یہ کوڈ ایک فائل کو لکھنے کے لیے کھولتا ہے جس کا نام `image.jpg` ہے، پھر `BytesIO` آبجیکٹ سے تمام ڈیٹا کو پڑھتا ہے اور اسے فائل میں لکھتا ہے۔
+
+    > 💁 آپ تصویر کو براہ راست فائل میں حاصل کر سکتے ہیں بجائے `BytesIO` آبجیکٹ کے، فائل کا نام `camera.capture` کال میں پاس کر کے۔ `BytesIO` آبجیکٹ استعمال کرنے کی وجہ یہ ہے کہ بعد میں اس سبق میں آپ تصویر کو اپنے امیج کلاسیفائر کو بھیج سکیں۔
+
+1. کیمرہ کو کسی چیز کی طرف اشارہ کریں اور اس کوڈ کو چلائیں۔
+
+1. ایک تصویر حاصل کی جائے گی اور موجودہ فولڈر میں `image.jpg` کے طور پر محفوظ کی جائے گی۔ آپ اس فائل کو VS Code ایکسپلورر میں دیکھیں گے۔ فائل کو منتخب کریں تاکہ تصویر کو دیکھ سکیں۔ اگر اسے روٹیشن کی ضرورت ہو، تو `camera.rotation = 0` لائن کو ضروری کے مطابق اپ ڈیٹ کریں اور دوبارہ تصویر لیں۔
+
+> 💁 آپ اس کوڈ کو [code-camera/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا کیمرہ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
new file mode 100644
index 00000000..ea7010cd
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md
@@ -0,0 +1,105 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e5896207b304ce1abaf065b8acc0cc79",
+  "translation_date": "2025-08-26T21:50:22+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md",
+  "language_code": "ur"
+}
+-->
+# تصویر کو درجہ بندی کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ کیمرے سے لی گئی تصویر کو کسٹم وژن سروس پر بھیجیں گے تاکہ اسے درجہ بندی کیا جا سکے۔
+
+## تصاویر کو کسٹم وژن پر بھیجیں
+
+کسٹم وژن سروس کے پاس ایک Python SDK موجود ہے جسے آپ تصاویر کی درجہ بندی کے لیے استعمال کر سکتے ہیں۔
+
+### کام - تصاویر کو کسٹم وژن پر بھیجیں
+
+1. `fruit-quality-detector` فولڈر کو VS Code میں کھولیں۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ ورچوئل ماحول ٹرمینل میں چل رہا ہے۔
+
+1. کسٹم وژن پر تصاویر بھیجنے کے لیے Python SDK ایک Pip پیکج کے طور پر دستیاب ہے۔ اسے درج ذیل کمانڈ کے ذریعے انسٹال کریں:
+
+    ```sh
+    pip3 install azure-cognitiveservices-vision-customvision
+    ```
+
+1. `app.py` فائل کے اوپر درج ذیل درآمدی بیانات شامل کریں:
+
+    ```python
+    from msrest.authentication import ApiKeyCredentials
+    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient
+    ```
+
+    یہ کسٹم وژن لائبریریوں سے کچھ ماڈیولز لاتے ہیں، ایک پیش گوئی کی کلید کے ساتھ تصدیق کرنے کے لیے، اور ایک پیش گوئی کلائنٹ کلاس فراہم کرنے کے لیے جو کسٹم وژن کو کال کر سکتا ہے۔
+
+1. فائل کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    prediction_url = '<prediction_url>'
+    prediction_key = '<prediction key>'
+    ```
+
+    `<prediction_url>` کو اس URL سے تبدیل کریں جو آپ نے اس سبق کے پہلے حصے میں *Prediction URL* ڈائیلاگ سے کاپی کیا تھا۔ `<prediction key>` کو اسی ڈائیلاگ سے کاپی کی گئی پیش گوئی کی کلید سے تبدیل کریں۔
+
+1. *Prediction URL* ڈائیلاگ کے ذریعے فراہم کردہ پیش گوئی URL کو REST اینڈ پوائنٹ کو براہ راست کال کرنے کے لیے ڈیزائن کیا گیا ہے۔ Python SDK URL کے مختلف حصوں کو مختلف جگہوں پر استعمال کرتا ہے۔ درج ذیل کوڈ شامل کریں تاکہ اس URL کو مطلوبہ حصوں میں تقسیم کیا جا سکے:
+
+    ```python
+    parts = prediction_url.split('/')
+    endpoint = 'https://' + parts[2]
+    project_id = parts[6]
+    iteration_name = parts[9]
+    ```
+
+    یہ URL کو تقسیم کرتا ہے، `https://<location>.api.cognitive.microsoft.com` کا اینڈ پوائنٹ، پروجیکٹ ID، اور شائع شدہ تکرار کا نام نکالتا ہے۔
+
+1. پیش گوئی کرنے کے لیے ایک پیش گوئی کرنے والا آبجیکٹ درج ذیل کوڈ کے ساتھ بنائیں:
+
+    ```python
+    prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})
+    predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)
+    ```
+
+    `prediction_credentials` پیش گوئی کی کلید کو لپیٹتے ہیں۔ یہ پھر اینڈ پوائنٹ کی طرف اشارہ کرنے والے پیش گوئی کلائنٹ آبجیکٹ بنانے کے لیے استعمال ہوتے ہیں۔
+
+1. تصویر کو کسٹم وژن پر درج ذیل کوڈ کے ذریعے بھیجیں:
+
+    ```python
+    image.seek(0)
+    results = predictor.classify_image(project_id, iteration_name, image)
+    ```
+
+    یہ تصویر کو شروع میں واپس لے جاتا ہے، پھر اسے پیش گوئی کلائنٹ کو بھیجتا ہے۔
+
+1. آخر میں، نتائج کو درج ذیل کوڈ کے ساتھ دکھائیں:
+
+    ```python
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    یہ تمام پیش گوئیوں کے ذریعے لوپ کرے گا جو واپس کی گئی ہیں اور انہیں ٹرمینل پر دکھائے گا۔ واپس کی گئی احتمالات 0-1 کے فلوٹنگ پوائنٹ نمبرز ہیں، جہاں 0 کا مطلب ہے کہ ٹیگ سے میل کھانے کا 0% امکان ہے، اور 1 کا مطلب ہے کہ 100% امکان ہے۔
+
+    > 💁 تصویر کے درجہ بندی کرنے والے تمام ٹیگز کے لیے فیصد واپس کریں گے جو استعمال کیے گئے ہیں۔ ہر ٹیگ کے لیے ایک احتمال ہوگا کہ تصویر اس ٹیگ سے میل کھاتی ہے۔
+
+1. اپنا کوڈ چلائیں، کیمرے کو کچھ پھلوں کی طرف اشارہ کرتے ہوئے، یا مناسب تصویر سیٹ، یا ورچوئل IoT ہارڈویئر استعمال کرتے ہوئے ویب کیم پر نظر آنے والے پھلوں کے ساتھ۔ آپ کنسول میں آؤٹ پٹ دیکھ سکیں گے:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    آپ لی گئی تصویر اور یہ اقدار **Predictions** ٹیب میں کسٹم وژن میں دیکھ سکیں گے۔
+
+    ![کسٹم وژن میں ایک کیلا، 56.8% پر پکا ہوا اور 43.1% پر کچا ہونے کی پیش گوئی کی گئی](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ur.png)
+
+> 💁 آپ اس کوڈ کو [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) یا [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا پھل معیار درجہ بندی کرنے والا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
new file mode 100644
index 00000000..12810461
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3ba7150ffc4a6999f6c3cfb4906ec7df",
+  "translation_date": "2025-08-26T21:53:00+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md",
+  "language_code": "ur"
+}
+-->
+# تصویر حاصل کریں - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں کیمرہ سینسر شامل کریں گے اور اس سے تصاویر پڑھیں گے۔
+
+## ہارڈویئر
+
+ورچوئل IoT ڈیوائس ایک سیمولیٹڈ کیمرہ استعمال کرے گا جو یا تو فائلز سے تصاویر بھیجے گا یا آپ کے ویب کیم سے۔
+
+### CounterFit میں کیمرہ شامل کریں
+
+ورچوئل کیمرہ استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔
+
+#### کام - CounterFit میں کیمرہ شامل کریں
+
+CounterFit ایپ میں کیمرہ شامل کریں۔
+
+1. اپنے کمپیوٹر پر `fruit-quality-detector` نامی فولڈر میں ایک نیا Python ایپ بنائیں، جس میں ایک فائل `app.py` ہو اور Python ورچوئل ماحول ہو، اور CounterFit pip پیکجز شامل کریں۔
+
+    > ⚠️ اگر ضرورت ہو تو [سبق 1 میں CounterFit Python پروجیکٹ بنانے اور سیٹ اپ کرنے کے لیے ہدایات](../../../1-getting-started/lessons/1-introduction-to-iot/virtual-device.md) دیکھ سکتے ہیں۔
+
+1. ایک اضافی Pip پیکج انسٹال کریں تاکہ CounterFit shim انسٹال ہو سکے جو کیمرہ سینسرز سے بات کر سکے اور کچھ [Picamera Pip پیکج](https://pypi.org/project/picamera/) کو سیمولیٹ کرے۔ یقینی بنائیں کہ آپ یہ انسٹالیشن ورچوئل ماحول کے ساتھ ایکٹیویٹڈ ٹرمینل سے کر رہے ہیں۔
+
+    ```sh
+    pip install counterfit-shims-picamera
+    ```
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
+
+1. کیمرہ بنائیں:
+
+    1. *Sensors* پین میں *Create sensor* باکس میں جائیں، *Sensor type* ڈراپ ڈاؤن کریں اور *Camera* منتخب کریں۔
+
+    1. *Name* کو `Picamera` پر سیٹ کریں۔
+
+    1. کیمرہ بنانے کے لیے **Add** بٹن منتخب کریں۔
+
+    ![کیمرہ سیٹنگز](../../../../../translated_images/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.ur.png)
+
+    کیمرہ بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![بنایا گیا کیمرہ](../../../../../translated_images/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.ur.png)
+
+## کیمرہ پروگرام کریں
+
+ورچوئل IoT ڈیوائس کو اب ورچوئل کیمرہ استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - کیمرہ پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. یقینی بنائیں کہ `fruit-quality-detector` ایپ VS Code میں کھلی ہوئی ہے۔
+
+1. `app.py` فائل کھولیں۔
+
+1. CounterFit سے ایپ کو جوڑنے کے لیے `app.py` کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. اپنے `app.py` فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import io
+    from counterfit_shims_picamera import PiCamera
+    ```
+
+    یہ کوڈ کچھ ضروری لائبریریاں امپورٹ کرتا ہے، جن میں `PiCamera` کلاس شامل ہے جو counterfit_shims_picamera لائبریری سے آتی ہے۔
+
+1. کیمرہ کو انیشیئلائز کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    camera = PiCamera()
+    camera.resolution = (640, 480)
+    camera.rotation = 0
+    ```
+
+    یہ کوڈ ایک PiCamera آبجیکٹ بناتا ہے، ریزولوشن کو 640x480 پر سیٹ کرتا ہے۔ حالانکہ زیادہ ریزولوشنز سپورٹ کیے جاتے ہیں، لیکن امیج کلاسفائر چھوٹی تصاویر (227x227) پر کام کرتا ہے، اس لیے بڑی تصاویر حاصل کرنے کی ضرورت نہیں۔
+
+    `camera.rotation = 0` لائن تصویر کی ڈگری میں روٹیشن سیٹ کرتی ہے۔ اگر آپ کو ویب کیم یا فائل سے تصویر کو گھمانے کی ضرورت ہو، تو اسے مناسب طریقے سے سیٹ کریں۔ مثال کے طور پر، اگر آپ ویب کیم میں لینڈ اسکیپ موڈ میں کیلے کی تصویر کو پورٹریٹ میں تبدیل کرنا چاہتے ہیں، تو `camera.rotation = 90` سیٹ کریں۔
+
+1. تصویر کو بائنری ڈیٹا کے طور پر حاصل کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    image = io.BytesIO()
+    camera.capture(image, 'jpeg')
+    image.seek(0)
+    ```
+
+    یہ کوڈ ایک `BytesIO` آبجیکٹ بناتا ہے تاکہ بائنری ڈیٹا اسٹور کیا جا سکے۔ تصویر کیمرہ سے JPEG فائل کے طور پر پڑھی جاتی ہے اور اس آبجیکٹ میں محفوظ کی جاتی ہے۔ اس آبجیکٹ میں ایک پوزیشن انڈیکیٹر ہوتا ہے تاکہ معلوم ہو سکے کہ ڈیٹا میں کہاں ہے، اس لیے `image.seek(0)` لائن اس پوزیشن کو شروع میں لے جاتی ہے تاکہ بعد میں تمام ڈیٹا پڑھا جا سکے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ تصویر کو فائل میں محفوظ کیا جا سکے:
+
+    ```python
+    with open('image.jpg', 'wb') as image_file:
+        image_file.write(image.read())
+    ```
+
+    یہ کوڈ `image.jpg` نامی فائل کو لکھنے کے لیے کھولتا ہے، پھر `BytesIO` آبجیکٹ سے تمام ڈیٹا پڑھتا ہے اور اسے فائل میں لکھتا ہے۔
+
+    > 💁 آپ تصویر کو براہ راست فائل میں محفوظ کر سکتے ہیں بجائے `BytesIO` آبجیکٹ کے، فائل کا نام `camera.capture` کال میں پاس کر کے۔ `BytesIO` آبجیکٹ استعمال کرنے کی وجہ یہ ہے کہ بعد میں اس سبق میں آپ تصویر کو اپنے امیج کلاسفائر کو بھیج سکیں۔
+
+1. CounterFit میں کیمرہ کے لیے تصویر کو کنفیگر کریں۔ آپ *Source* کو *File* پر سیٹ کر سکتے ہیں، پھر ایک تصویر اپلوڈ کریں، یا *Source* کو *WebCam* پر سیٹ کریں، اور تصاویر آپ کے ویب کیم سے حاصل ہوں گی۔ یقینی بنائیں کہ تصویر منتخب کرنے یا ویب کیم منتخب کرنے کے بعد **Set** بٹن منتخب کریں۔
+
+    ![CounterFit میں فائل کو امیج سورس کے طور پر سیٹ کیا گیا، اور ویب کیم میں ایک شخص کیلے کو پکڑے ہوئے دکھایا گیا](../../../../../translated_images/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.ur.png)
+
+1. ایک تصویر حاصل کی جائے گی اور `image.jpg` کے طور پر موجودہ فولڈر میں محفوظ کی جائے گی۔ آپ یہ فائل VS Code ایکسپلورر میں دیکھیں گے۔ فائل منتخب کریں تاکہ تصویر دیکھ سکیں۔ اگر اسے روٹیشن کی ضرورت ہو، تو `camera.rotation = 0` لائن کو مناسب طریقے سے اپڈیٹ کریں اور دوبارہ تصویر لیں۔
+
+> 💁 آپ یہ کوڈ [code-camera/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-camera/virtual-iot-device) فولڈر میں دیکھ سکتے ہیں۔
+
+😀 آپ کا کیمرہ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
new file mode 100644
index 00000000..01b2bb0b
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "160be8c0f558687f6686dca64f10f739",
+  "translation_date": "2025-08-26T21:55:08+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md",
+  "language_code": "ur"
+}
+-->
+# تصویر حاصل کریں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal میں کیمرہ شامل کریں گے اور اس سے تصاویر حاصل کریں گے۔
+
+## ہارڈویئر
+
+Wio Terminal کو ایک کیمرہ کی ضرورت ہے۔
+
+آپ جو کیمرہ استعمال کریں گے وہ [ArduCam Mini 2MP Plus](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/) ہے۔ یہ ایک 2 میگا پکسل کیمرہ ہے جو OV2640 امیج سینسر پر مبنی ہے۔ یہ SPI انٹرفیس کے ذریعے تصاویر حاصل کرتا ہے اور I
+💁 کیمرے کے وائٹ بیلنس کو ایڈجسٹ کرنے میں کچھ تصاویر لگ سکتی ہیں۔ آپ اس کا اندازہ لی گئی تصاویر کے رنگ کی بنیاد پر کریں گے، ابتدائی چند تصاویر کا رنگ مختلف ہو سکتا ہے۔ آپ ہمیشہ اس مسئلے کو حل کرنے کے لیے کوڈ میں تبدیلی کر سکتے ہیں تاکہ `setup` فنکشن میں چند تصاویر لی جائیں جو نظرانداز کی جائیں۔
+
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
new file mode 100644
index 00000000..1795aa51
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md
@@ -0,0 +1,229 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "32a1f23e7834fbe7715da8c4ebb450b9",
+  "translation_date": "2025-08-26T21:51:34+00:00",
+  "source_file": "4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md",
+  "language_code": "ur"
+}
+-->
+# تصویر کو درجہ بندی کریں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ کیمرے سے لی گئی تصویر کو Custom Vision سروس پر بھیجیں گے تاکہ اسے درجہ بندی کیا جا سکے۔
+
+## تصویر کو درجہ بندی کریں
+
+Custom Vision سروس میں ایک REST API موجود ہے جسے آپ Wio Terminal سے تصاویر کی درجہ بندی کے لیے کال کر سکتے ہیں۔ یہ REST API ایک HTTPS کنکشن کے ذریعے قابل رسائی ہے - جو کہ ایک محفوظ HTTP کنکشن ہے۔
+
+جب HTTPS endpoints کے ساتھ تعامل کرتے ہیں، تو کلائنٹ کوڈ کو اس سرور سے عوامی کلید کا سرٹیفکیٹ طلب کرنا ہوتا ہے جس تک رسائی حاصل کی جا رہی ہے، اور اس کا استعمال کرتے ہوئے بھیجی گئی ٹریفک کو انکرپٹ کرنا ہوتا ہے۔ آپ کا ویب براؤزر یہ خود بخود کرتا ہے، لیکن مائیکرو کنٹرولرز ایسا نہیں کرتے۔ آپ کو یہ سرٹیفکیٹ دستی طور پر طلب کرنا ہوگا اور اسے REST API کے ساتھ محفوظ کنکشن بنانے کے لیے استعمال کرنا ہوگا۔ یہ سرٹیفکیٹس تبدیل نہیں ہوتے، لہذا ایک بار جب آپ کے پاس سرٹیفکیٹ ہو، تو اسے آپ کی ایپلیکیشن میں ہارڈ کوڈ کیا جا سکتا ہے۔
+
+یہ سرٹیفکیٹس عوامی کلیدیں رکھتے ہیں اور انہیں محفوظ رکھنے کی ضرورت نہیں ہوتی۔ آپ انہیں اپنے سورس کوڈ میں استعمال کر سکتے ہیں اور انہیں عوامی جگہوں جیسے GitHub پر شیئر کر سکتے ہیں۔
+
+### کام - SSL کلائنٹ سیٹ اپ کریں
+
+1. `fruit-quality-detector` ایپ پروجیکٹ کھولیں اگر یہ پہلے سے کھلا نہیں ہے۔
+
+1. `config.h` ہیڈر فائل کھولیں، اور درج ذیل شامل کریں:
+
+    ```cpp
+    const char *CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    یہ *Microsoft Azure DigiCert Global Root G2 certificate* ہے - یہ ان سرٹیفکیٹس میں سے ایک ہے جو دنیا بھر میں بہت سے Azure سروسز استعمال کرتے ہیں۔
+
+    > 💁 یہ دیکھنے کے لیے کہ یہ استعمال کرنے کے لیے صحیح سرٹیفکیٹ ہے، macOS یا Linux پر درج ذیل کمانڈ چلائیں۔ اگر آپ Windows استعمال کر رہے ہیں، تو آپ یہ کمانڈ [Windows Subsystem for Linux (WSL)](https://docs.microsoft.com/windows/wsl/?WT.mc_id=academic-17441-jabenn) استعمال کرتے ہوئے چلا سکتے ہیں:
+    >
+    > ```sh
+    > openssl s_client -showcerts -verify 5 -connect api.cognitive.microsoft.com:443
+    > ```
+    >
+    > آؤٹ پٹ DigiCert Global Root G2 سرٹیفکیٹ کی فہرست دے گا۔
+
+1. `main.cpp` کھولیں اور درج ذیل include directive شامل کریں:
+
+    ```cpp
+    #include <WiFiClientSecure.h>
+    ```
+
+1. include directives کے نیچے، `WifiClientSecure` کا ایک instance ڈکلیئر کریں:
+
+    ```cpp
+    WiFiClientSecure client;
+    ```
+
+    یہ کلاس HTTPS کے ذریعے ویب endpoints کے ساتھ بات چیت کرنے کے لیے کوڈ پر مشتمل ہے۔
+
+1. `connectWiFi` میتھڈ میں، WiFiClientSecure کو DigiCert Global Root G2 سرٹیفکیٹ استعمال کرنے کے لیے سیٹ کریں:
+
+    ```cpp
+    client.setCACert(CERTIFICATE);
+    ```
+
+### کام - تصویر کو درجہ بندی کریں
+
+1. `platformio.ini` فائل میں `lib_deps` لسٹ میں درج ذیل کو ایک اضافی لائن کے طور پر شامل کریں:
+
+    ```ini
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+    یہ [ArduinoJson](https://arduinojson.org)، ایک Arduino JSON لائبریری، کو درآمد کرتا ہے، اور REST API کے JSON جواب کو ڈی کوڈ کرنے کے لیے استعمال کیا جائے گا۔
+
+1. `config.h` میں، Custom Vision سروس سے prediction URL اور Key کے لیے constants شامل کریں:
+
+    ```cpp
+    const char *PREDICTION_URL = "<PREDICTION_URL>";
+    const char *PREDICTION_KEY = "<PREDICTION_KEY>";
+    ```
+
+    `<PREDICTION_URL>` کو Custom Vision سے prediction URL کے ساتھ تبدیل کریں۔ `<PREDICTION_KEY>` کو prediction key کے ساتھ تبدیل کریں۔
+
+1. `main.cpp` میں، ArduinoJson لائبریری کے لیے ایک include directive شامل کریں:
+
+    ```cpp
+    #include <ArduinoJSON.h>
+    ```
+
+1. `main.cpp` میں، `buttonPressed` فنکشن کے اوپر درج ذیل فنکشن شامل کریں:
+
+    ```cpp
+    void classifyImage(byte *buffer, uint32_t length)
+    {
+        HTTPClient httpClient;
+        httpClient.begin(client, PREDICTION_URL);
+        httpClient.addHeader("Content-Type", "application/octet-stream");
+        httpClient.addHeader("Prediction-Key", PREDICTION_KEY);
+    
+        int httpResponseCode = httpClient.POST(buffer, length);
+    
+        if (httpResponseCode == 200)
+        {
+            String result = httpClient.getString();
+    
+            DynamicJsonDocument doc(1024);
+            deserializeJson(doc, result.c_str());
+    
+            JsonObject obj = doc.as<JsonObject>();
+            JsonArray predictions = obj["predictions"].as<JsonArray>();
+    
+            for(JsonVariant prediction : predictions) 
+            {
+                String tag = prediction["tagName"].as<String>();
+                float probability = prediction["probability"].as<float>();
+    
+                char buff[32];
+                sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+                Serial.println(buff);
+            }
+        }
+    
+        httpClient.end();
+    }
+    ```
+
+    یہ کوڈ ایک `HTTPClient` ڈکلیئر کرنے سے شروع ہوتا ہے - ایک کلاس جو REST APIs کے ساتھ تعامل کرنے کے لیے میتھڈز پر مشتمل ہے۔ پھر یہ کلائنٹ کو Azure عوامی کلید کے ساتھ سیٹ اپ کیے گئے `WiFiClientSecure` instance کا استعمال کرتے ہوئے prediction URL سے جوڑتا ہے۔
+
+    ایک بار جڑنے کے بعد، یہ headers بھیجتا ہے - REST API کے خلاف کیے جانے والے آنے والے درخواست کے بارے میں معلومات۔ `Content-Type` header اشارہ کرتا ہے کہ API کال خام بائنری ڈیٹا بھیجے گی، `Prediction-Key` header Custom Vision prediction key کو پاس کرتا ہے۔
+
+    اس کے بعد HTTP کلائنٹ پر ایک POST درخواست کی جاتی ہے، جس میں ایک byte array اپلوڈ کیا جاتا ہے۔ یہ اس وقت کیمرے سے لی گئی JPEG تصویر پر مشتمل ہوگا جب یہ فنکشن کال کیا جائے گا۔
+
+    > 💁 POST درخواستیں ڈیٹا بھیجنے اور جواب حاصل کرنے کے لیے ہوتی ہیں۔ دیگر درخواست کی اقسام جیسے GET درخواستیں ڈیٹا حاصل کرتی ہیں۔ GET درخواستیں آپ کا ویب براؤزر ویب صفحات لوڈ کرنے کے لیے استعمال کرتا ہے۔
+
+    POST درخواست ایک response status code واپس کرتی ہے۔ یہ اچھی طرح سے متعین کردہ اقدار ہیں، جن میں 200 کا مطلب **OK** ہے - POST درخواست کامیاب رہی۔
+
+    > 💁 آپ تمام response status codes کو [List of HTTP status codes page on Wikipedia](https://wikipedia.org/wiki/List_of_HTTP_status_codes) پر دیکھ سکتے ہیں۔
+
+    اگر 200 واپس کیا جاتا ہے، تو نتیجہ HTTP کلائنٹ سے پڑھا جاتا ہے۔ یہ REST API سے پیش گوئی کے نتائج کے ساتھ ایک JSON دستاویز کے طور پر ایک text response ہے۔ JSON درج ذیل فارمیٹ میں ہے:
+
+    ```jSON
+    {
+        "id":"45d614d3-7d6f-47e9-8fa2-04f237366a16",
+        "project":"135607e5-efac-4855-8afb-c93af3380531",
+        "iteration":"04f1c1fa-11ec-4e59-bb23-4c7aca353665",
+        "created":"2021-06-10T17:58:58.959Z",
+        "predictions":[
+            {
+                "probability":0.5582016,
+                "tagId":"05a432ea-9718-4098-b14f-5f0688149d64",
+                "tagName":"ripe"
+            },
+            {
+                "probability":0.44179836,
+                "tagId":"bb091037-16e5-418e-a9ea-31c6a2920f17",
+                "tagName":"unripe"
+            }
+        ]
+    }
+    ```
+
+    یہاں اہم حصہ `predictions` array ہے۔ اس میں پیش گوئیاں شامل ہیں، ہر tag کے لیے ایک entry کے ساتھ جس میں tag کا نام اور probability شامل ہے۔ واپس کی گئی probabilities 0-1 کے floating point numbers ہیں، جہاں 0 کا مطلب ہے کہ tag سے مطابقت کا 0% امکان ہے، اور 1 کا مطلب ہے کہ tag سے مطابقت کا 100% امکان ہے۔
+
+    > 💁 تصویر کے classifiers تمام tags کے لیے فیصد واپس کریں گے جو استعمال کیے گئے ہیں۔ ہر tag کے پاس اس بات کا امکان ہوگا کہ تصویر اس tag سے مطابقت رکھتی ہے۔
+
+    یہ JSON ڈی کوڈ کیا جاتا ہے، اور ہر tag کے لیے probabilities کو serial monitor پر بھیجا جاتا ہے۔
+
+1. `buttonPressed` فنکشن میں، SD کارڈ پر محفوظ کرنے والے کوڈ کو `classifyImage` کال کے ساتھ تبدیل کریں، یا اسے تصویر لکھنے کے بعد شامل کریں، لیکن **buffer کو حذف کرنے سے پہلے**:
+
+    ```cpp
+    classifyImage(buffer, length);
+    ```
+
+    > 💁 اگر آپ SD کارڈ پر محفوظ کرنے والے کوڈ کو تبدیل کرتے ہیں تو آپ اپنے کوڈ کو صاف کر سکتے ہیں اور `setupSDCard` اور `saveToSDCard` فنکشنز کو ہٹا سکتے ہیں۔
+
+1. اپنا کوڈ اپلوڈ کریں اور چلائیں۔ کیمرے کو کچھ پھلوں کی طرف اشارہ کریں اور C بٹن دبائیں۔ آپ serial monitor میں آؤٹ پٹ دیکھ سکیں گے:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+    آپ Custom Vision کے **Predictions** tab میں لی گئی تصویر اور ان اقدار کو دیکھ سکیں گے۔
+
+    ![ایک کیلا Custom Vision میں 56.8% پکا ہوا اور 43.1% کچا ہونے کی پیش گوئی کے ساتھ](../../../../../translated_images/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.ur.png)
+
+> 💁 آپ اس کوڈ کو [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا پھل معیار درجہ بندی کرنے والا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
new file mode 100644
index 00000000..2171aeb8
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md
@@ -0,0 +1,617 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2625af24587465c5547ae33d6cc000a5",
+  "translation_date": "2025-08-26T21:58:25+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/README.md",
+  "language_code": "ur"
+}
+-->
+# اپنے پھل کا ڈیٹیکٹر ایج پر چلائیں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو IoT ڈیوائسز پر امیج کلاسیفائرز چلانے کا جائزہ پیش کرتی ہے، جو اس سبق میں شامل موضوع ہے۔
+
+[![Azure IoT Edge پر Custom Vision AI](https://img.youtube.com/vi/_K5fqGLO8us/0.jpg)](https://www.youtube.com/watch?v=_K5fqGLO8us)
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/33)
+
+## تعارف
+
+پچھلے سبق میں آپ نے اپنے امیج کلاسیفائر کا استعمال کرتے ہوئے پکے اور کچے پھلوں کی شناخت کی، اور IoT ڈیوائس کے کیمرے سے لی گئی تصویر کو انٹرنیٹ کے ذریعے کلاؤڈ سروس پر بھیجا۔ یہ کالز وقت لیتی ہیں، پیسے خرچ کرتی ہیں، اور آپ کے استعمال کردہ امیج ڈیٹا کی نوعیت کے مطابق، پرائیویسی کے مسائل پیدا کر سکتی ہیں۔
+
+اس سبق میں آپ سیکھیں گے کہ مشین لرننگ (ML) ماڈلز کو ایج پر کیسے چلایا جائے - یعنی کلاؤڈ کے بجائے آپ کے اپنے نیٹ ورک پر چلنے والے IoT ڈیوائسز پر۔ آپ ایج کمپیوٹنگ کے فوائد اور نقصانات، AI ماڈل کو ایج پر ڈیپلائے کرنے کا طریقہ، اور IoT ڈیوائس سے اس تک رسائی حاصل کرنے کا طریقہ سیکھیں گے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [ایج کمپیوٹنگ](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [Azure IoT Edge](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [IoT Edge ڈیوائس رجسٹر کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [IoT Edge ڈیوائس سیٹ اپ کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [اپنا ماڈل ایکسپورٹ کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [ڈیپلائےمنٹ کے لیے اپنے کنٹینر کو تیار کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [اپنا کنٹینر ڈیپلائے کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+* [اپنے IoT Edge ڈیوائس کا استعمال کریں](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge)
+
+## ایج کمپیوٹنگ
+
+ایج کمپیوٹنگ کا مطلب ہے کہ IoT ڈیٹا کو اس جگہ کے قریب ترین کمپیوٹرز پر پروسیس کیا جائے جہاں ڈیٹا پیدا ہوتا ہے۔ اس پروسیسنگ کو کلاؤڈ میں کرنے کے بجائے، اسے کلاؤڈ کے ایج پر منتقل کیا جاتا ہے - یعنی آپ کے اندرونی نیٹ ورک پر۔
+
+![ایک آرکیٹیکچر ڈایاگرام جو کلاؤڈ میں انٹرنیٹ سروسز اور لوکل نیٹ ورک پر IoT ڈیوائسز کو دکھاتا ہے](../../../../../translated_images/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.ur.png)
+
+اب تک کے اسباق میں، آپ نے ڈیٹا جمع کرنے والے ڈیوائسز کو کلاؤڈ میں بھیجتے ہوئے دیکھا ہے تاکہ وہاں تجزیہ کیا جا سکے، اور کلاؤڈ میں سرور لیس فنکشنز یا AI ماڈلز چلائے جا سکیں۔
+
+![ایک آرکیٹیکچر ڈایاگرام جو لوکل نیٹ ورک پر IoT ڈیوائسز کو ایج ڈیوائسز سے جوڑتا ہے، اور وہ ایج ڈیوائسز کلاؤڈ سے جڑتی ہیں](../../../../../translated_images/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.ur.png)
+
+ایج کمپیوٹنگ میں کلاؤڈ سروسز کو کلاؤڈ سے ہٹا کر ان کمپیوٹرز پر منتقل کیا جاتا ہے جو IoT ڈیوائسز کے ساتھ ایک ہی نیٹ ورک پر چل رہے ہیں، اور صرف ضرورت پڑنے پر کلاؤڈ سے رابطہ کرتے ہیں۔ مثال کے طور پر، آپ ایج ڈیوائسز پر AI ماڈلز چلا سکتے ہیں تاکہ پھلوں کی پختگی کا تجزیہ کیا جا سکے، اور صرف تجزیاتی ڈیٹا کلاؤڈ کو بھیج سکتے ہیں، جیسے کہ پکے اور کچے پھلوں کی تعداد۔
+
+✅ ان IoT ایپلیکیشنز کے بارے میں سوچیں جو آپ نے اب تک بنائی ہیں۔ ان میں سے کون سے حصے ایج پر منتقل کیے جا سکتے ہیں؟
+
+### فوائد
+
+ایج کمپیوٹنگ کے فوائد درج ذیل ہیں:
+
+1. **رفتار** - ایج کمپیوٹنگ وقت کے حساس ڈیٹا کے لیے مثالی ہے کیونکہ کارروائیاں ڈیوائس کے نیٹ ورک پر ہی کی جاتی ہیں، بجائے اس کے کہ انٹرنیٹ کے ذریعے کالز کی جائیں۔ اندرونی نیٹ ورک انٹرنیٹ کنیکشنز کے مقابلے میں زیادہ تیز رفتار ہو سکتے ہیں، اور ڈیٹا کو کم فاصلے پر سفر کرنا پڑتا ہے۔
+
+    > 💁 اگرچہ انٹرنیٹ کنیکشنز کے لیے آپٹیکل کیبلز استعمال کیے جاتے ہیں جو ڈیٹا کو روشنی کی رفتار سے سفر کرنے دیتے ہیں، ڈیٹا کو کلاؤڈ پرووائیڈرز تک پہنچنے میں وقت لگ سکتا ہے۔ مثال کے طور پر، اگر آپ یورپ سے ڈیٹا امریکہ میں کلاؤڈ سروسز کو بھیج رہے ہیں، تو آپٹیکل کیبل کے ذریعے بحر اوقیانوس عبور کرنے میں کم از کم 28 ملی سیکنڈ لگتے ہیں، اور یہ وقت ڈیٹا کو کیبل تک پہنچانے، الیکٹریکل سگنلز کو روشنی میں تبدیل کرنے اور دوسری طرف دوبارہ الیکٹریکل سگنلز میں تبدیل کرنے کے وقت کو نظر انداز کرتا ہے۔
+
+    ایج کمپیوٹنگ کم نیٹ ورک ٹریفک کی ضرورت ہوتی ہے، جس سے انٹرنیٹ کنیکشن کی محدود بینڈوڈتھ پر بھیڑ کی وجہ سے ڈیٹا کے سست ہونے کا خطرہ کم ہو جاتا ہے۔
+
+1. **دور دراز رسائی** - ایج کمپیوٹنگ اس وقت کام کرتی ہے جب آپ کے پاس محدود یا کوئی کنیکٹیویٹی نہ ہو، یا کنیکٹیویٹی مسلسل استعمال کرنے کے لیے بہت مہنگی ہو۔ مثال کے طور پر، انسانی امدادی آفات کے علاقوں میں جہاں انفراسٹرکچر محدود ہے، یا ترقی پذیر ممالک میں۔
+
+1. **کم لاگت** - ڈیٹا جمع کرنے، ذخیرہ کرنے، تجزیہ کرنے، اور ایج ڈیوائس پر کارروائی کرنے سے کلاؤڈ سروسز کا استعمال کم ہو جاتا ہے، جس سے آپ کی IoT ایپلیکیشن کی مجموعی لاگت کم ہو سکتی ہے۔ حالیہ دنوں میں ایج کمپیوٹنگ کے لیے ڈیزائن کیے گئے ڈیوائسز میں اضافہ ہوا ہے، جیسے کہ [NVIDIA کا Jetson Nano](https://developer.nvidia.com/embedded/jetson-nano-developer-kit)، جو GPU پر مبنی ہارڈویئر کا استعمال کرتے ہوئے AI ورک لوڈز کو US$100 سے کم قیمت والے ڈیوائسز پر چلا سکتا ہے۔
+
+1. **پرائیویسی اور سیکیورٹی** - ایج کمپیوٹنگ کے ساتھ، ڈیٹا آپ کے نیٹ ورک پر رہتا ہے اور کلاؤڈ پر اپلوڈ نہیں ہوتا۔ یہ حساس اور ذاتی طور پر قابل شناخت معلومات کے لیے اکثر ترجیح دی جاتی ہے، خاص طور پر کیونکہ ڈیٹا کو تجزیہ کے بعد ذخیرہ کرنے کی ضرورت نہیں ہوتی، جس سے ڈیٹا لیک ہونے کا خطرہ بہت کم ہو جاتا ہے۔ مثالوں میں طبی ڈیٹا اور سیکیورٹی کیمرہ فوٹیج شامل ہیں۔
+
+1. **غیر محفوظ ڈیوائسز کا انتظام** - اگر آپ کے پاس ایسے ڈیوائسز ہیں جن میں معلوم سیکیورٹی خامیاں ہیں اور آپ انہیں اپنے نیٹ ورک یا انٹرنیٹ سے براہ راست جوڑنا نہیں چاہتے، تو آپ انہیں ایک الگ نیٹ ورک پر ایک گیٹ وے IoT Edge ڈیوائس سے جوڑ سکتے ہیں۔ یہ ایج ڈیوائس پھر آپ کے وسیع نیٹ ورک یا انٹرنیٹ سے بھی جڑ سکتا ہے، اور ڈیٹا کے بہاؤ کو آگے پیچھے منظم کر سکتا ہے۔
+
+1. **غیر مطابقت پذیر ڈیوائسز کے لیے سپورٹ** - اگر آپ کے پاس ایسے ڈیوائسز ہیں جو IoT Hub سے جڑ نہیں سکتے، جیسے کہ وہ ڈیوائسز جو صرف HTTP کنیکشنز کے ذریعے جڑ سکتے ہیں یا وہ ڈیوائسز جن کے پاس صرف بلوٹوتھ کنیکشن ہے، تو آپ IoT Edge ڈیوائس کو گیٹ وے ڈیوائس کے طور پر استعمال کر سکتے ہیں، جو پیغامات کو IoT Hub تک پہنچاتا ہے۔
+
+✅ تحقیق کریں: ایج کمپیوٹنگ کے اور کون سے فوائد ہو سکتے ہیں؟
+
+### نقصانات
+
+ایج کمپیوٹنگ کے نقصانات ہیں، جہاں کلاؤڈ ایک ترجیحی آپشن ہو سکتا ہے:
+
+1. **پیمائش اور لچک** - کلاؤڈ کمپیوٹنگ نیٹ ورک اور ڈیٹا کی ضروریات کے مطابق حقیقی وقت میں وسائل کو بڑھا یا کم کر سکتی ہے۔ مزید ایج کمپیوٹرز شامل کرنے کے لیے دستی طور پر مزید ڈیوائسز شامل کرنا پڑتا ہے۔
+
+1. **قابل اعتماد اور لچکدار** - کلاؤڈ کمپیوٹنگ متعدد سرورز فراہم کرتی ہے، اکثر متعدد مقامات پر، ریڈنڈنسی اور آفات سے بحالی کے لیے۔ ایج پر اسی سطح کی ریڈنڈنسی حاصل کرنے کے لیے بڑے سرمایہ کاری اور بہت زیادہ کنفیگریشن کام کی ضرورت ہوتی ہے۔
+
+1. **نگہداشت** - کلاؤڈ سروس پرووائیڈرز سسٹم کی نگہداشت اور اپڈیٹس فراہم کرتے ہیں۔
+
+✅ تحقیق کریں: ایج کمپیوٹنگ کے اور کون سے نقصانات ہو سکتے ہیں؟
+
+نقصانات کلاؤڈ کے فوائد کے بالکل برعکس ہیں - آپ کو ان ڈیوائسز کو خود بنانا اور منظم کرنا پڑتا ہے، بجائے اس کے کہ کلاؤڈ پرووائیڈرز کی مہارت اور پیمائش پر انحصار کریں۔
+
+کچھ خطرات ایج کمپیوٹنگ کی نوعیت کی وجہ سے کم ہو جاتے ہیں۔ مثال کے طور پر، اگر آپ کے پاس ایک ایج ڈیوائس فیکٹری میں چل رہا ہے جو مشینری سے ڈیٹا جمع کر رہا ہے، تو آپ کو کچھ آفات سے بحالی کے منظرناموں کے بارے میں سوچنے کی ضرورت نہیں ہے۔ اگر فیکٹری کی بجلی چلی جاتی ہے تو آپ کو بیک اپ ایج ڈیوائس کی ضرورت نہیں ہوتی کیونکہ وہ مشینیں جو ڈیٹا پیدا کرتی ہیں، جسے ایج ڈیوائس پروسیس کرتا ہے، بھی بجلی کے بغیر ہوں گی۔
+
+IoT سسٹمز کے لیے، آپ اکثر کلاؤڈ اور ایج کمپیوٹنگ کا امتزاج چاہتے ہیں، ہر سروس کو سسٹم، اس کے صارفین، اور اس کے منتظمین کی ضروریات کے مطابق استعمال کرتے ہوئے۔
+
+## Azure IoT Edge
+
+![Azure IoT Edge کا لوگو](../../../../../translated_images/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.ur.png)
+
+Azure IoT Edge ایک سروس ہے جو آپ کو ورک لوڈز کو کلاؤڈ سے ایج پر منتقل کرنے میں مدد دیتی ہے۔ آپ ایک ڈیوائس کو ایج ڈیوائس کے طور پر سیٹ اپ کرتے ہیں، اور کلاؤڈ سے اس ایج ڈیوائس پر کوڈ ڈیپلائے کر سکتے ہیں۔ یہ آپ کو کلاؤڈ اور ایج کی صلاحیتوں کو ملانے کی اجازت دیتا ہے۔
+
+> 🎓 *ورک لوڈز* کسی بھی سروس کے لیے استعمال ہونے والی اصطلاح ہے جو کسی قسم کا کام کرتی ہے، جیسے کہ AI ماڈلز، ایپلیکیشنز، یا سرور لیس فنکشنز۔
+
+مثال کے طور پر، آپ کلاؤڈ میں ایک امیج کلاسیفائر کو ٹرین کر سکتے ہیں، پھر کلاؤڈ سے اسے ایج ڈیوائس پر ڈیپلائے کر سکتے ہیں۔ آپ کا IoT ڈیوائس پھر امیجز کو کلاسیفیکیشن کے لیے ایج ڈیوائس پر بھیجتا ہے، بجائے اس کے کہ امیجز کو انٹرنیٹ کے ذریعے بھیجا جائے۔ اگر آپ کو ماڈل کا نیا ورژن ڈیپلائے کرنے کی ضرورت ہو، تو آپ اسے کلاؤڈ میں ٹرین کر سکتے ہیں اور IoT Edge کا استعمال کرتے ہوئے ایج ڈیوائس پر ماڈل کو اپڈیٹ کر سکتے ہیں۔
+
+> 🎓 وہ سافٹ ویئر جو IoT Edge پر ڈیپلائے کیا جاتا ہے اسے *ماڈیولز* کہا جاتا ہے۔ ڈیفالٹ طور پر IoT Edge ایسے ماڈیولز چلاتا ہے جو IoT Hub کے ساتھ بات چیت کرتے ہیں، جیسے کہ `edgeAgent` اور `edgeHub` ماڈیولز۔ جب آپ ایک امیج کلاسیفائر ڈیپلائے کرتے ہیں، تو یہ ایک اضافی ماڈیول کے طور پر ڈیپلائے کیا جاتا ہے۔
+
+IoT Edge IoT Hub میں بنایا گیا ہے، لہذا آپ ایج ڈیوائسز کو اسی سروس کا استعمال کرتے ہوئے منظم کر سکتے ہیں جو آپ IoT ڈیوائسز کو منظم کرنے کے لیے استعمال کرتے ہیں، اسی سطح کی سیکیورٹی کے ساتھ۔
+
+IoT Edge کو *کنٹینرز* سے کوڈ چلانے کے لیے استعمال کیا جاتا ہے - خود مختار ایپلیکیشنز جو آپ کے کمپیوٹر پر موجود دیگر ایپلیکیشنز سے الگ تھلگ چلائی جاتی ہیں۔ جب آپ ایک کنٹینر چلاتے ہیں، تو یہ آپ کے کمپیوٹر کے اندر ایک الگ کمپیوٹر کی طرح کام کرتا ہے، جس میں اپنا سافٹ ویئر، سروسز، اور ایپلیکیشنز چل رہی ہوتی ہیں۔ زیادہ تر وقت کنٹینرز آپ کے کمپیوٹر پر کسی چیز تک رسائی حاصل نہیں کر سکتے جب تک کہ آپ کسی چیز کو، جیسے کہ ایک فولڈر، کنٹینر کے ساتھ شیئر کرنے کا انتخاب نہ کریں۔ کنٹینر پھر ایک کھلے پورٹ کے ذریعے سروسز کو ظاہر کرتا ہے جس سے آپ جڑ سکتے ہیں یا اپنے نیٹ ورک پر ظاہر کر سکتے ہیں۔
+
+![ایک ویب درخواست کو کنٹینر کی طرف ری ڈائریکٹ کیا جا رہا ہے](../../../../../translated_images/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.ur.png)
+
+مثال کے طور پر، آپ کے پاس ایک کنٹینر ہو سکتا ہے جس میں ایک ویب سائٹ پورٹ 80 پر چل رہی ہو، جو ڈیفالٹ HTTP پورٹ ہے، اور آپ اسے اپنے کمپیوٹر سے بھی پورٹ 80 پر ظاہر کر سکتے ہیں۔
+
+✅ تحقیق کریں: کنٹینرز اور Docker یا Moby جیسی سروسز کے بارے میں پڑھیں۔
+
+آپ Custom Vision کا استعمال کرتے ہوئے امیج کلاسیفائرز کو ڈاؤنلوڈ کر سکتے ہیں اور انہیں کنٹینرز کے طور پر ڈیپلائے کر سکتے ہیں، یا تو براہ راست ڈیوائس پر چلانے کے لیے یا IoT Edge کے ذریعے ڈیپلائے کرنے کے لیے۔ ایک بار جب وہ کنٹینر میں چل رہے ہوں، تو انہیں اسی REST API کا استعمال کرتے ہوئے رسائی حاصل کی جا سکتی ہے جو کلاؤڈ ورژن کے لیے استعمال ہوتی ہے، لیکن ایج ڈیوائس پر چلنے والے کنٹینر کی طرف اشارہ کرتے ہوئے۔
+
+## IoT Edge ڈیوائس رجسٹر کریں
+
+IoT Edge ڈیوائس استعمال کرنے کے لیے، اسے IoT Hub میں رجسٹر کرنا ضروری ہے۔
+
+### کام - IoT Edge ڈیوائس رجسٹر کریں
+
+1. `fruit-quality-detector` ریسورس گروپ میں ایک IoT Hub بنائیں۔ اسے `fruit-quality-detector` پر مبنی ایک منفرد نام دیں۔
+
+1. اپنے IoT Hub میں `fruit-quality-detector-edge` نامی ایک IoT Edge ڈیوائس رجسٹر کریں۔ یہ کمانڈ ایک غیر ایج ڈیوائس رجسٹر کرنے کے لیے استعمال ہونے والے کمانڈ سے ملتی جلتی ہے، سوائے اس کے کہ آپ `--edge-enabled` فلیگ پاس کرتے ہیں۔
+
+    ```sh
+    az iot hub device-identity create --edge-enabled \
+                                      --device-id fruit-quality-detector-edge \
+                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+1. اپنے ڈیوائس کے لیے کنکشن اسٹرنگ حاصل کرنے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az iot hub device-identity connection-string show --device-id fruit-quality-detector-edge \
+                                                      --output table \
+                                                      --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+    آؤٹ پٹ میں دکھائی گئی کنکشن اسٹرنگ کی ایک کاپی لے لیں۔
+
+## IoT Edge ڈیوائس سیٹ اپ کریں
+
+ایک بار جب آپ نے اپنے IoT Hub میں ایج ڈیوائس رجسٹریشن بنا لی، تو آپ ایج ڈیوائس سیٹ اپ کر سکتے ہیں۔
+
+### کام - IoT Edge رن ٹائم انسٹال کریں اور شروع کریں
+
+**IoT Edge رن ٹائم صرف لینکس کنٹینرز چلاتا ہے۔** یہ لینکس پر چلایا جا سکتا ہے، یا ونڈوز پر لینکس ورچوئل مشینز کا استعمال کرتے ہوئے۔
+
+* اگر آپ Raspberry Pi کو اپنے IoT ڈیوائس کے طور پر استعمال کر رہے ہیں، تو یہ لینکس کا ایک سپورٹ شدہ ورژن چلاتا ہے اور IoT Edge رن ٹائم کی میزبانی کر سکتا ہے۔ [Microsoft Docs پر لینکس کے لیے Azure IoT Edge انسٹال کرنے کی گائیڈ](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) کو فالو کریں تاکہ IoT Edge انسٹال کریں اور کنکشن اسٹرنگ سیٹ کریں۔
+
+    > 💁 یاد رکھیں، Raspberry Pi OS Debian لینکس کا ایک ورژن ہے۔
+
+* اگر آپ Raspberry Pi استعمال نہیں کر رہے ہیں، لیکن آپ کے پاس ایک لینکس کمپیوٹر ہے، تو آپ IoT Edge رن ٹائم چلا سکتے ہیں۔ [Microsoft Docs پر لینکس کے لیے Azure IoT Edge انسٹال کرنے کی گائیڈ](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge?WT.mc_id=academic-17441-jabenn) کو فالو کریں تاکہ IoT Edge انسٹال کریں اور کنکشن اسٹرنگ سیٹ کریں۔
+
+* اگر آپ ونڈوز استعمال کر رہے ہیں، تو آپ لینکس ورچوئل مشین میں IoT Edge رن ٹائم انسٹال کر سکتے ہیں۔ [Microsoft Docs پر ونڈوز ڈیوائس پر IoT Edge ماڈیول ڈیپلائے کرنے کے لیے کوئیک اسٹارٹ](https://docs.microsoft.com/azure/iot-edge/quickstart?WT.mc_id=academic-17441-jabenn#install-and-start-the-iot-edge-runtime) کے *Install and start the IoT
+1. [CustomVision.ai](https://customvision.ai) پر Custom Vision پورٹل لانچ کریں اور سائن ان کریں اگر آپ نے پہلے سے اسے کھولا نہیں ہے۔ پھر اپنے `fruit-quality-detector` پروجیکٹ کو کھولیں۔
+
+1. **Settings** بٹن (⚙ آئیکن) کو منتخب کریں۔
+
+1. *Domains* کی فہرست میں، *Food (compact)* کو منتخب کریں۔
+
+1. *Export Capabilities* کے تحت، یقینی بنائیں کہ *Basic platforms (Tensorflow, CoreML, ONNX, ...)* منتخب ہے۔
+
+1. Settings صفحے کے نیچے **Save Changes** کو منتخب کریں۔
+
+1. ماڈل کو **Train** بٹن کے ذریعے دوبارہ تربیت دیں، اور *Quick training* کو منتخب کریں۔
+
+### کام - اپنے ماڈل کو ایکسپورٹ کریں
+
+جب ماڈل تربیت یافتہ ہو جائے، تو اسے ایک کنٹینر کے طور پر ایکسپورٹ کرنے کی ضرورت ہوگی۔
+
+1. **Performance** ٹیب کو منتخب کریں، اور اپنی تازہ ترین iteration کو تلاش کریں جو compact domain استعمال کرتے ہوئے تربیت یافتہ تھی۔
+
+1. اوپر **Export** بٹن کو منتخب کریں۔
+
+1. **DockerFile** کو منتخب کریں، پھر ایک ورژن منتخب کریں جو آپ کے edge device سے مطابقت رکھتا ہو:
+
+    * اگر آپ IoT Edge کو لینکس کمپیوٹر، ونڈوز کمپیوٹر یا ورچوئل مشین پر چلا رہے ہیں، تو *Linux* ورژن منتخب کریں۔
+    * اگر آپ IoT Edge کو Raspberry Pi پر چلا رہے ہیں، تو *ARM (Raspberry Pi 3)* ورژن منتخب کریں۔
+
+> 🎓 Docker کنٹینرز کو منظم کرنے کے لیے سب سے زیادہ مقبول ٹولز میں سے ایک ہے، اور DockerFile کنٹینر کو سیٹ اپ کرنے کے لیے ہدایات کا ایک مجموعہ ہے۔
+
+1. **Export** کو منتخب کریں تاکہ Custom Vision متعلقہ فائلیں بنائے، پھر **Download** کو منتخب کریں تاکہ انہیں zip فائل میں ڈاؤنلوڈ کریں۔
+
+1. فائلوں کو اپنے کمپیوٹر پر محفوظ کریں، پھر فولڈر کو ان زپ کریں۔
+
+## اپنے کنٹینر کو تعیناتی کے لیے تیار کریں
+
+![کنٹینرز بنائے جاتے ہیں، پھر کنٹینر رجسٹری میں دھکیلے جاتے ہیں، پھر IoT Edge کے ذریعے edge device پر تعینات کیے جاتے ہیں](../../../../../translated_images/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.ur.png)
+
+جب آپ نے اپنا ماڈل ڈاؤنلوڈ کر لیا ہو، تو اسے ایک کنٹینر میں بنایا جانا چاہیے، پھر ایک کنٹینر رجسٹری میں دھکیلا جانا چاہیے - ایک آن لائن مقام جہاں آپ کنٹینرز کو ذخیرہ کر سکتے ہیں۔ IoT Edge پھر رجسٹری سے کنٹینر کو ڈاؤنلوڈ کر سکتا ہے اور اسے آپ کے ڈیوائس پر دھکیل سکتا ہے۔
+
+![Azure Container Registry کا لوگو](../../../../../translated_images/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.ur.png)
+
+اس سبق کے لیے آپ جو کنٹینر رجسٹری استعمال کریں گے وہ Azure Container Registry ہے۔ یہ ایک مفت سروس نہیں ہے، لہذا پیسے بچانے کے لیے یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../../../clean-up.md) جب آپ کام ختم کر لیں۔
+
+> 💁 آپ Azure Container Registry استعمال کرنے کے اخراجات [Azure Container Registry pricing page](https://azure.microsoft.com/pricing/details/container-registry/?WT.mc_id=academic-17441-jabenn) پر دیکھ سکتے ہیں۔
+
+### کام - Docker انسٹال کریں
+
+classifier کو بنانے اور تعینات کرنے کے لیے، آپ کو [Docker](https://www.docker.com/) انسٹال کرنے کی ضرورت ہو سکتی ہے۔
+
+آپ کو صرف اس وقت ایسا کرنے کی ضرورت ہوگی اگر آپ اپنے کنٹینر کو اس ڈیوائس سے مختلف ڈیوائس پر بنانا چاہتے ہیں جس پر آپ نے IoT Edge انسٹال کیا ہے - IoT Edge انسٹال کرنے کے حصے کے طور پر، Docker آپ کے لیے انسٹال کیا جاتا ہے۔
+
+1. اگر آپ Docker کنٹینر کو اپنے IoT Edge ڈیوائس سے مختلف ڈیوائس پر بنا رہے ہیں، تو [Docker install page](https://www.docker.com/products/docker-desktop) پر Docker Desktop یا Docker engine انسٹال کرنے کی ہدایات پر عمل کریں۔ انسٹالیشن کے بعد یقینی بنائیں کہ یہ چل رہا ہے۔
+
+### کام - کنٹینر رجسٹری ریسورس بنائیں
+
+1. اپنے ٹرمینل یا کمانڈ پرامپٹ سے درج ذیل کمانڈ چلائیں تاکہ Azure Container Registry ریسورس بنائیں:
+
+    ```sh
+    az acr create --resource-group fruit-quality-detector \
+                  --sku Basic \
+                  --name <Container registry name>
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے لیے ایک منفرد نام سے تبدیل کریں، صرف حروف اور نمبروں کا استعمال کریں۔ اسے `fruitqualitydetector` کے ارد گرد بنائیں۔ یہ نام کنٹینر رجسٹری تک رسائی کے URL کا حصہ بن جاتا ہے، لہذا یہ عالمی طور پر منفرد ہونا چاہیے۔
+
+1. درج ذیل کمانڈ کے ساتھ Azure Container Registry میں لاگ ان کریں:
+
+    ```sh
+    az acr login --name <Container registry name>
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+1. کنٹینر رجسٹری کو ایڈمن موڈ میں سیٹ کریں تاکہ آپ پاس ورڈ جنریٹ کر سکیں، درج ذیل کمانڈ کے ساتھ:
+
+    ```sh
+    az acr update --admin-enabled true \
+                 --name <Container registry name>
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+1. درج ذیل کمانڈ کے ساتھ اپنے کنٹینر رجسٹری کے لیے پاس ورڈز جنریٹ کریں:
+
+    ```sh
+     az acr credential renew --password-name password \
+                             --output table \
+                             --name <Container registry name>
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+    `PASSWORD` کی ویلیو کاپی کریں، کیونکہ آپ کو یہ بعد میں ضرورت ہوگی۔
+
+### کام - اپنے کنٹینر کو بنائیں
+
+جو آپ نے Custom Vision سے ڈاؤنلوڈ کیا وہ ایک DockerFile تھا جس میں کنٹینر کو بنانے کے لیے ہدایات شامل تھیں، ساتھ ہی ایپلیکیشن کوڈ جو کنٹینر کے اندر چلایا جائے گا تاکہ آپ کے Custom Vision ماڈل کو ہوسٹ کیا جا سکے، اور ایک REST API جسے کال کیا جا سکے۔ آپ Docker کا استعمال کرتے ہوئے DockerFile سے ایک ٹیگ شدہ کنٹینر بنا سکتے ہیں، پھر اسے اپنی کنٹینر رجسٹری میں دھکیل سکتے ہیں۔
+
+> 🎓 کنٹینرز کو ایک ٹیگ دیا جاتا ہے جو ان کے نام اور ورژن کو بیان کرتا ہے۔ جب آپ کو کنٹینر کو اپ ڈیٹ کرنے کی ضرورت ہو تو آپ اسے اسی ٹیگ کے ساتھ لیکن ایک نئے ورژن کے ساتھ بنا سکتے ہیں۔
+
+1. اپنے ٹرمینل یا کمانڈ پرامپٹ کو کھولیں اور Custom Vision سے ڈاؤنلوڈ کیے گئے ان زپ شدہ ماڈل پر جائیں۔
+
+1. درج ذیل کمانڈ چلائیں تاکہ امیج کو بنائیں اور ٹیگ کریں:
+
+    ```sh
+    docker build --platform <platform> -t <Container registry name>.azurecr.io/classifier:v1 .
+    ```
+
+    `<platform>` کو اس پلیٹ فارم سے تبدیل کریں جس پر یہ کنٹینر چلایا جائے گا۔ اگر آپ IoT Edge کو Raspberry Pi پر چلا رہے ہیں، تو اسے `linux/armhf` پر سیٹ کریں، ورنہ اسے `linux/amd64` پر سیٹ کریں۔
+
+    > 💁 اگر آپ یہ کمانڈ اس ڈیوائس سے چلا رہے ہیں جس پر آپ IoT Edge چلا رہے ہیں، جیسے کہ Raspberry Pi سے، تو آپ `--platform <platform>` حصہ کو چھوڑ سکتے ہیں کیونکہ یہ ڈیفالٹ طور پر موجودہ پلیٹ فارم پر سیٹ ہوتا ہے۔
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+    > 💁 اگر آپ لینکس یا Raspberry Pi OS پر چل رہے ہیں تو آپ کو یہ کمانڈ چلانے کے لیے `sudo` استعمال کرنے کی ضرورت ہو سکتی ہے۔
+
+    Docker امیج کو بنائے گا، تمام ضروری سافٹ ویئر کو کنفیگر کرے گا۔ امیج کو پھر `classifier:v1` کے طور پر ٹیگ کیا جائے گا۔
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker build --platform linux/amd64 -t  fruitqualitydetectorjimb.azurecr.io/classifier:v1 .
+    [+] Building 102.4s (11/11) FINISHED
+     => [internal] load build definition from Dockerfile
+     => => transferring dockerfile: 131B
+     => [internal] load .dockerignore
+     => => transferring context: 2B
+     => [internal] load metadata for docker.io/library/python:3.7-slim
+     => [internal] load build context
+     => => transferring context: 905B
+     => [1/6] FROM docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => resolve docker.io/library/python:3.7-slim@sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6
+     => => sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda 27.15MB / 27.15MB
+     => => sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9 2.77MB / 2.77MB
+     => => sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8 10.06MB / 10.06MB
+     => => sha256:b21b91c9618e951a8cbca5b696424fa5e820800a88b7e7afd66bba0441a764d6 1.86kB / 1.86kB
+     => => sha256:44073386687709c437586676b572ff45128ff1f1570153c2f727140d4a9accad 1.37kB / 1.37kB
+     => => sha256:3d94f0f2ca798607808b771a7766f47ae62a26f820e871dd488baeccc69838d1 8.31kB / 8.31kB
+     => => sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41 233B / 233B
+     => => sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f 2.64MB / 2.64MB
+     => => extracting sha256:b4d181a07f8025e00e0cb28f1cc14613da2ce26450b80c54aea537fa93cf3bda
+     => => extracting sha256:de8ecf497b753094723ccf9cea8a46076e7cb845f333df99a6f4f397c93c6ea9
+     => => extracting sha256:707b80804672b7c5d8f21e37c8396f319151e1298d976186b4f3b76ead9f10c8
+     => => extracting sha256:283715715396fd56d0e90355125fd4ec57b4f0773f306fcd5fa353b998beeb41
+     => => extracting sha256:8353afd48f6b84c3603ea49d204bdcf2a1daada15f5d6cad9cc916e186610a9f
+     => [2/6] RUN pip install -U pip
+     => [3/6] RUN pip install --no-cache-dir numpy~=1.17.5 tensorflow~=2.0.2 flask~=1.1.2 pillow~=7.2.0
+     => [4/6] RUN pip install --no-cache-dir mscviplib==2.200731.16
+     => [5/6] COPY app /app
+     => [6/6] WORKDIR /app
+     => exporting to image
+     => => exporting layers
+     => => writing image sha256:1846b6f134431f78507ba7c079358ed66d944c0e185ab53428276bd822400386
+     => => naming to fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    ```
+
+### کام - اپنے کنٹینر کو اپنی کنٹینر رجسٹری میں دھکیلیں
+
+1. درج ذیل کمانڈ کا استعمال کرتے ہوئے اپنے کنٹینر کو اپنی کنٹینر رجسٹری میں دھکیلیں:
+
+    ```sh
+    docker push <Container registry name>.azurecr.io/classifier:v1
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+    > 💁 اگر آپ لینکس پر چل رہے ہیں تو آپ کو یہ کمانڈ چلانے کے لیے `sudo` استعمال کرنے کی ضرورت ہو سکتی ہے۔
+
+    کنٹینر کو کنٹینر رجسٹری میں دھکیل دیا جائے گا۔
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux docker push fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    The push refers to repository [fruitqualitydetectorjimb.azurecr.io/classifier]
+    5f70bf18a086: Pushed 
+    8a1ba9294a22: Pushed 
+    56cf27184a76: Pushed 
+    b32154f3f5dd: Pushed 
+    36103e9a3104: Pushed 
+    e2abb3cacca0: Pushed 
+    4213fd357bbe: Pushed 
+    7ea163ba4dce: Pushed 
+    537313a13d90: Pushed 
+    764055ebc9a7: Pushed 
+    v1: digest: sha256:ea7894652e610de83a5a9e429618e763b8904284253f4fa0c9f65f0df3a5ded8 size: 2423
+    ```
+
+1. دھکیلنے کی تصدیق کرنے کے لیے، آپ درج ذیل کمانڈ کے ساتھ اپنی رجسٹری میں کنٹینرز کی فہرست دیکھ سکتے ہیں:
+
+    ```sh
+    az acr repository list --output table \
+                           --name <Container registry name> 
+    ```
+
+    `<Container registry name>` کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔
+
+    ```output
+    ➜  d4ccc45da0bb478bad287128e1274c3c.DockerFile.Linux az acr repository list --name fruitqualitydetectorjimb --output table
+    Result
+    ----------
+    classifier
+    ```
+
+    آپ اپنی classifier کو آؤٹ پٹ میں درج دیکھیں گے۔
+
+## اپنے کنٹینر کو تعینات کریں
+
+آپ کا کنٹینر اب آپ کے IoT Edge ڈیوائس پر تعینات کیا جا سکتا ہے۔ تعینات کرنے کے لیے آپ کو ایک deployment manifest کی وضاحت کرنی ہوگی - ایک JSON دستاویز جو edge device پر تعینات کیے جانے والے modules کی فہرست دیتی ہے۔
+
+### کام - deployment manifest بنائیں
+
+1. اپنے کمپیوٹر پر کہیں ایک نئی فائل بنائیں جس کا نام `deployment.json` ہو۔
+
+1. اس فائل میں درج ذیل شامل کریں:
+
+    ```json
+    {
+        "content": {
+            "modulesContent": {
+                "$edgeAgent": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "runtime": {
+                            "type": "docker",
+                            "settings": {
+                                "minDockerVersion": "v1.25",
+                                "loggingOptions": "",
+                                "registryCredentials": {
+                                    "ClassifierRegistry": {
+                                        "username": "<Container registry name>",
+                                        "password": "<Container registry password>",
+                                        "address": "<Container registry name>.azurecr.io"
+                                      }
+                                }
+                            }
+                        },
+                        "systemModules": {
+                            "edgeAgent": {
+                                "type": "docker",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-agent:1.1",
+                                    "createOptions": "{}"
+                                }
+                            },
+                            "edgeHub": {
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "mcr.microsoft.com/azureiotedge-hub:1.1",
+                                    "createOptions": "{\"HostConfig\":{\"PortBindings\":{\"5671/tcp\":[{\"HostPort\":\"5671\"}],\"8883/tcp\":[{\"HostPort\":\"8883\"}],\"443/tcp\":[{\"HostPort\":\"443\"}]}}}"
+                                }
+                            }
+                        },
+                        "modules": {
+                            "ImageClassifier": {
+                                "version": "1.0",
+                                "type": "docker",
+                                "status": "running",
+                                "restartPolicy": "always",
+                                "settings": {
+                                    "image": "<Container registry name>.azurecr.io/classifier:v1",
+                                    "createOptions": "{\"ExposedPorts\": {\"80/tcp\": {}},\"HostConfig\": {\"PortBindings\": {\"80/tcp\": [{\"HostPort\": \"80\"}]}}}"
+                                }
+                            }
+                        }
+                    }
+                },
+                "$edgeHub": {
+                    "properties.desired": {
+                        "schemaVersion": "1.1",
+                        "routes": {
+                            "upstream": "FROM /messages/* INTO $upstream"
+                        },
+                        "storeAndForwardConfiguration": {
+                            "timeToLiveSecs": 7200
+                        }
+                    }
+                }
+            }
+        }
+    }
+    ```
+
+    > 💁 آپ اس فائل کو [code-deployment/deployment](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-deployment/deployment) فولڈر میں تلاش کر سکتے ہیں۔
+
+    `<Container registry name>` کے تین instances کو اپنے کنٹینر رجسٹری کے نام سے تبدیل کریں۔ ایک `ImageClassifier` module سیکشن میں ہے، اور دیگر دو `registryCredentials` سیکشن میں ہیں۔
+
+    `registryCredentials` سیکشن میں `<Container registry password>` کو اپنے کنٹینر رجسٹری پاس ورڈ سے تبدیل کریں۔
+
+1. اپنی deployment manifest کو شامل کرنے والے فولڈر سے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az iot edge set-modules --device-id fruit-quality-detector-edge \
+                            --content deployment.json \
+                            --hub-name <hub_name>
+    ```
+
+    `<hub_name>` کو اپنے IoT Hub کے نام سے تبدیل کریں۔
+
+    امیج classifier module آپ کے edge device پر تعینات کیا جائے گا۔
+
+### کام - classifier کے چلنے کی تصدیق کریں
+
+1. IoT edge device سے جڑیں:
+
+    * اگر آپ Raspberry Pi کا استعمال کرتے ہوئے IoT Edge چلا رہے ہیں، تو ssh کے ذریعے اپنے ٹرمینل سے جڑیں، یا VS Code میں ایک remote SSH سیشن کے ذریعے جڑیں۔
+    * اگر آپ IoT Edge کو لینکس کنٹینر میں ونڈوز پر چلا رہے ہیں، تو [verify successful configuration guide](https://docs.microsoft.com/azure/iot-edge/how-to-install-iot-edge-on-windows?WT.mc_id=academic-17441-jabenn&view=iotedge-2018-06&tabs=powershell#verify-successful-configuration) میں دیے گئے مراحل پر عمل کریں تاکہ IoT Edge ڈیوائس سے جڑ سکیں۔
+    * اگر آپ IoT Edge کو ورچوئل مشین پر چلا رہے ہیں، تو آپ مشین میں ssh کر سکتے ہیں، `adminUsername` اور `password` کا استعمال کرتے ہوئے جو آپ نے VM بناتے وقت سیٹ کیا تھا، اور IP ایڈریس یا DNS نام کا استعمال کرتے ہوئے:
+
+        ```sh
+        ssh <adminUsername>@<IP address>
+        ```
+
+        یا:
+
+        ```sh
+        ssh <adminUsername>@<DNS Name>
+        ```
+
+        جب پاس ورڈ پوچھا جائے تو اسے درج کریں۔
+
+1. ایک بار جب آپ جڑ جائیں، تو IoT Edge modules کی فہرست حاصل کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    iotedge list
+    ```
+
+    > 💁 آپ کو یہ کمانڈ `sudo` کے ساتھ چلانے کی ضرورت ہو سکتی ہے۔
+
+    آپ چلنے والے modules دیکھیں گے:
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge list
+    NAME             STATUS           DESCRIPTION      CONFIG
+    ImageClassifier  running          Up 42 minutes    fruitqualitydetectorjimb.azurecr.io/classifier:v1
+    edgeAgent        running          Up 42 minutes    mcr.microsoft.com/azureiotedge-agent:1.1
+    edgeHub          running          Up 42 minutes    mcr.microsoft.com/azureiotedge-hub:1.1
+    ```
+
+1. Image classifier module کے logs چیک کریں درج ذیل کمانڈ کے ساتھ:
+
+    ```sh
+    iotedge logs ImageClassifier
+    ```
+
+    > 💁 آپ کو یہ کمانڈ `sudo` کے ساتھ چلانے کی ضرورت ہو سکتی ہے۔
+
+    ```output
+    jim@fruit-quality-detector-jimb:~$ iotedge logs ImageClassifier
+    2021-07-05 20:30:15.387144: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
+    2021-07-05 20:30:15.392185: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 2394450000 Hz
+    2021-07-05 20:30:15.392712: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x55ed9ac83470 executing computations on platform Host. Devices:
+    2021-07-05 20:30:15.392806: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
+    Loading model...Success!
+    Loading labels...2 found. Success!
+     * Serving Flask app "app" (lazy loading)
+     * Environment: production
+       WARNING: This is a development server. Do not use it in a production deployment.
+       Use a production WSGI server instead.
+     * Debug mode: off
+     * Running on http://0.0.0.0:80/ (Press CTRL+C to quit)
+    ```
+
+### کام - image classifier کو ٹیسٹ کریں
+
+1. آپ CURL کا استعمال کرتے ہوئے image classifier کو IoT Edge agent چلانے والے کمپیوٹر کے IP ایڈریس یا host name کے ذریعے ٹیسٹ کر سکتے ہیں۔ IP ایڈریس تلاش کریں:
+
+    * اگر آپ اسی مشین پر ہیں جس پر IoT Edge چل رہا ہے، تو آپ `localhost` کو host name کے طور پر استعمال کر سکتے ہیں۔
+    * اگر آپ VM استعمال کر رہے ہیں، تو آپ VM کے IP ایڈریس یا DNS نام کو استعمال کر سکتے ہیں۔
+    * ورنہ آپ IoT Edge چلانے والے کمپیوٹر کا IP ایڈریس حاصل کر سکتے ہیں:
+      * ونڈوز 10 پر، [find your IP address guide](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn) پر عمل کریں۔
+      * macOS پر، [how to find you IP address on a Mac guide](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac) پر عمل کریں۔
+      * لینکس پر، [how to find your IP address in Linux guide](https://opensource.com/article/18/5/how-find-ip-address-linux) میں private IP ایڈریس تلاش کرنے کے سیکشن پر عمل کریں۔
+
+1. آپ درج ذیل curl کمانڈ چلا کر کنٹینر کو ایک لوکل فائل کے ساتھ ٹیسٹ کر سکتے ہیں:
+
+    ```sh
+    curl --location \
+         --request POST 'http://<IP address or name>/image' \
+         --header 'Content-Type: image/png' \
+         --data-binary '@<file_Name>' 
+    ```
+
+    `<IP address or name>` کو IoT Edge چلانے والے کمپیوٹر کے IP ایڈریس یا host name سے تبدیل کریں۔ `<file_Name>` کو ٹیسٹ کرنے کے لیے فائل کے نام سے تبدیل کریں۔
+
+    آپ آؤٹ پٹ میں prediction results دیکھیں گے:
+
+    ```output
+    {
+        "created": "2021-07-05T21:44:39.573181",
+        "id": "",
+        "iteration": "",
+        "predictions": [
+            {
+                "boundingBox": null,
+                "probability": 0.9995615482330322,
+                "tagId": "",
+                "tagName": "ripe"
+            },
+            {
+                "boundingBox": null,
+                "probability": 0.0004384400090202689,
+                "tagId": "",
+                "tagName": "unripe"
+            }
+        ],
+        "project": ""
+    }
+    ```
+
+    > 💁 یہاں prediction key فراہم کرنے کی ضرورت نہیں ہے، کیونکہ یہ Azure resource استعمال نہیں کر رہا ہے۔ اس کے بجائے سیکیورٹی کو اندرونی نیٹ ورک پر اندرونی سیکیورٹی ضروریات کے مطابق کنفیگر کیا جائے گا، بجائے اس کے کہ ایک public endpoint اور API key پر انحصار کیا جائے۔
+
+## اپنے IoT Edge ڈیوائس کا استعمال کریں
+
+اب جب کہ آپ کا Image Classifier IoT Edge ڈیوائس پر تعینات ہو گیا ہے، آپ اسے اپنے IoT ڈیوائس سے استعمال کر سکتے ہیں۔
+
+### کام - اپنے IoT Edge ڈیوائس کا استعمال کریں
+
+IoT Edge classifier کا استعمال کرتے ہوئے تصاویر کو classify کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal.md)
+* [Single-board computer - Raspberry Pi/Virtual IoT device](single-board-computer.md)
+
+### ماڈل کی دوبارہ تربیت
+
+IoT Edge پر چلنے والے image classifiers کے ایک نقصانات میں سے ایک یہ ہے کہ وہ آپ کے Custom Vision پروجیکٹ سے منسلک نہیں ہیں۔ اگر آپ Custom Vision میں **Predictions** ٹیب کو دیکھیں گے تو آپ کو وہ تصاویر نظر نہیں آئیں گی جو Edge-based classifier کا استعمال کرتے ہوئے classify کی گئی تھیں۔
+
+یہ متوقع رویہ ہے - تصاویر کو classification کے لیے کلاؤڈ میں نہیں بھیجا جاتا، لہذا وہ کلاؤڈ میں دستیاب نہیں ہوں گی۔ IoT Edge کا استعمال کرنے کے فوائد میں سے ایک پرائیویسی ہے، یہ یقینی بنانا کہ تصاویر آپ کے نیٹ ورک سے باہر نہ جائیں، دوسرا آف لائن کام کرنے کی صلاحیت ہے، لہذا جب ڈیوائس کے پاس انٹرنیٹ کنکشن نہ ہو تو تصاویر اپ لوڈ کرنے پر انحصار نہ کریں۔ نقصان ماڈل کو بہتر بنانا ہے - آپ کو تصاویر کو دستی طور پر دوبارہ classify کرنے کے لیے ذخیرہ کرنے کا دوسرا طریقہ نافذ کرنا ہوگا تاکہ image classifier کو بہتر بنایا جا سکے اور دوبارہ تربیت دی جا سکے۔
+
+✅ classifier کو دوبارہ تربیت دینے کے لیے تصاویر اپ لوڈ کرنے کے طریقوں کے بارے میں سوچیں۔
+
+---
+
+## 🚀 چیلنج
+
+Edge devices پر AI ماڈلز چلانا کلاؤڈ کے مقابلے میں تیز ہو سکتا ہے - نیٹ ورک hop چھوٹا ہوتا ہے۔ یہ سست بھی ہو سکتے ہیں کیونکہ ماڈل چلانے والا ہارڈویئر کلاؤڈ کے مقابلے میں اتنا طاقتور نہیں ہو سکتا۔
+
+کچھ timings کریں اور موازنہ کریں کہ آیا آپ کے edge device پر کال کلاؤڈ پر کال کے مقابلے میں تیز یا سست ہے؟ فرق کی وضاحت کرنے کے لیے وجوہات کے بارے میں سوچیں، یا فرق کی کمی کی وضاحت کریں۔ Edge پر AI ماڈلز کو تیز تر چلانے کے طریقوں پر تحقیق کریں، خاص طور پر specialized hardware کا استعمال کرتے ہوئے۔
+
+## لیکچر کے بعد کوئز
+
+[لیکچر کے بعد کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/34)
+
+## جائزہ اور خود مطالعہ
+
+* کنٹینرز کے بارے میں مزید پڑھیں [OS-level virtualization page on Wikipedia](https://wikipedia.org/wiki/OS-level_virtualization) پر۔
+* ایج کمپیوٹنگ کے بارے میں مزید پڑھیں، خاص طور پر یہ کہ 5G ایج کمپیوٹنگ کو کیسے بڑھا سکتا ہے، [ایج کمپیوٹنگ کیا ہے اور یہ کیوں اہم ہے؟ نیٹ ورک ورلڈ کے آرٹیکل](https://www.networkworld.com/article/3224893/what-is-edge-computing-and-how-its-changing-the-network.html) میں۔
+
+* IoT Edge میں AI سروسز چلانے کے بارے میں مزید جانیں، [ایج پر پہلے سے تیار شدہ AI سروس کو استعمال کرتے ہوئے زبان کی شناخت کرنے کے لیے Azure IoT Edge استعمال کرنے کا طریقہ سیکھیں، Microsoft Channel9 پر Learn Live کے ایپیسوڈ](https://channel9.msdn.com/Shows/Learn-Live/Sharpen-Your-AI-Edge-Skills-Episode-4-Learn-How-to-Use-Azure-IoT-Edge-on-a-Pre-Built-AI-Service-on-t?WT.mc_id=academic-17441-jabenn) دیکھ کر۔
+
+## اسائنمنٹ
+
+[ایج پر دیگر سروسز چلائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
new file mode 100644
index 00000000..aceeb067
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cc7ad255517f5f618f9c8899e6ff6783",
+  "translation_date": "2025-08-26T22:01:41+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/assignment.md",
+  "language_code": "ur"
+}
+-->
+# کنارے پر دیگر خدمات چلائیں
+
+## ہدایات
+
+یہ صرف تصویر کے درجہ بندی کرنے والے ماڈلز ہی نہیں ہیں جو کنارے پر چلائے جا سکتے ہیں، بلکہ کوئی بھی چیز جو کنٹینر میں پیک کی جا سکتی ہے، اسے IoT Edge ڈیوائس پر تعینات کیا جا سکتا ہے۔ سرور لیس کوڈ جو Azure Functions کے طور پر چلتا ہے، جیسے وہ ٹرگرز جو آپ نے پہلے اسباق میں بنائے ہیں، کنٹینرز میں چلائے جا سکتے ہیں اور اس طرح IoT Edge پر بھی۔
+
+پچھلے اسباق میں سے کسی ایک کو منتخب کریں اور Azure Functions ایپ کو IoT Edge کنٹینر میں چلانے کی کوشش کریں۔ آپ ایک گائیڈ تلاش کر سکتے ہیں جو یہ دکھاتا ہے کہ مختلف Functions ایپ پروجیکٹ کا استعمال کرتے ہوئے یہ کیسے کیا جائے [Tutorial: Deploy Azure Functions as IoT Edge modules on Microsoft docs](https://docs.microsoft.com/azure/iot-edge/tutorial-deploy-function?WT.mc_id=academic-17441-jabenn&view=iotedge-2020-11) میں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------ | --------------- |
+| Azure Functions ایپ کو IoT Edge پر تعینات کریں | Azure Functions ایپ کو IoT Edge پر تعینات کرنے اور IoT ڈیوائس کے ساتھ IoT ڈیٹا سے ٹرگر چلانے کے قابل تھا | Functions ایپ کو IoT Edge پر تعینات کرنے کے قابل تھا، لیکن ٹرگر کو چلانے میں ناکام رہا | Functions ایپ کو IoT Edge پر تعینات کرنے میں ناکام رہا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
new file mode 100644
index 00000000..76e82b53
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md
@@ -0,0 +1,68 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50151d9f9dce2801348a93880ef16d86",
+  "translation_date": "2025-08-26T22:04:09+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/single-board-computer.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی ایج پر مبنی امیج کلاسفائر کے ذریعے تصویر کی درجہ بندی کریں - ورچوئل آئی او ٹی ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ آئی او ٹی ایج ڈیوائس پر چلنے والے امیج کلاسفائر کا استعمال کریں گے۔
+
+## آئی او ٹی ایج کلاسفائر کا استعمال کریں
+
+آئی او ٹی ڈیوائس کو آئی او ٹی ایج امیج کلاسفائر استعمال کرنے کے لیے ری ڈائریکٹ کیا جا سکتا ہے۔ امیج کلاسفائر کے لیے یو آر ایل `http://<IP address or name>/image` ہے، جہاں `<IP address or name>` کو آئی او ٹی ایج چلانے والے کمپیوٹر کے آئی پی ایڈریس یا ہوسٹ نام سے تبدیل کریں۔
+
+کاسٹم وژن کے لیے پائتھون لائبریری صرف کلاؤڈ پر ہوسٹ کیے گئے ماڈلز کے ساتھ کام کرتی ہے، آئی او ٹی ایج پر ہوسٹ کیے گئے ماڈلز کے ساتھ نہیں۔ اس کا مطلب ہے کہ آپ کو کلاسفائر کو کال کرنے کے لیے REST API استعمال کرنا ہوگا۔
+
+### کام - آئی او ٹی ایج کلاسفائر کا استعمال کریں
+
+1. اگر `fruit-quality-detector` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے وی ایس کوڈ میں کھولیں۔ اگر آپ ورچوئل آئی او ٹی ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ ورچوئل ماحول فعال ہے۔
+
+1. `app.py` فائل کھولیں، اور `azure.cognitiveservices.vision.customvision.prediction` اور `msrest.authentication` سے درآمدی بیانات کو ہٹا دیں۔
+
+1. فائل کے اوپر درج ذیل درآمد شامل کریں:
+
+    ```python
+    import requests
+    ```
+
+1. تصویر کو فائل میں محفوظ کرنے کے بعد، `image_file.write(image.read())` سے لے کر فائل کے آخر تک تمام کوڈ کو حذف کریں۔
+
+1. فائل کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    prediction_url = '<URL>'
+    headers = {
+        'Content-Type' : 'application/octet-stream'
+    }
+    image.seek(0)
+    response = requests.post(prediction_url, headers=headers, data=image)
+    results = response.json()
+    
+    for prediction in results['predictions']:
+        print(f'{prediction["tagName"]}:\t{prediction["probability"] * 100:.2f}%')
+    ```
+
+    `<URL>` کو اپنے کلاسفائر کے یو آر ایل سے تبدیل کریں۔
+
+    یہ کوڈ کلاسفائر کو REST POST درخواست بھیجتا ہے، جس میں تصویر درخواست کے جسم کے طور پر بھیجی جاتی ہے۔ نتائج JSON کے طور پر واپس آتے ہیں، اور یہ ڈی کوڈ ہو کر امکانات کو پرنٹ کرتا ہے۔
+
+1. اپنا کوڈ چلائیں، اپنے کیمرے کو کچھ پھلوں کی طرف اشارہ کریں، یا مناسب تصویر سیٹ کریں، یا اگر ورچوئل آئی او ٹی ہارڈویئر استعمال کر رہے ہیں تو اپنے ویب کیم پر پھل دکھائیں۔ آپ کنسول میں آؤٹ پٹ دیکھیں گے:
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python app.py
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 آپ یہ کوڈ [code-classify/pi](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/pi) یا [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا پھل معیار کلاسفائر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
new file mode 100644
index 00000000..8d901376
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md
@@ -0,0 +1,115 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "24dc783a600e20251211987b36370e93",
+  "translation_date": "2025-08-26T22:02:26+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/vm-iotedge.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی ایج چلانے والی ورچوئل مشین بنائیں
+
+Azure میں، آپ ایک ورچوئل مشین بنا سکتے ہیں - کلاؤڈ میں ایک کمپیوٹر جسے آپ اپنی مرضی کے مطابق ترتیب دے سکتے ہیں اور اس پر اپنا سافٹ ویئر چلا سکتے ہیں۔
+
+> 💁 آپ ورچوئل مشینز کے بارے میں مزید معلومات [ویکیپیڈیا کے ورچوئل مشین صفحے](https://wikipedia.org/wiki/Virtual_machine) پر پڑھ سکتے ہیں۔
+
+## کام - آئی او ٹی ایج ورچوئل مشین ترتیب دیں
+
+1. درج ذیل کمانڈ چلائیں تاکہ ایک ورچوئل مشین بنائی جا سکے جس میں Azure IoT Edge پہلے سے انسٹال ہو:
+
+    ```sh
+    az deployment group create \
+                --resource-group fruit-quality-detector \
+                --template-uri https://raw.githubusercontent.com/Azure/iotedge-vm-deploy/1.2.0/edgeDeploy.json \
+                --parameters dnsLabelPrefix=<vm_name> \
+                --parameters adminUsername=<username> \
+                --parameters deviceConnectionString="<connection_string>" \
+                --parameters authenticationType=password \
+                --parameters adminPasswordOrKey="<password>"
+    ```
+
+    `<vm_name>` کو اس ورچوئل مشین کے لیے ایک نام سے تبدیل کریں۔ یہ نام عالمی طور پر منفرد ہونا چاہیے، لہذا کچھ ایسا استعمال کریں جیسے `fruit-quality-detector-vm-` اور آخر میں اپنا نام یا کوئی اور قدر شامل کریں۔
+
+    `<username>` اور `<password>` کو ایک یوزر نیم اور پاس ورڈ سے تبدیل کریں جو آپ ورچوئل مشین میں لاگ ان کرنے کے لیے استعمال کریں گے۔ یہ نسبتاً محفوظ ہونے چاہئیں، لہذا آپ admin/password استعمال نہیں کر سکتے۔
+
+    `<connection_string>` کو اپنے `fruit-quality-detector-edge` آئی او ٹی ایج ڈیوائس کے کنکشن اسٹرنگ سے تبدیل کریں۔
+
+    یہ کمانڈ ایک `DS1 v2` ورچوئل مشین کے طور پر ترتیب دی گئی مشین بنائے گی۔ یہ کیٹیگریز مشین کی طاقت اور اس کے خرچ کو ظاہر کرتی ہیں۔ اس مشین میں 1 CPU اور 3.5GB RAM ہے۔
+
+    > 💰 آپ ان مشینز کی موجودہ قیمتیں [Azure ورچوئل مشین قیمت گائیڈ](https://azure.microsoft.com/pricing/details/virtual-machines/linux/?WT.mc_id=academic-17441-jabenn) پر دیکھ سکتے ہیں۔
+
+    جب مشین بن جائے گی، آئی او ٹی ایج رن ٹائم خود بخود انسٹال ہو جائے گا اور آپ کے `fruit-quality-detector-edge` ڈیوائس کے طور پر آپ کے IoT Hub سے جڑنے کے لیے ترتیب دیا جائے گا۔
+
+1. آپ کو مشین سے امیج کلاسیفائر کال کرنے کے لیے یا تو آئی پی ایڈریس یا DNS نام کی ضرورت ہوگی۔ درج ذیل کمانڈ چلائیں تاکہ یہ حاصل کیا جا سکے:
+
+    ```sh
+    az vm list --resource-group fruit-quality-detector \
+               --output table \
+               --show-details
+    ```
+
+    `PublicIps` فیلڈ یا `Fqdns` فیلڈ کی کاپی لے لیں۔
+
+1. ورچوئل مشینز پیسے خرچ کرتی ہیں۔ اس وقت کے حساب سے، ایک DS1 مشین کی قیمت تقریباً $0.06 فی گھنٹہ ہے۔ خرچ کم رکھنے کے لیے، آپ کو مشین بند کر دینی چاہیے جب آپ اسے استعمال نہ کر رہے ہوں، اور پروجیکٹ ختم ہونے پر اسے حذف کر دینا چاہیے۔
+
+    آپ اپنی مشین کو روزانہ ایک مخصوص وقت پر خود بخود بند ہونے کے لیے ترتیب دے سکتے ہیں۔ اس کا مطلب ہے کہ اگر آپ اسے بند کرنا بھول جائیں، تو آپ کو صرف اس وقت تک بل کیا جائے گا جب تک کہ خودکار بندش ہو۔ درج ذیل کمانڈ استعمال کریں تاکہ یہ ترتیب دی جا سکے:
+
+    ```sh
+    az vm auto-shutdown --resource-group fruit-quality-detector \
+                        --name <vm_name> \
+                        --time <shutdown_time_utc>
+    ```
+
+    `<vm_name>` کو اپنی ورچوئل مشین کے نام سے تبدیل کریں۔
+
+    `<shutdown_time_utc>` کو UTC وقت سے تبدیل کریں جس وقت آپ مشین کو بند کرنا چاہتے ہیں، 4 ہندسوں کے طور پر HHMM استعمال کریں۔ مثال کے طور پر، اگر آپ UTC میں آدھی رات کو بند کرنا چاہتے ہیں، تو آپ اسے `0000` پر سیٹ کریں گے۔ اگر آپ امریکہ کے مغربی ساحل پر شام 7:30 بجے بند کرنا چاہتے ہیں، تو آپ `0230` استعمال کریں گے (امریکہ کے مغربی ساحل پر شام 7:30 بجے UTC میں صبح 2:30 بجے ہے)۔
+
+1. آپ کا امیج کلاسیفائر اس ایج ڈیوائس پر چل رہا ہوگا، جو پورٹ 80 (معیاری HTTP پورٹ) پر سن رہا ہوگا۔ ڈیفالٹ کے طور پر، ورچوئل مشینز میں ان باؤنڈ پورٹس بلاک ہوتی ہیں، لہذا آپ کو پورٹ 80 کو فعال کرنا ہوگا۔ پورٹس نیٹ ورک سیکیورٹی گروپس پر فعال کی جاتی ہیں، لہذا پہلے آپ کو اپنی مشین کے نیٹ ورک سیکیورٹی گروپ کا نام جاننا ہوگا، جو آپ درج ذیل کمانڈ سے حاصل کر سکتے ہیں:
+
+    ```sh
+    az network nsg list --resource-group fruit-quality-detector \
+                        --output table
+    ```
+
+    `Name` فیلڈ کی قدر کاپی کریں۔
+
+1. نیٹ ورک سیکیورٹی گروپ میں پورٹ 80 کھولنے کے لیے ایک رول شامل کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    az network nsg rule create \
+                        --resource-group fruit-quality-detector \
+                        --name Port_80 \
+                        --protocol tcp \
+                        --priority 1010 \
+                        --destination-port-range 80 \
+                        --nsg-name <nsg name>
+    ```
+
+    `<nsg name>` کو پچھلے مرحلے سے نیٹ ورک سیکیورٹی گروپ کے نام سے تبدیل کریں۔
+
+### کام - اپنی مشین کو منظم کریں تاکہ خرچ کم ہو
+
+1. جب آپ اپنی مشین استعمال نہ کر رہے ہوں، تو آپ کو اسے بند کر دینا چاہیے۔ مشین بند کرنے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az vm deallocate --resource-group fruit-quality-detector \
+                     --name <vm_name>
+    ```
+
+    `<vm_name>` کو اپنی ورچوئل مشین کے نام سے تبدیل کریں۔
+
+    > 💁 ایک `az vm stop` کمانڈ ہے جو مشین کو بند کر دے گی، لیکن یہ کمپیوٹر کو آپ کے لیے مختص رکھتی ہے، لہذا آپ کو اس طرح بل کیا جاتا ہے جیسے یہ ابھی بھی چل رہی ہو۔
+
+1. مشین کو دوبارہ شروع کرنے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az vm start --resource-group fruit-quality-detector \
+                --name <vm_name>
+    ```
+
+    `<vm_name>` کو اپنی ورچوئل مشین کے نام سے تبدیل کریں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
new file mode 100644
index 00000000..7bfc995b
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md
@@ -0,0 +1,66 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "48ac21ec80329c930db7b84bd6b592ec",
+  "translation_date": "2025-08-26T22:03:30+00:00",
+  "source_file": "4-manufacturing/lessons/3-run-fruit-detector-edge/wio-terminal.md",
+  "language_code": "ur"
+}
+-->
+# IoT Edge پر مبنی امیج کلاسفائر کا استعمال کرتے ہوئے تصویر کو پہچانیں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ IoT Edge ڈیوائس پر چلنے والے امیج کلاسفائر کا استعمال کریں گے۔
+
+## IoT Edge کلاسفائر کا استعمال کریں
+
+IoT ڈیوائس کو IoT Edge امیج کلاسفائر استعمال کرنے کے لیے ری ڈائریکٹ کیا جا سکتا ہے۔ امیج کلاسفائر کے لیے URL `http://<IP address or name>/image` ہے، جہاں `<IP address or name>` کو IoT Edge چلانے والے کمپیوٹر کے IP ایڈریس یا میزبان نام سے تبدیل کریں۔
+
+### کام - IoT Edge کلاسفائر کا استعمال کریں
+
+1. اگر `fruit-quality-detector` ایپ پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے کھولیں۔
+
+1. امیج کلاسفائر ایک REST API کے طور پر HTTP استعمال کرتے ہوئے چل رہا ہے، HTTPS نہیں، لہذا کال کو صرف HTTP کالز کے ساتھ کام کرنے والے WiFi کلائنٹ کی ضرورت ہوگی۔ اس کا مطلب ہے کہ سرٹیفکیٹ کی ضرورت نہیں ہے۔ `config.h` فائل سے `CERTIFICATE` کو حذف کریں۔
+
+1. `config.h` فائل میں پیش گوئی کے URL کو نئے URL میں اپ ڈیٹ کرنے کی ضرورت ہے۔ آپ `PREDICTION_KEY` کو بھی حذف کر سکتے ہیں کیونکہ اس کی ضرورت نہیں ہے۔
+
+    ```cpp
+    const char *PREDICTION_URL = "<URL>";
+    ```
+
+    `<URL>` کو اپنے کلاسفائر کے URL سے تبدیل کریں۔
+
+1. `main.cpp` میں، WiFi Client Secure کے لیے شامل کرنے والے ڈائریکٹو کو معیاری HTTP ورژن درآمد کرنے کے لیے تبدیل کریں:
+
+    ```cpp
+    #include <WiFiClient.h>
+    ```
+
+1. `WiFiClient` کے اعلان کو HTTP ورژن میں تبدیل کریں:
+
+    ```cpp
+    WiFiClient client;
+    ```
+
+1. WiFi کلائنٹ پر سرٹیفکیٹ سیٹ کرنے والی لائن کو منتخب کریں۔ `connectWiFi` فنکشن سے `client.setCACert(CERTIFICATE);` لائن کو حذف کریں۔
+
+1. `classifyImage` فنکشن میں، ہیڈر میں پیش گوئی کی کلید سیٹ کرنے والی لائن `httpClient.addHeader("Prediction-Key", PREDICTION_KEY);` کو حذف کریں۔
+
+1. اپنا کوڈ اپ لوڈ کریں اور چلائیں۔ کیمرے کو کسی پھل کی طرف اشارہ کریں اور C بٹن دبائیں۔ آپ سیریل مانیٹر میں آؤٹ پٹ دیکھیں گے:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 8200
+    ripe:   56.84%
+    unripe: 43.16%
+    ```
+
+> 💁 آپ اس کوڈ کو [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/3-run-fruit-detector-edge/code-classify/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا پھل کے معیار کا کلاسفائر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
new file mode 100644
index 00000000..0548230e
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md
@@ -0,0 +1,225 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "f74f4ccb61f00e5f7e9f49c3ed416e36",
+  "translation_date": "2025-08-26T22:06:03+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/README.md",
+  "language_code": "ur"
+}
+-->
+# سینسر سے پھلوں کے معیار کی جانچ شروع کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/35)
+
+## تعارف
+
+ایک IoT ایپلیکیشن صرف ایک ڈیوائس نہیں ہوتی جو ڈیٹا کو حاصل کر کے کلاؤڈ پر بھیجتی ہے، بلکہ اکثر یہ کئی ڈیوائسز پر مشتمل ہوتی ہے جو مل کر سینسرز کے ذریعے فزیکل دنیا سے ڈیٹا حاصل کرتی ہیں، اس ڈیٹا کی بنیاد پر فیصلے کرتی ہیں، اور ایکچوئیٹرز یا ویژولائزیشنز کے ذریعے فزیکل دنیا کے ساتھ تعامل کرتی ہیں۔
+
+اس سبق میں آپ سیکھیں گے کہ کس طرح پیچیدہ IoT ایپلیکیشنز کو ڈیزائن کیا جاتا ہے، متعدد سینسرز اور کلاؤڈ سروسز کو ڈیٹا کے تجزیے اور ذخیرہ کرنے کے لیے شامل کیا جاتا ہے، اور ایکچوئیٹر کے ذریعے ردعمل ظاہر کیا جاتا ہے۔ آپ پھلوں کے معیار کی کنٹرول سسٹم کے پروٹوٹائپ کو ڈیزائن کرنے کے بارے میں سیکھیں گے، جس میں پروکسیمیٹی سینسرز کا استعمال شامل ہوگا تاکہ IoT ایپلیکیشن کو ٹرگر کیا جا سکے، اور اس پروٹوٹائپ کی آرکیٹیکچر کیسا ہوگا۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [پیچیدہ IoT ایپلیکیشنز کی آرکیٹیکچر](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [پھلوں کے معیار کی کنٹرول سسٹم ڈیزائن کریں](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [سینسر سے پھلوں کے معیار کی جانچ کو ٹرگر کریں](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [پھلوں کے معیار کی جانچ کے لیے استعمال ہونے والا ڈیٹا](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [متعدد IoT ڈیوائسز کی سیمولیشن کے لیے ڈویلپر ڈیوائسز کا استعمال](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+* [پروڈکشن کی طرف بڑھنا](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector)
+
+> 🗑 یہ اس پروجیکٹ کا آخری سبق ہے، لہذا سبق اور اسائنمنٹ مکمل کرنے کے بعد اپنے کلاؤڈ سروسز کو صاف کرنا نہ بھولیں۔ اسائنمنٹ مکمل کرنے کے لیے آپ کو سروسز کی ضرورت ہوگی، لہذا پہلے اسائنمنٹ مکمل کریں۔
+>
+> اگر ضرورت ہو تو [اپنے پروجیکٹ کو صاف کرنے کے گائیڈ](../../../clean-up.md) کا حوالہ دیں۔
+
+## پیچیدہ IoT ایپلیکیشنز کی آرکیٹیکچر
+
+IoT ایپلیکیشنز کئی اجزاء پر مشتمل ہوتی ہیں۔ اس میں مختلف چیزیں اور مختلف انٹرنیٹ سروسز شامل ہوتی ہیں۔
+
+IoT ایپلیکیشنز کو *چیزیں* (ڈیوائسز) کہا جا سکتا ہے جو ڈیٹا بھیجتی ہیں جو *بصیرت* پیدا کرتی ہیں۔ یہ *بصیرت* *عمل* پیدا کرتی ہیں تاکہ کاروبار یا عمل کو بہتر بنایا جا سکے۔ مثال کے طور پر، ایک انجن (چیز) جو درجہ حرارت کا ڈیٹا بھیجتا ہے۔ یہ ڈیٹا اس بات کا جائزہ لینے کے لیے استعمال ہوتا ہے کہ آیا انجن توقع کے مطابق کام کر رہا ہے (بصیرت)۔ بصیرت کو انجن کے مینٹیننس شیڈول کو ترجیح دینے کے لیے استعمال کیا جاتا ہے (عمل)۔
+
+* مختلف چیزیں مختلف قسم کا ڈیٹا جمع کرتی ہیں۔
+* IoT سروسز اس ڈیٹا پر بصیرت فراہم کرتی ہیں، کبھی کبھار اضافی ذرائع سے ڈیٹا شامل کر کے۔
+* یہ بصیرت عمل کو چلاتی ہیں، بشمول ڈیوائسز میں ایکچوئیٹرز کو کنٹرول کرنا یا ڈیٹا کو ویژولائز کرنا۔
+
+### حوالہ IoT آرکیٹیکچر
+
+![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.ur.png)
+
+اوپر دیا گیا خاکہ ایک حوالہ IoT آرکیٹیکچر دکھاتا ہے۔
+
+> 🎓 ایک *حوالہ آرکیٹیکچر* ایک مثال آرکیٹیکچر ہے جسے آپ نئے سسٹمز ڈیزائن کرتے وقت حوالہ کے طور پر استعمال کر سکتے ہیں۔ اس صورت میں، اگر آپ ایک نیا IoT سسٹم بنا رہے ہیں تو آپ حوالہ آرکیٹیکچر کی پیروی کر سکتے ہیں، جہاں مناسب ہو وہاں اپنی ڈیوائسز اور سروسز کو تبدیل کر کے۔
+
+* **چیزیں** وہ ڈیوائسز ہیں جو سینسرز سے ڈیٹا جمع کرتی ہیں، شاید ایج سروسز کے ساتھ تعامل کر کے اس ڈیٹا کی تشریح کرتی ہیں، جیسے کہ امیج کلاسفائرز جو امیج ڈیٹا کی تشریح کرتے ہیں۔ ڈیوائسز سے ڈیٹا IoT سروس کو بھیجا جاتا ہے۔
+* **بصیرت** سرور لیس ایپلیکیشنز سے آتی ہیں، یا ذخیرہ شدہ ڈیٹا پر تجزیہ سے۔
+* **عمل** ڈیوائسز کو بھیجے گئے کمانڈز ہو سکتے ہیں، یا ڈیٹا کی ویژولائزیشن جو انسانوں کو فیصلے کرنے کی اجازت دیتی ہے۔
+
+![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.ur.png)
+
+اوپر دیا گیا خاکہ ان اجزاء اور سروسز کو دکھاتا ہے جن کا ان اسباق میں احاطہ کیا گیا ہے اور وہ کس طرح حوالہ IoT آرکیٹیکچر میں جڑے ہوئے ہیں۔
+
+* **چیزیں** - آپ نے سینسرز سے ڈیٹا حاصل کرنے کے لیے ڈیوائس کوڈ لکھا ہے، اور کسٹم وژن کا استعمال کرتے ہوئے امیجز کا تجزیہ کیا ہے، جو کلاؤڈ اور ایج ڈیوائس دونوں پر چل رہا ہے۔ یہ ڈیٹا IoT ہب کو بھیجا گیا۔
+* **بصیرت** - آپ نے Azure Functions کا استعمال کیا ہے تاکہ IoT ہب کو بھیجے گئے پیغامات کا جواب دیا جا سکے، اور Azure Storage میں بعد کے تجزیے کے لیے ڈیٹا ذخیرہ کیا۔
+* **عمل** - آپ نے کلاؤڈ میں کیے گئے فیصلوں اور ڈیوائسز کو بھیجے گئے کمانڈز کی بنیاد پر ایکچوئیٹرز کو کنٹرول کیا ہے، اور Azure Maps کا استعمال کرتے ہوئے ڈیٹا کو ویژولائز کیا ہے۔
+
+✅ ان دیگر IoT ڈیوائسز کے بارے میں سوچیں جنہیں آپ نے استعمال کیا ہے، جیسے کہ اسمارٹ ہوم اپلائنسز۔ اس ڈیوائس اور اس کے سافٹ ویئر میں شامل چیزیں، بصیرت اور عمل کیا ہیں؟
+
+یہ پیٹرن جتنا چاہیں بڑا یا چھوٹا بنایا جا سکتا ہے، مزید ڈیوائسز اور مزید سروسز شامل کر کے۔
+
+### ڈیٹا اور سیکیورٹی
+
+جب آپ اپنے سسٹم کی آرکیٹیکچر کو ڈیفائن کرتے ہیں، تو آپ کو مسلسل ڈیٹا اور سیکیورٹی پر غور کرنا ہوگا۔
+
+* آپ کی ڈیوائس کون سا ڈیٹا بھیجتی اور وصول کرتی ہے؟
+* اس ڈیٹا کو کس طرح محفوظ اور محفوظ رکھا جانا چاہیے؟
+* ڈیوائس اور کلاؤڈ سروس تک رسائی کو کس طرح کنٹرول کیا جانا چاہیے؟
+
+✅ اپنے IoT ڈیوائسز کی ڈیٹا سیکیورٹی کے بارے میں سوچیں۔ اس ڈیٹا میں سے کتنا ذاتی ہے اور اسے ٹرانزٹ میں یا ذخیرہ کرتے وقت نجی رکھا جانا چاہیے؟ کون سا ڈیٹا ذخیرہ نہیں کیا جانا چاہیے؟
+
+## پھلوں کے معیار کی کنٹرول سسٹم ڈیزائن کریں
+
+اب آئیے چیزوں، بصیرت، اور عمل کے اس تصور کو پھلوں کے معیار کی جانچ کے لیے استعمال کریں تاکہ ایک بڑے اینڈ ٹو اینڈ ایپلیکیشن کو ڈیزائن کیا جا سکے۔
+
+تصور کریں کہ آپ کو ایک پروسیسنگ پلانٹ میں استعمال ہونے والے پھلوں کے معیار کی جانچ کرنے والے سسٹم کو بنانے کا کام دیا گیا ہے۔ پھل ایک کنویئر بیلٹ سسٹم پر سفر کرتے ہیں جہاں فی الحال ملازمین ہاتھ سے پھلوں کی جانچ کرتے ہیں اور جیسے ہی وہ آتے ہیں کسی بھی کچے پھل کو ہٹا دیتے ہیں۔ اخراجات کو کم کرنے کے لیے، پلانٹ کے مالک ایک خودکار سسٹم چاہتے ہیں۔
+
+✅ IoT (اور عمومی طور پر ٹیکنالوجی) کے بڑھتے ہوئے رجحان کے ساتھ، دستی کام مشینوں سے تبدیل ہو رہے ہیں۔ کچھ تحقیق کریں: IoT کی وجہ سے کتنی ملازمتیں ختم ہونے کا اندازہ لگایا گیا ہے؟ IoT ڈیوائسز بنانے کے لیے کتنی نئی ملازمتیں پیدا ہوں گی؟
+
+آپ کو ایک ایسا سسٹم بنانا ہوگا جہاں پھل کنویئر بیلٹ پر پہنچتے ہی پتہ لگایا جائے، پھر اس کی تصویر لی جائے اور ایج پر چلنے والے AI ماڈل کے ذریعے جانچ کی جائے۔ نتائج کلاؤڈ پر بھیجے جائیں گے، اور اگر پھل کچا ہو تو ایک نوٹیفکیشن دیا جائے گا تاکہ کچے پھل کو ہٹا دیا جائے۔
+
+|   |   |
+| - | - |
+| **چیزیں** | کنویئر بیلٹ پر پھلوں کی آمد کا پتہ لگانے والا<br>پھلوں کی تصویر لینے اور ان کی درجہ بندی کرنے والا کیمرہ<br>ایج ڈیوائس جو کلاسفائر چلاتا ہے<br>کچے پھلوں کی اطلاع دینے والا ڈیوائس |
+| **بصیرت** | پھلوں کی پختگی کی جانچ کرنے کا فیصلہ کریں<br>پختگی کی درجہ بندی کے نتائج ذخیرہ کریں<br>کچے پھلوں کے بارے میں اطلاع دینے کی ضرورت کا تعین کریں |
+| **عمل** | پھلوں کی تصویر لینے اور امیج کلاسفائر کے ذریعے جانچ کرنے کے لیے ڈیوائس کو کمانڈ بھیجیں<br>کچے پھلوں کے بارے میں اطلاع دینے کے لیے ڈیوائس کو کمانڈ بھیجیں |
+
+### اپنی ایپلیکیشن کا پروٹوٹائپ بنانا
+
+![پھلوں کے معیار کی جانچ کے لیے حوالہ IoT آرکیٹیکچر](../../../../../translated_images/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.ur.png)
+
+اوپر دیا گیا خاکہ اس پروٹوٹائپ ایپلیکیشن کے لیے حوالہ آرکیٹیکچر دکھاتا ہے۔
+
+* ایک IoT ڈیوائس جس میں پروکسیمیٹی سینسر ہوتا ہے پھلوں کی آمد کا پتہ لگاتا ہے۔ یہ کلاؤڈ کو ایک پیغام بھیجتا ہے کہ پھل کا پتہ لگایا گیا ہے۔
+* کلاؤڈ میں ایک سرور لیس ایپلیکیشن دوسرے ڈیوائس کو تصویر لینے اور امیج کی درجہ بندی کرنے کا کمانڈ بھیجتی ہے۔
+* ایک IoT ڈیوائس جس میں کیمرہ ہوتا ہے تصویر لیتا ہے اور اسے ایج پر چلنے والے امیج کلاسفائر کو بھیجتا ہے۔ نتائج پھر کلاؤڈ پر بھیجے جاتے ہیں۔
+* کلاؤڈ میں ایک سرور لیس ایپلیکیشن اس معلومات کو ذخیرہ کرتی ہے تاکہ بعد میں تجزیہ کیا جا سکے کہ کتنے فیصد پھل کچے ہیں۔ اگر پھل کچا ہو تو یہ ایک اور IoT ڈیوائس کو کمانڈ بھیجتا ہے تاکہ فیکٹری کے کارکنوں کو LED کے ذریعے کچے پھلوں کے بارے میں اطلاع دی جا سکے۔
+
+> 💁 یہ پوری IoT ایپلیکیشن ایک واحد ڈیوائس کے طور پر نافذ کی جا سکتی ہے، جس میں امیج کلاسفیکیشن شروع کرنے اور LED کو کنٹرول کرنے کی تمام منطق شامل ہو۔ یہ IoT ہب کا استعمال صرف کچے پھلوں کی تعداد کو ٹریک کرنے اور ڈیوائس کو کنفیگر کرنے کے لیے کر سکتا ہے۔ اس سبق میں اسے بڑے پیمانے پر IoT ایپلیکیشنز کے تصورات کو ظاہر کرنے کے لیے بڑھایا گیا ہے۔
+
+پروٹوٹائپ کے لیے، آپ اس سب کو ایک واحد ڈیوائس پر نافذ کریں گے۔ اگر آپ مائیکرو کنٹرولر استعمال کر رہے ہیں تو آپ امیج کلاسفائر چلانے کے لیے ایک الگ ایج ڈیوائس استعمال کریں گے۔ آپ نے پہلے ہی ان چیزوں میں سے زیادہ تر سیکھ لیا ہے جن کی آپ کو ضرورت ہوگی۔
+
+## سینسر سے پھلوں کے معیار کی جانچ کو ٹرگر کریں
+
+IoT ڈیوائس کو کسی قسم کے ٹرگر کی ضرورت ہوتی ہے تاکہ یہ ظاہر کیا جا سکے کہ پھل کو درجہ بندی کے لیے تیار ہے۔ ایک ٹرگر یہ ہو سکتا ہے کہ کنویئر بیلٹ پر پھل کے صحیح مقام پر ہونے کی پیمائش سینسر کے فاصلے سے کی جائے۔
+
+![پروکسیمیٹی سینسرز لیزر بیم کو اشیاء جیسے کیلے پر بھیجتے ہیں اور وقت کی پیمائش کرتے ہیں جب تک بیم واپس نہ آئے](../../../../../translated_images/proximity-sensor.f5cd752c77fb62fea000156233b32fd24fad3707ec69b8bdd8d312b7af85156d.ur.png)
+
+پروکسیمیٹی سینسرز سینسر سے کسی شے تک کا فاصلہ ماپنے کے لیے استعمال کیے جا سکتے ہیں۔ یہ عام طور پر برقی مقناطیسی شعاع جیسے لیزر بیم یا انفراریڈ روشنی کو منتقل کرتے ہیں، پھر کسی شے سے شعاع کو واپس آتے ہوئے محسوس کرتے ہیں۔ لیزر بیم بھیجنے اور سگنل کے واپس آنے کے درمیان وقت سینسر تک کا فاصلہ معلوم کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+> 💁 آپ نے شاید پروکسیمیٹی سینسرز کا استعمال کیا ہو اور آپ کو معلوم بھی نہ ہو۔ زیادہ تر اسمارٹ فونز اس وقت اسکرین کو بند کر دیتے ہیں جب آپ انہیں کان سے لگاتے ہیں تاکہ آپ غلطی سے کال ختم نہ کریں، اور یہ پروکسیمیٹی سینسر کے ذریعے کام کرتا ہے، جو کال کے دوران اسکرین کے قریب کسی شے کا پتہ لگاتا ہے اور فون کو ایک خاص فاصلے تک ہٹانے تک ٹچ کی صلاحیت کو غیر فعال کر دیتا ہے۔
+
+### کام - فاصلے کے سینسر سے پھلوں کے معیار کی جانچ کو ٹرگر کریں
+
+اپنے IoT ڈیوائس کا استعمال کرتے ہوئے کسی شے کا پتہ لگانے کے لیے پروکسیمیٹی سینسر استعمال کرنے کے متعلقہ گائیڈ پر کام کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-proximity.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-proximity.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-proximity.md)
+
+## پھلوں کے معیار کی جانچ کے لیے استعمال ہونے والا ڈیٹا
+
+پروٹوٹائپ پھلوں کے ڈیٹیکٹر میں متعدد اجزاء شامل ہیں جو ایک دوسرے کے ساتھ بات چیت کرتے ہیں۔
+
+![اجزاء ایک دوسرے کے ساتھ بات چیت کر رہے ہیں](../../../../../translated_images/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.ur.png)
+
+* پروکسیمیٹی سینسر جو پھل کے فاصلے کی پیمائش کرتا ہے اور اسے IoT ہب کو بھیجتا ہے
+* کیمرہ کنٹرول کرنے کا کمانڈ IoT ہب سے کیمرہ ڈیوائس کو آتا ہے
+* امیج کلاسفیکیشن کے نتائج IoT ہب کو بھیجے جاتے ہیں
+* LED کو کنٹرول کرنے کا کمانڈ IoT ہب سے LED والے ڈیوائس کو بھیجا جاتا ہے تاکہ کچے پھلوں کے بارے میں اطلاع دی جا سکے
+
+یہ اچھا ہے کہ ان پیغامات کی ساخت کو پہلے سے ڈیفائن کریں، اس سے پہلے کہ آپ ایپلیکیشن کو بنائیں۔
+
+> 💁 تقریباً ہر تجربہ کار ڈویلپر نے اپنے کیریئر میں کسی نہ کسی وقت ڈیٹا کے فرق کی وجہ سے پیدا ہونے والے بگز کو تلاش کرنے میں گھنٹوں، دنوں یا حتیٰ کہ ہفتوں گزارے ہیں۔
+
+مثال کے طور پر - اگر آپ درجہ حرارت کی معلومات بھیج رہے ہیں، تو آپ JSON کو کیسے ڈیفائن کریں گے؟ آپ کے پاس `temperature` نام کا فیلڈ ہو سکتا ہے، یا آپ عام مخفف `temp` استعمال کر سکتے ہیں۔
+
+```json
+{
+    "temperature": 20.7
+}
+```
+
+کے مقابلے میں:
+
+```json
+{
+    "temp": 20.7
+}
+```
+
+آپ کو یونٹس پر بھی غور کرنا ہوگا - کیا درجہ حرارت °C میں ہے یا °F میں؟ اگر آپ صارف ڈیوائس کا استعمال کرتے ہوئے درجہ حرارت کی پیمائش کر رہے ہیں اور وہ ڈسپلے یونٹس کو تبدیل کرتے ہیں، تو آپ کو یہ یقینی بنانا ہوگا کہ کلاؤڈ کو بھیجے گئے یونٹس مستقل رہیں۔
+
+✅ کچھ تحقیق کریں: یونٹس کے مسائل نے $125 ملین کے Mars Climate Orbiter کو کریش کرنے کا سبب کیسے بنایا؟
+
+پھلوں کے معیار کی جانچ کے لیے بھیجے جانے والے ڈیٹا کے بارے میں سوچیں۔ آپ ہر پیغام کو کیسے ڈیفائن کریں گے؟ آپ ڈیٹا کا تجزیہ کہاں کریں گے اور کون سا ڈیٹا بھیجنے کا فیصلہ کریں گے؟
+
+مثال کے طور پر - پروکسیمیٹی سینسر کا استعمال کرتے ہوئے امیج کلاسفیکیشن کو ٹرگر کرنا۔ IoT ڈیوائس فاصلے کی پیمائش کرتا ہے، لیکن فیصلہ کہاں کیا جاتا ہے؟ کیا ڈیوائس فیصلہ کرتا ہے کہ پھل کافی قریب ہے اور IoT ہب کو پیغام بھیجتا ہے تاکہ کلاسفیکیشن کو ٹرگر کیا جا سکے؟ یا یہ پروکسیمیٹی پیمائش بھیجتا ہے اور IoT ہب فیصلہ کرتا ہے؟
+
+ایسے سوالات کا جواب یہ ہے - یہ مختلف ہوتا ہے۔ ہر استعمال کا کیس مختلف ہوتا ہے، یہی وجہ ہے کہ IoT ڈویلپر کے طور پر آپ کو اس سسٹم کو سمجھنا ہوگا جو آپ بنا رہے ہیں، یہ کیسے استعمال ہوتا ہے، اور جو ڈیٹا معلوم کیا جا رہا ہے۔
+
+* اگر فیصلہ IoT ہب کے ذریعے کیا جاتا ہے، تو آپ کو متعدد فاصلے کی پیمائش بھیجنی ہوگی۔
+* اگر آپ بہت زیادہ پیغامات بھیجتے ہیں، تو یہ IoT ہب کی لاگت کو بڑھاتا ہے، اور آپ کے IoT ڈیوائسز کے لیے درکار بینڈوڈتھ کی مقدار (خاص طور پر ایک فیکٹری میں جہاں لاکھوں ڈیوائسز ہوں)۔ یہ آپ کے ڈیوائس کو سست بھی کر سکتا ہے۔
+* اگر آپ ڈیوائس پر فیصلہ کرتے ہیں، تو آپ کو
+💁 کچھ ہارڈویئر اس وقت کام نہیں کرے گا جب اسے ایک ساتھ چلنے والی متعدد ایپلیکیشنز کے ذریعے استعمال کیا جائے۔
+### مائیکرو کنٹرولر پر متعدد ڈیوائسز کی نقل کرنا
+
+مائیکرو کنٹرولرز پر متعدد ڈیوائسز کی نقل کرنا زیادہ پیچیدہ ہوتا ہے۔ سنگل بورڈ کمپیوٹرز کے برعکس، آپ ایک وقت میں متعدد ایپلیکیشنز نہیں چلا سکتے۔ آپ کو تمام الگ الگ IoT ڈیوائسز کے لیے تمام منطق کو ایک ہی ایپلیکیشن میں شامل کرنا ہوگا۔
+
+اس عمل کو آسان بنانے کے لیے کچھ تجاویز یہ ہیں:
+
+* ہر IoT ڈیوائس کے لیے ایک یا زیادہ کلاسز بنائیں - مثال کے طور پر کلاسز جنہیں `DistanceSensor`, `ClassifierCamera`, `LEDController` کہا جاتا ہے۔ ہر ایک کے اپنے `setup` اور `loop` میتھڈز ہوں گے جنہیں مرکزی `setup` اور `loop` فنکشنز کے ذریعے بلایا جائے گا۔
+* کمانڈز کو ایک جگہ پر ہینڈل کریں اور انہیں ضرورت کے مطابق متعلقہ ڈیوائس کلاس کی طرف بھیجیں۔
+* مرکزی `loop` فنکشن میں، آپ کو ہر مختلف ڈیوائس کے لیے وقت کا خیال رکھنا ہوگا۔ مثال کے طور پر، اگر آپ کے پاس ایک ڈیوائس کلاس ہے جو ہر 10 سیکنڈ میں پروسیس کرنے کی ضرورت ہے، اور دوسری جو ہر 1 سیکنڈ میں پروسیس کرنے کی ضرورت ہے، تو اپنے مرکزی `loop` فنکشن میں 1 سیکنڈ کی تاخیر استعمال کریں۔ ہر `loop` کال اس ڈیوائس کے لیے متعلقہ کوڈ کو ٹرگر کرے گی جسے ہر سیکنڈ میں پروسیس کرنے کی ضرورت ہے، اور ایک کاؤنٹر استعمال کریں تاکہ ہر 10 لوپ پر دوسری ڈیوائس کو پروسیس کریں (اور پھر کاؤنٹر کو ری سیٹ کریں)۔
+
+## پروڈکشن کی طرف بڑھنا
+
+پروٹوٹائپ حتمی پروڈکشن سسٹم کی بنیاد بنے گا۔ جب آپ پروڈکشن کی طرف بڑھتے ہیں تو کچھ فرق یہ ہوں گے:
+
+* مضبوط اجزاء - ایسے ہارڈویئر کا استعمال جو فیکٹری کے شور، گرمی، کمپن اور دباؤ کو برداشت کرنے کے لیے ڈیزائن کیا گیا ہو۔
+* اندرونی مواصلات کا استعمال - کچھ اجزاء براہ راست بات چیت کریں گے اور کلاؤڈ تک جانے سے بچیں گے، صرف ڈیٹا کو کلاؤڈ میں محفوظ کرنے کے لیے بھیجیں گے۔ یہ کیسے کیا جاتا ہے، فیکٹری کے سیٹ اپ پر منحصر ہے، یا تو براہ راست مواصلات کے ذریعے، یا گیٹ وے ڈیوائس کا استعمال کرتے ہوئے IoT سروس کے کچھ حصے کو ایج پر چلانے کے ذریعے۔
+* کنفیگریشن کے اختیارات - ہر فیکٹری اور استعمال کا کیس مختلف ہوتا ہے، لہذا ہارڈویئر کو کنفیگریبل ہونا چاہیے۔ مثال کے طور پر، قربت سینسر کو مختلف فاصلے پر مختلف پھلوں کا پتہ لگانے کی ضرورت ہو سکتی ہے۔ فاصلے کو سخت کوڈ کرنے کے بجائے، آپ چاہیں گے کہ یہ کلاؤڈ کے ذریعے کنفیگریبل ہو، مثال کے طور پر ڈیوائس ٹوئن کا استعمال کرتے ہوئے۔
+* خودکار پھل ہٹانا - غیر پکے ہوئے پھلوں کو ظاہر کرنے کے لیے ایل ای ڈی کے بجائے، خودکار ڈیوائسز انہیں ہٹا دیں گی۔
+
+✅ کچھ تحقیق کریں: پروڈکشن ڈیوائسز ڈویلپر کٹس سے اور کن طریقوں میں مختلف ہو سکتی ہیں؟
+
+---
+
+## 🚀 چیلنج
+
+اس سبق میں آپ نے IoT سسٹم کو آرکیٹیکٹ کرنے کے لیے ضروری کچھ تصورات سیکھے ہیں۔ پچھلے پروجیکٹس کو یاد کریں۔ وہ اوپر دکھائی گئی حوالہ آرکیٹیکچر میں کیسے فٹ ہوتے ہیں؟
+
+اب تک کے پروجیکٹس میں سے ایک کو منتخب کریں اور ایک زیادہ پیچیدہ حل کے ڈیزائن کے بارے میں سوچیں جو متعدد صلاحیتوں کو اکٹھا کرے جو پروجیکٹس میں شامل نہیں تھیں۔ آرکیٹیکچر بنائیں اور ان تمام ڈیوائسز اور سروسز کے بارے میں سوچیں جن کی آپ کو ضرورت ہوگی۔
+
+مثال کے طور پر - ایک گاڑی ٹریکنگ ڈیوائس جو GPS کو سینسرز کے ساتھ جوڑتا ہے تاکہ ریفریجریٹڈ ٹرک میں درجہ حرارت، انجن کے آن اور آف ہونے کے اوقات، اور ڈرائیور کی شناخت کی نگرانی کی جا سکے۔ اس میں کون سی ڈیوائسز شامل ہیں، کون سی سروسز شامل ہیں، کون سا ڈیٹا منتقل ہو رہا ہے، اور سیکیورٹی اور پرائیویسی کے کیا پہلو ہیں؟
+
+## لیکچر کے بعد کوئز
+
+[لیکچر کے بعد کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/36)
+
+## جائزہ اور خود مطالعہ
+
+* IoT آرکیٹیکچر کے بارے میں مزید پڑھیں [Azure IoT reference architecture documentation on Microsoft docs](https://docs.microsoft.com/azure/architecture/reference-architectures/iot?WT.mc_id=academic-17441-jabenn)
+* ڈیوائس ٹوئنز کے بارے میں مزید پڑھیں [understand and use device twins in IoT Hub documentation on Microsoft docs](https://docs.microsoft.com/azure/iot-hub/iot-hub-devguide-device-twins?WT.mc_id=academic-17441-jabenn)
+* OPC-UA کے بارے میں پڑھیں، جو صنعتی آٹومیشن میں مشین سے مشین مواصلات کے لیے استعمال ہونے والا پروٹوکول ہے [OPC-UA page on Wikipedia](https://wikipedia.org/wiki/OPC_Unified_Architecture)
+
+## اسائنمنٹ
+
+[پھلوں کے معیار کا پتہ لگانے والا بنائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
new file mode 100644
index 00000000..350771ec
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md
@@ -0,0 +1,32 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1a85e50c33c38dcd2cde2a97d132f248",
+  "translation_date": "2025-08-26T22:08:03+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/assignment.md",
+  "language_code": "ur"
+}
+-->
+# پھلوں کے معیار کا پتہ لگانے والا بنائیں
+
+## ہدایات
+
+پھلوں کے معیار کا پتہ لگانے والا بنائیں!
+
+اب تک جو کچھ آپ نے سیکھا ہے اسے استعمال کرتے ہوئے پھلوں کے معیار کا پتہ لگانے والے پروٹوٹائپ کو تیار کریں۔ قربت کی بنیاد پر تصویر کی درجہ بندی کو متحرک کریں، جو کہ ایک AI ماڈل کے ذریعے ایج پر چل رہا ہو، درجہ بندی کے نتائج کو اسٹوریج میں محفوظ کریں، اور پھل کی پختگی کی بنیاد پر ایک LED کو کنٹرول کریں۔
+
+آپ کو یہ سب کچھ ان کوڈز کا استعمال کرتے ہوئے جوڑنا چاہیے جو آپ نے اب تک کے تمام اسباق میں لکھے ہیں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت ہے |
+| -------- | --------- | -------- | ----------------- |
+| تمام سروسز کو ترتیب دیں | IoT Hub، Azure فنکشنز ایپلیکیشن اور Azure اسٹوریج کو ترتیب دینے میں کامیاب | IoT Hub کو ترتیب دینے میں کامیاب، لیکن Azure فنکشنز ایپ یا Azure اسٹوریج کو ترتیب دینے میں ناکام | کسی بھی انٹرنیٹ IoT سروسز کو ترتیب دینے میں ناکام |
+| قربت کی نگرانی کریں اور اگر کوئی چیز پہلے سے طے شدہ فاصلے سے قریب ہو تو ڈیٹا IoT Hub کو بھیجیں اور کیمرے کو کمانڈ کے ذریعے متحرک کریں | فاصلے کی پیمائش کرنے اور جب کوئی چیز کافی قریب ہو تو IoT Hub کو پیغام بھیجنے، اور کمانڈ کے ذریعے کیمرے کو متحرک کرنے میں کامیاب | قربت کی پیمائش کرنے اور IoT Hub کو بھیجنے میں کامیاب، لیکن کیمرے کو کمانڈ بھیجنے میں ناکام | فاصلے کی پیمائش کرنے، IoT Hub کو پیغام بھیجنے، یا کمانڈ کو متحرک کرنے میں ناکام |
+| تصویر کو کیپچر کریں، اس کی درجہ بندی کریں اور نتائج IoT Hub کو بھیجیں | تصویر کو کیپچر کرنے، ایج ڈیوائس کا استعمال کرتے ہوئے درجہ بندی کرنے اور نتائج IoT Hub کو بھیجنے میں کامیاب | تصویر کی درجہ بندی کرنے میں کامیاب لیکن ایج ڈیوائس کا استعمال نہیں کیا، یا نتائج IoT Hub کو بھیجنے میں ناکام | تصویر کی درجہ بندی کرنے میں ناکام |
+| درجہ بندی کے نتائج کی بنیاد پر کمانڈ کے ذریعے LED کو آن یا آف کریں | اگر پھل کچا ہو تو کمانڈ کے ذریعے LED کو آن کرنے میں کامیاب | ڈیوائس کو کمانڈ بھیجنے میں کامیاب لیکن LED کو کنٹرول کرنے میں ناکام | LED کو کنٹرول کرنے کے لیے کمانڈ بھیجنے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
new file mode 100644
index 00000000..8214f100
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md
@@ -0,0 +1,118 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6145a1d791731c8a9d0afd0a1bae5108",
+  "translation_date": "2025-08-26T22:08:54+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md",
+  "language_code": "ur"
+}
+-->
+# قربت کا پتہ لگائیں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں ایک قربت سینسر شامل کریں گے اور اس سے فاصلہ پڑھیں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک قربت سینسر کی ضرورت ہے۔
+
+آپ جو سینسر استعمال کریں گے وہ [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html) ہے۔ یہ سینسر فاصلے کا پتہ لگانے کے لیے ایک لیزر رینجنگ ماڈیول استعمال کرتا ہے۔ اس سینسر کی رینج 10mm سے 2000mm (1cm - 2m) ہے، اور یہ اس رینج میں فاصلے کافی درستگی سے رپورٹ کرے گا، جبکہ 1000mm سے زیادہ فاصلے کو 8109mm کے طور پر رپورٹ کیا جائے گا۔
+
+لیزر رینج فائنڈر سینسر کے پچھلے حصے پر ہے، جو Grove ساکٹ کے مخالف سمت میں ہے۔
+
+یہ ایک I²C سینسر ہے۔
+
+### ٹائم آف فلائٹ سینسر کو جوڑیں
+
+Grove ٹائم آف فلائٹ سینسر کو راسپبیری پائی سے جوڑا جا سکتا ہے۔
+
+#### کام - ٹائم آف فلائٹ سینسر کو جوڑیں
+
+ٹائم آف فلائٹ سینسر کو جوڑیں۔
+
+![ایک Grove ٹائم آف فلائٹ سینسر](../../../../../translated_images/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.ur.png)
+
+1. Grove کیبل کے ایک سرے کو ٹائم آف فلائٹ سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں داخل ہوگا۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base hat پر موجود I²C ساکٹ میں سے کسی ایک سے جوڑیں۔
+
+![Grove ٹائم آف فلائٹ سینسر I²C ساکٹ سے جڑا ہوا](../../../../../translated_images/pi-time-of-flight-sensor.58c8dc04eb3bfb57a7c3019f031433ef4d798d4d7603d565afbf6f3802840dba.ur.png)
+
+## ٹائم آف فلائٹ سینسر کو پروگرام کریں
+
+اب راسپبیری پائی کو منسلک ٹائم آف فلائٹ سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - ٹائم آف فلائٹ سینسر کو پروگرام کریں
+
+ڈیوائس کو پروگرام کریں۔
+
+1. پائی کو آن کریں اور اس کے بوٹ ہونے کا انتظار کریں۔
+
+1. `fruit-quality-detector` کوڈ کو VS Code میں کھولیں، یا تو براہ راست پائی پر، یا Remote SSH ایکسٹینشن کے ذریعے کنیکٹ ہو کر۔
+
+1. `rpi-vl53l0x` Pip پیکج انسٹال کریں، جو ایک Python پیکج ہے جو VL53L0X ٹائم آف فلائٹ ڈسٹنس سینسر کے ساتھ تعامل کرتا ہے۔ اسے اس pip کمانڈ کے ذریعے انسٹال کریں:
+
+    ```sh
+    pip install rpi-vl53l0x
+    ```
+
+1. اس پروجیکٹ میں ایک نئی فائل بنائیں جس کا نام `distance-sensor.py` ہو۔
+
+    > 💁 متعدد IoT ڈیوائسز کو سیمولیٹ کرنے کا ایک آسان طریقہ یہ ہے کہ ہر ایک کو ایک الگ Python فائل میں کریں، پھر انہیں ایک ہی وقت میں چلائیں۔
+
+1. اس فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import time
+    
+    from grove.i2c import Bus
+    from rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    یہ Grove I²C بس لائبریری اور Grove ٹائم آف فلائٹ سینسر میں موجود کور سینسر ہارڈویئر کے لیے ایک سینسر لائبریری کو امپورٹ کرتا ہے۔
+
+1. اس کے نیچے، سینسر تک رسائی کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    distance_sensor = VL53L0X(bus = Bus().bus)
+    distance_sensor.begin()    
+    ```
+
+    یہ کوڈ Grove I²C بس کا استعمال کرتے ہوئے ایک ڈسٹنس سینسر ڈکلیئر کرتا ہے، پھر سینسر کو شروع کرتا ہے۔
+
+1. آخر میں، فاصلے پڑھنے کے لیے ایک لامتناہی لوپ شامل کریں:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    یہ کوڈ سینسر سے پڑھنے کے لیے ایک ویلیو کے تیار ہونے کا انتظار کرتا ہے، پھر اسے کنسول میں پرنٹ کرتا ہے۔
+
+1. اس کوڈ کو چلائیں۔
+
+    > 💁 یاد رکھیں کہ اس فائل کا نام `distance-sensor.py` ہے! اسے Python کے ذریعے چلائیں، نہ کہ `app.py` کے ذریعے۔
+
+1. آپ کنسول میں فاصلے کی پیمائش دیکھیں گے۔ سینسر کے قریب اشیاء رکھیں اور آپ فاصلے کی پیمائش دیکھیں گے:
+
+    ```output
+    pi@raspberrypi:~/fruit-quality-detector $ python3 distance_sensor.py 
+    Distance = 29 mm
+    Distance = 28 mm
+    Distance = 30 mm
+    Distance = 151 mm
+    ```
+
+    رینج فائنڈر سینسر کے پچھلے حصے پر ہے، لہذا فاصلے کی پیمائش کرتے وقت صحیح سمت استعمال کریں۔
+
+    ![ٹائم آف فلائٹ سینسر کے پچھلے حصے پر رینج فائنڈر ایک کیلے کی طرف اشارہ کر رہا ہے](../../../../../translated_images/time-of-flight-banana.079921ad8b1496e4525dc26b4cdc71a076407aba3e72ba113ba2e38febae92c5.ur.png)
+
+> 💁 آپ اس کوڈ کو [code-proximity/pi](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا قربت سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
new file mode 100644
index 00000000..3900e1d0
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e9f05bdc50a40fd924b1d66934471bf",
+  "translation_date": "2025-08-26T22:10:58+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md",
+  "language_code": "ur"
+}
+-->
+# قربت کا پتہ لگائیں - ورچوئل IoT ہارڈویئر
+
+اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک قربت سینسر شامل کریں گے اور اس سے فاصلہ پڑھیں گے۔
+
+## ہارڈویئر
+
+ورچوئل IoT ڈیوائس ایک سیمولیٹڈ ڈسٹنس سینسر استعمال کرے گا۔
+
+ایک فزیکل IoT ڈیوائس میں، آپ فاصلے کا پتہ لگانے کے لیے لیزر رینجنگ ماڈیول کے ساتھ ایک سینسر استعمال کریں گے۔
+
+### CounterFit میں ڈسٹنس سینسر شامل کریں
+
+ورچوئل ڈسٹنس سینسر استعمال کرنے کے لیے، آپ کو CounterFit ایپ میں ایک سینسر شامل کرنا ہوگا۔
+
+#### کام - CounterFit میں ڈسٹنس سینسر شامل کریں
+
+CounterFit ایپ میں ڈسٹنس سینسر شامل کریں۔
+
+1. VS Code میں `fruit-quality-detector` کوڈ کھولیں اور یقینی بنائیں کہ ورچوئل ماحول فعال ہے۔
+
+1. ایک اضافی Pip پیکج انسٹال کریں تاکہ ایک CounterFit shim انسٹال کیا جا سکے جو فاصلے کے سینسرز سے بات کر سکے، [rpi-vl53l0x Pip پیکج](https://pypi.org/project/rpi-vl53l0x/) کو سیمولیٹ کرتے ہوئے، جو ایک Python پیکج ہے جو [VL53L0X ٹائم آف فلائٹ ڈسٹنس سینسر](https://wiki.seeedstudio.com/Grove-Time_of_Flight_Distance_Sensor-VL53L0X/) کے ساتھ تعامل کرتا ہے۔ یقینی بنائیں کہ آپ یہ ورچوئل ماحول کے ساتھ فعال ٹرمینل سے انسٹال کر رہے ہیں۔
+
+    ```sh
+    pip install counterfit-shims-rpi-vl53l0x
+    ```
+
+1. یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
+
+1. ایک ڈسٹنس سینسر بنائیں:
+
+    1. *Sensors* پین میں *Create sensor* باکس میں، *Sensor type* ڈراپ ڈاؤن کریں اور *Distance* منتخب کریں۔
+
+    1. *Units* کو `Millimeter` پر چھوڑ دیں۔
+
+    1. یہ سینسر ایک I²C سینسر ہے، اس لیے ایڈریس کو `0x29` پر سیٹ کریں۔ اگر آپ نے ایک فزیکل VL53L0X سینسر استعمال کیا ہوتا تو یہ ایڈریس ہارڈ کوڈڈ ہوتا۔
+
+    1. ڈسٹنس سینسر بنانے کے لیے **Add** بٹن منتخب کریں۔
+
+    ![ڈسٹنس سینسر کی سیٹنگز](../../../../../translated_images/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.ur.png)
+
+    ڈسٹنس سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔
+
+    ![ڈسٹنس سینسر بنایا گیا](../../../../../translated_images/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.ur.png)
+
+## ڈسٹنس سینسر کو پروگرام کریں
+
+ورچوئل IoT ڈیوائس اب سیمولیٹڈ ڈسٹنس سینسر استعمال کرنے کے لیے پروگرام کیا جا سکتا ہے۔
+
+### کام - ٹائم آف فلائٹ سینسر کو پروگرام کریں
+
+1. `fruit-quality-detector` پروجیکٹ میں ایک نئی فائل بنائیں جس کا نام `distance-sensor.py` ہو۔
+
+    > 💁 متعدد IoT ڈیوائسز کو سیمولیٹ کرنے کا ایک آسان طریقہ یہ ہے کہ ہر ایک کو ایک مختلف Python فائل میں کریں، پھر انہیں ایک ہی وقت میں چلائیں۔
+
+1. CounterFit کے ساتھ کنکشن شروع کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    from counterfit_connection import CounterFitConnection
+    CounterFitConnection.init('127.0.0.1', 5000)
+    ```
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    import time
+    
+    from counterfit_shims_rpi_vl53l0x.vl53l0x import VL53L0X
+    ```
+
+    یہ VL53L0X ٹائم آف فلائٹ سینسر کے لیے سینسر لائبریری shim کو امپورٹ کرتا ہے۔
+
+1. اس کے نیچے، سینسر تک رسائی کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    distance_sensor = VL53L0X()
+    distance_sensor.begin()
+    ```
+
+    یہ کوڈ ایک ڈسٹنس سینسر ڈکلیئر کرتا ہے، پھر سینسر کو شروع کرتا ہے۔
+
+1. آخر میں، فاصلے پڑھنے کے لیے ایک لامتناہی لوپ شامل کریں:
+
+    ```python
+    while True:
+        distance_sensor.wait_ready()
+        print(f'Distance = {distance_sensor.get_distance()} mm')
+        time.sleep(1)
+    ```
+
+    یہ کوڈ سینسر سے پڑھنے کے لیے ایک ویلیو کے تیار ہونے کا انتظار کرتا ہے، پھر اسے کنسول میں پرنٹ کرتا ہے۔
+
+1. اس کوڈ کو چلائیں۔
+
+    > 💁 یاد رکھیں کہ اس فائل کا نام `distance-sensor.py` ہے! یقینی بنائیں کہ اسے Python کے ذریعے چلائیں، نہ کہ `app.py`۔
+
+1. آپ کنسول میں فاصلے کی پیمائش دیکھیں گے۔ CounterFit میں ویلیو تبدیل کریں تاکہ یہ ویلیو تبدیل ہو، یا رینڈم ویلیوز استعمال کریں۔
+
+    ```output
+    (.venv) ➜  fruit-quality-detector python distance-sensor.py 
+    Distance = 37 mm
+    Distance = 42 mm
+    Distance = 29 mm
+    ```
+
+> 💁 آپ یہ کوڈ [code-proximity/virtual-iot-device](../../../../../4-manufacturing/lessons/4-trigger-fruit-detector/code-proximity/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا قربت سینسر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
new file mode 100644
index 00000000..c0b94133
--- /dev/null
+++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md
@@ -0,0 +1,27 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "288aebb0c59f7be1d2719b8f9660a313",
+  "translation_date": "2025-08-26T22:10:10+00:00",
+  "source_file": "4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md",
+  "language_code": "ur"
+}
+-->
+# قربت کا پتہ لگائیں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal میں ایک قربت سینسر شامل کریں گے اور اس سے فاصلہ پڑھیں گے۔
+
+## ہارڈویئر
+
+Wio Terminal کو ایک قربت سینسر کی ضرورت ہے۔
+
+جو سینسر آپ استعمال کریں گے وہ [Grove Time of Flight distance sensor](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html) ہے۔ یہ سینسر فاصلے کا پتہ لگانے کے لیے ایک لیزر رینجنگ ماڈیول استعمال کرتا ہے۔ اس سینسر کی حد 10mm سے 2000mm (1cm - 2m) ہے، اور یہ اس حد میں کافی درست طریقے سے اقدار رپورٹ کرے گا، جبکہ 1000mm سے زیادہ فاصلے کو 8109mm کے طور پر رپورٹ کیا جائے گا۔
+
+لیزر رینج فائنڈر سینسر کے پچھلے حصے پر ہے، Grove ساکٹ کے مخالف سمت۔
+
+یہ ایک I
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/README.md b/translations/ur/5-retail/README.md
new file mode 100644
index 00000000..79373e47
--- /dev/null
+++ b/translations/ur/5-retail/README.md
@@ -0,0 +1,34 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "22a1d6e49f2a689fe5bfa7802a7241fc",
+  "translation_date": "2025-08-26T21:28:54+00:00",
+  "source_file": "5-retail/README.md",
+  "language_code": "ur"
+}
+-->
+# ریٹیل - اسٹاک لیولز کو منظم کرنے کے لیے IoT کا استعمال
+
+خوراک صارفین تک پہنچنے سے پہلے کا آخری مرحلہ ریٹیل ہے - وہ مارکیٹس، سبزی فروش، سپر مارکیٹس اور اسٹورز جو صارفین کو اشیاء فروخت کرتے ہیں۔ یہ اسٹورز یہ یقینی بنانا چاہتے ہیں کہ ان کے پاس اشیاء شیلف پر موجود ہوں تاکہ صارفین انہیں دیکھ سکیں اور خرید سکیں۔
+
+خوراک کے اسٹورز میں، خاص طور پر بڑے سپر مارکیٹس میں، سب سے زیادہ محنت طلب اور وقت لینے والے کاموں میں سے ایک یہ ہے کہ شیلف کو بھرے رکھا جائے۔ ہر شیلف کو چیک کرنا تاکہ یہ یقینی بنایا جا سکے کہ کوئی خلا موجود نہ ہو اور اسٹور رومز سے اشیاء لا کر اسے بھر دیا جائے۔
+
+IoT اس کام میں مدد فراہم کر سکتا ہے، AI ماڈلز کو IoT ڈیوائسز پر چلانے کے ذریعے اسٹاک کی گنتی کر سکتا ہے، اور مشین لرننگ ماڈلز کا استعمال کر سکتا ہے جو صرف تصاویر کو کلاسفائی نہیں کرتے بلکہ انفرادی اشیاء کو پہچانتے ہیں اور ان کی گنتی بھی کرتے ہیں۔
+
+ان دو اسباق میں آپ سیکھیں گے کہ تصویر پر مبنی AI ماڈلز کو اسٹاک کی گنتی کے لیے کیسے تربیت دی جائے، اور ان ماڈلز کو IoT ڈیوائسز پر کیسے چلایا جائے۔
+
+> 💁 یہ اسباق کچھ کلاؤڈ وسائل استعمال کریں گے۔ اگر آپ اس پروجیکٹ کے تمام اسباق مکمل نہیں کرتے، تو یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../clean-up.md)۔
+
+## موضوعات
+
+1. [اسٹاک ڈیٹیکٹر کی تربیت کریں](./lessons/1-train-stock-detector/README.md)
+1. [IoT ڈیوائس سے اسٹاک چیک کریں](./lessons/2-check-stock-device/README.md)
+
+## کریڈٹس
+
+تمام اسباق ♥️ کے ساتھ [Jim Bennett](https://GitHub.com/JimBobBennett) نے لکھے ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/1-train-stock-detector/README.md b/translations/ur/5-retail/lessons/1-train-stock-detector/README.md
new file mode 100644
index 00000000..d4aa5079
--- /dev/null
+++ b/translations/ur/5-retail/lessons/1-train-stock-detector/README.md
@@ -0,0 +1,192 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8df310a42f902139a01417dacb1ffbef",
+  "translation_date": "2025-08-26T21:38:05+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/README.md",
+  "language_code": "ur"
+}
+-->
+# اسٹاک ڈیٹیکٹر کی تربیت کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو Azure Custom Vision سروس کے ذریعے آبجیکٹ ڈیٹیکشن کا جائزہ پیش کرتی ہے، جو اس سبق میں شامل کی جائے گی۔
+
+[![Custom Vision 2 - Object Detection Made Easy | The Xamarin Show](https://img.youtube.com/vi/wtTYSyBUpFc/0.jpg)](https://www.youtube.com/watch?v=wtTYSyBUpFc)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/37)
+
+## تعارف
+
+پچھلے پروجیکٹ میں، آپ نے AI کا استعمال کرتے ہوئے ایک امیج کلاسیفائر تربیت دی تھی - ایک ماڈل جو یہ بتا سکتا ہے کہ آیا تصویر میں کچھ موجود ہے، جیسے کہ پکا ہوا پھل یا کچا پھل۔ AI ماڈلز کی ایک اور قسم جو تصاویر کے ساتھ استعمال کی جا سکتی ہے وہ آبجیکٹ ڈیٹیکشن ہے۔ یہ ماڈلز تصویر کو ٹیگز کے ذریعے کلاسیفائی نہیں کرتے بلکہ انہیں اشیاء کو پہچاننے کے لیے تربیت دی جاتی ہے، اور وہ تصاویر میں اشیاء کو تلاش کر سکتے ہیں، نہ صرف یہ کہ تصویر موجود ہے بلکہ یہ بھی کہ تصویر میں کہاں موجود ہے۔ اس سے آپ تصاویر میں اشیاء کی گنتی کر سکتے ہیں۔
+
+اس سبق میں آپ آبجیکٹ ڈیٹیکشن کے بارے میں سیکھیں گے، بشمول یہ کہ اسے ریٹیل میں کیسے استعمال کیا جا سکتا ہے۔ آپ یہ بھی سیکھیں گے کہ کلاؤڈ میں آبجیکٹ ڈیٹیکٹر کو کیسے تربیت دی جائے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [آبجیکٹ ڈیٹیکشن](../../../../../5-retail/lessons/1-train-stock-detector)
+* [ریٹیل میں آبجیکٹ ڈیٹیکشن کا استعمال](../../../../../5-retail/lessons/1-train-stock-detector)
+* [آبجیکٹ ڈیٹیکٹر کی تربیت کریں](../../../../../5-retail/lessons/1-train-stock-detector)
+* [اپنے آبجیکٹ ڈیٹیکٹر کو ٹیسٹ کریں](../../../../../5-retail/lessons/1-train-stock-detector)
+* [اپنے آبجیکٹ ڈیٹیکٹر کو دوبارہ تربیت دیں](../../../../../5-retail/lessons/1-train-stock-detector)
+
+## آبجیکٹ ڈیٹیکشن
+
+آبجیکٹ ڈیٹیکشن AI کا استعمال کرتے ہوئے تصاویر میں اشیاء کو پہچاننے کا عمل ہے۔ پچھلے پروجیکٹ میں تربیت دی گئی امیج کلاسیفائر کے برعکس، آبجیکٹ ڈیٹیکشن تصویر کو مجموعی طور پر بہترین ٹیگ کے طور پر پیش کرنے کے بارے میں نہیں ہے بلکہ تصویر میں ایک یا زیادہ اشیاء کو تلاش کرنے کے بارے میں ہے۔
+
+### آبجیکٹ ڈیٹیکشن بمقابلہ امیج کلاسیفیکیشن
+
+امیج کلاسیفیکیشن تصویر کو مجموعی طور پر کلاسیفائی کرنے کے بارے میں ہے - تصویر کے ہر ٹیگ سے مطابقت رکھنے کے امکانات کیا ہیں۔ آپ کو ماڈل کو تربیت دینے کے لیے استعمال کیے گئے ہر ٹیگ کے امکانات واپس ملتے ہیں۔
+
+![کاجو اور ٹماٹر پیسٹ کی امیج کلاسیفیکیشن](../../../../../translated_images/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.ur.png)
+
+اوپر دی گئی مثال میں، دو تصاویر کو ایک ماڈل کے ذریعے کلاسیفائی کیا گیا ہے جو کاجو کے ڈبے یا ٹماٹر پیسٹ کے کین کو کلاسیفائی کرنے کے لیے تربیت یافتہ ہے۔ پہلی تصویر کاجو کے ڈبے کی ہے، اور امیج کلاسیفائر کے دو نتائج ہیں:
+
+| ٹیگ            | امکان |
+| -------------- | ----------: |
+| `کاجو`         | 98.4%       |
+| `ٹماٹر پیسٹ`   | 1.6%        |
+
+دوسری تصویر ٹماٹر پیسٹ کے کین کی ہے، اور نتائج یہ ہیں:
+
+| ٹیگ            | امکان |
+| -------------- | ----------: |
+| `کاجو`         | 0.7%        |
+| `ٹماٹر پیسٹ`   | 99.3%       |
+
+آپ ان اقدار کو ایک تھریشولڈ فیصد کے ساتھ استعمال کر سکتے ہیں تاکہ یہ پیش گوئی کی جا سکے کہ تصویر میں کیا ہے۔ لیکن اگر تصویر میں ٹماٹر پیسٹ کے متعدد کین یا کاجو اور ٹماٹر پیسٹ دونوں موجود ہوں تو کیا ہوگا؟ نتائج شاید آپ کو وہ نہیں دیں گے جو آپ چاہتے ہیں۔ یہ وہ جگہ ہے جہاں آبجیکٹ ڈیٹیکشن کام آتا ہے۔
+
+آبجیکٹ ڈیٹیکشن ماڈل کو اشیاء کو پہچاننے کے لیے تربیت دینے کے بارے میں ہے۔ اس کے بجائے کہ آپ اسے اشیاء پر مشتمل تصاویر دیں اور اسے بتائیں کہ ہر تصویر ایک ٹیگ یا دوسرا ہے، آپ تصویر کے اس حصے کو نمایاں کرتے ہیں جس میں مخصوص شے موجود ہے، اور اسے ٹیگ کرتے ہیں۔ آپ تصویر میں ایک شے یا متعدد کو ٹیگ کر سکتے ہیں۔ اس طرح ماڈل سیکھتا ہے کہ شے خود کیسی دکھتی ہے، نہ کہ صرف وہ تصاویر جو شے پر مشتمل ہیں۔
+
+جب آپ اسے تصاویر کی پیش گوئی کے لیے استعمال کرتے ہیں، تو ٹیگز اور فیصد کی فہرست واپس حاصل کرنے کے بجائے، آپ کو پتہ چلنے والی اشیاء کی فہرست واپس ملتی ہے، ان کے باؤنڈنگ باکس کے ساتھ اور اس امکان کے ساتھ کہ باؤنڈنگ باکس تفویض کردہ ٹیگ سے میل کھاتا ہے۔
+
+> 🎓 *باؤنڈنگ باکسز* وہ باکسز ہیں جو کسی شے کے ارد گرد ہوتے ہیں۔
+
+![کاجو اور ٹماٹر پیسٹ کی آبجیکٹ ڈیٹیکشن](../../../../../translated_images/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.ur.png)
+
+اوپر دی گئی تصویر میں کاجو کے ڈبے اور ٹماٹر پیسٹ کے تین کین موجود ہیں۔ آبجیکٹ ڈیٹیکٹر نے کاجو کو پہچان لیا، اور باؤنڈنگ باکس واپس کیا جس میں کاجو کے ڈبے کے ہونے کا امکان 97.6% ہے۔ آبجیکٹ ڈیٹیکٹر نے ٹماٹر پیسٹ کے تین کین بھی پہچان لیے ہیں، اور تین الگ الگ باؤنڈنگ باکسز فراہم کیے ہیں، ہر ایک پتہ لگائے گئے کین کے لیے، اور ہر ایک کے پاس امکان ہے کہ باؤنڈنگ باکس میں ٹماٹر پیسٹ کا کین موجود ہے۔
+
+✅ کچھ مختلف منظرنامے سوچیں جن کے لیے آپ امیج پر مبنی AI ماڈلز استعمال کرنا چاہتے ہیں۔ کون سے کلاسیفیکیشن کی ضرورت ہوگی، اور کون سے آبجیکٹ ڈیٹیکشن کی ضرورت ہوگی؟
+
+### آبجیکٹ ڈیٹیکشن کیسے کام کرتا ہے
+
+آبجیکٹ ڈیٹیکشن پیچیدہ ML ماڈلز استعمال کرتا ہے۔ یہ ماڈلز تصویر کو متعدد سیلز میں تقسیم کرتے ہیں، پھر چیک کرتے ہیں کہ آیا باؤنڈنگ باکس کا مرکز تصویر کے مرکز سے میل کھاتا ہے جو ماڈل کو تربیت دینے کے لیے استعمال کی گئی تصاویر میں سے کسی ایک سے میل کھاتا ہے۔ آپ اسے اس طرح سمجھ سکتے ہیں جیسے تصویر کے مختلف حصوں پر امیج کلاسیفائر چلایا جا رہا ہو تاکہ مماثلتیں تلاش کی جا سکیں۔
+
+> 💁 یہ ایک بہت بڑی سادگی ہے۔ آبجیکٹ ڈیٹیکشن کے لیے بہت سی تکنیکیں ہیں، اور آپ ان کے بارے میں مزید پڑھ سکتے ہیں [ویکیپیڈیا پر آبجیکٹ ڈیٹیکشن کے صفحے](https://wikipedia.org/wiki/Object_detection) پر۔
+
+آبجیکٹ ڈیٹیکشن کے لیے مختلف ماڈلز موجود ہیں۔ ایک خاص طور پر مشہور ماڈل [YOLO (You only look once)](https://pjreddie.com/darknet/yolo/) ہے، جو انتہائی تیز ہے اور 20 مختلف کلاسز کی اشیاء کو پہچان سکتا ہے، جیسے لوگ، کتے، بوتلیں اور گاڑیاں۔
+
+✅ YOLO ماڈل کے بارے میں مزید پڑھیں [pjreddie.com/darknet/yolo/](https://pjreddie.com/darknet/yolo/) پر۔
+
+آبجیکٹ ڈیٹیکشن ماڈلز کو ٹرانسفر لرننگ کا استعمال کرتے ہوئے کسٹم اشیاء کو پہچاننے کے لیے دوبارہ تربیت دی جا سکتی ہے۔
+
+## ریٹیل میں آبجیکٹ ڈیٹیکشن کا استعمال
+
+ریٹیل میں آبجیکٹ ڈیٹیکشن کے متعدد استعمال ہیں۔ ان میں شامل ہیں:
+
+* **اسٹاک چیکنگ اور گنتی** - شیلف پر اسٹاک کم ہونے کی پہچان۔ اگر اسٹاک بہت کم ہو، تو عملے یا روبوٹس کو شیلف دوبارہ بھرنے کے لیے نوٹیفیکیشن بھیجے جا سکتے ہیں۔
+* **ماسک ڈیٹیکشن** - عوامی صحت کے واقعات کے دوران ماسک پالیسی والے اسٹورز میں، آبجیکٹ ڈیٹیکشن ماسک پہنے ہوئے اور بغیر ماسک والے لوگوں کو پہچان سکتا ہے۔
+* **خودکار بلنگ** - شیلف سے اٹھائی گئی اشیاء کو پہچاننا اور گاہکوں کو مناسب بلنگ دینا۔
+* **خطرے کی پہچان** - فرش پر ٹوٹے ہوئے اشیاء یا گرے ہوئے مائعات کی پہچان، صفائی کے عملے کو الرٹ کرنا۔
+
+✅ کچھ تحقیق کریں: ریٹیل میں آبجیکٹ ڈیٹیکشن کے مزید استعمال کے کیسز کیا ہو سکتے ہیں؟
+
+## آبجیکٹ ڈیٹیکٹر کی تربیت کریں
+
+آپ Custom Vision کا استعمال کرتے ہوئے آبجیکٹ ڈیٹیکٹر کو تربیت دے سکتے ہیں، بالکل اسی طرح جیسے آپ نے امیج کلاسیفائر کو تربیت دی تھی۔
+
+### کام - آبجیکٹ ڈیٹیکٹر بنائیں
+
+1. اس پروجیکٹ کے لیے ایک ریسورس گروپ بنائیں جسے `stock-detector` کہا جائے۔
+
+1. `stock-detector` ریسورس گروپ میں ایک مفت Custom Vision ٹریننگ ریسورس اور ایک مفت Custom Vision پریڈکشن ریسورس بنائیں۔ انہیں `stock-detector-training` اور `stock-detector-prediction` نام دیں۔
+
+    > 💁 آپ کے پاس صرف ایک مفت ٹریننگ اور پریڈکشن ریسورس ہو سکتا ہے، لہذا اس بات کو یقینی بنائیں کہ آپ نے پہلے کے اسباق سے اپنے پروجیکٹ کو صاف کر دیا ہے۔
+
+    > ⚠️ آپ [پروجیکٹ 4، سبق 1 سے ٹریننگ اور پریڈکشن ریسورسز بنانے کے لیے ہدایات کا حوالہ دے سکتے ہیں](../../../4-manufacturing/lessons/1-train-fruit-detector/README.md#task---create-a-cognitive-services-resource) اگر ضرورت ہو۔
+
+1. Custom Vision پورٹل پر جائیں [CustomVision.ai](https://customvision.ai)، اور اپنے Azure اکاؤنٹ کے لیے استعمال کیے گئے Microsoft اکاؤنٹ کے ساتھ سائن ان کریں۔
+
+1. Microsoft Docs پر [Build an object detector quickstart کے Create a new Project سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#create-a-new-project) کی پیروی کریں تاکہ ایک نیا Custom Vision پروجیکٹ بنایا جا سکے۔ UI تبدیل ہو سکتا ہے اور یہ دستاویزات ہمیشہ تازہ ترین حوالہ ہیں۔
+
+    اپنے پروجیکٹ کا نام `stock-detector` رکھیں۔
+
+    جب آپ اپنا پروجیکٹ بنائیں، تو اس بات کو یقینی بنائیں کہ آپ نے پہلے بنایا گیا `stock-detector-training` ریسورس استعمال کیا ہے۔ *Object Detection* پروجیکٹ ٹائپ اور *Products on Shelves* ڈومین استعمال کریں۔
+
+    ![Custom Vision پروجیکٹ کے لیے ترتیبات](../../../../../translated_images/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.ur.png)
+
+    ✅ *Products on Shelves* ڈومین خاص طور پر اسٹور شیلف پر اسٹاک کا پتہ لگانے کے لیے بنایا گیا ہے۔ Microsoft Docs پر [Select a domain documentation](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) میں مختلف ڈومینز کے بارے میں مزید پڑھیں۔
+
+✅ اپنے آبجیکٹ ڈیٹیکٹر کے لیے Custom Vision UI کو دریافت کرنے کے لیے کچھ وقت نکالیں۔
+
+### کام - اپنے آبجیکٹ ڈیٹیکٹر کو تربیت دیں
+
+اپنے ماڈل کو تربیت دینے کے لیے آپ کو ان تصاویر کا ایک سیٹ درکار ہوگا جن میں آپ نے پہچاننے والی اشیاء موجود ہوں۔
+
+1. ایسی تصاویر جمع کریں جن میں پہچاننے والی شے موجود ہو۔ آپ کو ہر شے کے لیے کم از کم 15 تصاویر درکار ہوں گی، مختلف زاویوں اور مختلف روشنی کے حالات میں، لیکن جتنی زیادہ ہوں اتنا بہتر ہے۔ یہ آبجیکٹ ڈیٹیکٹر *Products on Shelves* ڈومین استعمال کرتا ہے، لہذا اشیاء کو اسٹور شیلف پر رکھنے کی کوشش کریں۔ آپ کو ماڈل کی جانچ کے لیے کچھ تصاویر بھی درکار ہوں گی۔ اگر آپ ایک سے زیادہ اشیاء کا پتہ لگا رہے ہیں، تو آپ کچھ جانچ کی تصاویر چاہیں گے جن میں تمام اشیاء موجود ہوں۔
+
+    > 💁 مختلف اشیاء والی تصاویر ان تمام اشیاء کے لیے 15 تصاویر کی کم از کم تعداد میں شمار ہوتی ہیں جو تصویر میں موجود ہیں۔
+
+    آپ کی تصاویر png یا jpeg ہونی چاہئیں، 6MB سے چھوٹی۔ اگر آپ انہیں آئی فون کے ساتھ بناتے ہیں، تو وہ ممکنہ طور پر ہائی ریزولوشن HEIC تصاویر ہوں گی، لہذا انہیں تبدیل اور ممکنہ طور پر چھوٹا کرنے کی ضرورت ہوگی۔ جتنی زیادہ تصاویر ہوں اتنا بہتر، اور آپ کے پاس پکے اور کچے کی ایک جیسی تعداد ہونی چاہیے۔
+
+    ماڈل مصنوعات کے شیلف پر ہونے کے لیے بنایا گیا ہے، لہذا اشیاء کی تصاویر شیلف پر لینے کی کوشش کریں۔
+
+    آپ کچھ مثال تصاویر [images](../../../../../5-retail/lessons/1-train-stock-detector/images) فولڈر میں کاجو اور ٹماٹر پیسٹ کی تلاش کر سکتے ہیں جنہیں آپ استعمال کر سکتے ہیں۔
+
+1. Microsoft Docs پر [Build an object detector quickstart کے Upload and tag images سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) کی پیروی کریں تاکہ اپنی تربیت کی تصاویر اپ لوڈ کی جا سکیں۔ ان اشیاء کی اقسام کے مطابق متعلقہ ٹیگز بنائیں جنہیں آپ پہچاننا چاہتے ہیں۔
+
+    ![پکی اور کچی کیلے کی تصاویر اپ لوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.ur.png)
+
+    جب آپ اشیاء کے لیے باؤنڈنگ باکسز بنائیں، تو انہیں شے کے ارد گرد سخت رکھیں۔ تمام تصاویر کو آؤٹ لائن کرنے میں وقت لگ سکتا ہے، لیکن ٹول ان باؤنڈنگ باکسز کا پتہ لگائے گا جو اسے لگتا ہے، جس سے یہ تیز تر ہو جائے گا۔
+
+    ![ٹماٹر پیسٹ کو ٹیگ کرنا](../../../../../translated_images/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.ur.png)
+
+    > 💁 اگر آپ کے پاس ہر شے کے لیے 15 سے زیادہ تصاویر ہیں، تو آپ 15 کے بعد تربیت دے سکتے ہیں اور **Suggested tags** فیچر استعمال کر سکتے ہیں۔ یہ تربیت یافتہ ماڈل کو بغیر ٹیگ والی تصویر میں اشیاء کا پتہ لگانے کے لیے استعمال کرے گا۔ آپ پھر پتہ لگائی گئی اشیاء کی تصدیق کر سکتے ہیں، یا مسترد کر کے باؤنڈنگ باکسز کو دوبارہ بنا سکتے ہیں۔ یہ *بہت* وقت بچا سکتا ہے۔
+
+1. Microsoft Docs پر [Build an object detector quickstart کے Train the detector سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#train-the-detector) کی پیروی کریں تاکہ اپنے ٹیگ کردہ تصاویر پر آبجیکٹ ڈیٹیکٹر کو تربیت دی جا سکے۔
+
+    آپ کو تربیت کی قسم کا انتخاب دیا جائے گا۔ **Quick Training** منتخب کریں۔
+
+آبجیکٹ ڈیٹیکٹر تربیت حاصل کرے گا۔ تربیت مکمل ہونے میں چند منٹ لگیں گے۔
+
+## اپنے آبجیکٹ ڈیٹیکٹر کو ٹیسٹ کریں
+
+ایک بار جب آپ کا آبجیکٹ ڈیٹیکٹر تربیت یافتہ ہو جائے، تو آپ اسے نئی تصاویر دے کر اشیاء کا پتہ لگانے کے لیے ٹیسٹ کر سکتے ہیں۔
+
+### کام - اپنے آبجیکٹ ڈیٹیکٹر کو ٹیسٹ کریں
+
+1. **Quick Test** بٹن کا استعمال کرتے ہوئے ٹیسٹنگ تصاویر اپ لوڈ کریں اور تصدیق کریں کہ اشیاء کا پتہ لگایا گیا ہے۔ وہ ٹیسٹنگ تصاویر استعمال کریں جو آپ نے پہلے بنائی تھیں، تربیت کے لیے استعمال کی گئی تصاویر نہیں۔
+
+    ![ٹماٹر پیسٹ کے 3 کین کا پتہ لگایا گیا، امکانات 38%, 35.5% اور 34.6%](../../../../../translated_images/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.ur.png)
+
+1. آپ کے پاس موجود تمام ٹیسٹنگ تصاویر آزمائیں اور امکانات کا مشاہدہ کریں۔
+
+## اپنے آبجیکٹ ڈیٹیکٹر کو دوبارہ تربیت دیں
+
+جب آپ اپنے آبجیکٹ ڈیٹیکٹر کو ٹیسٹ کرتے ہیں، تو یہ ممکن ہے کہ یہ آپ کی توقع کے مطابق نتائج نہ دے، بالکل اسی طرح جیسے پچھلے پروجیکٹ میں امیج کلاسیفائرز کے ساتھ۔ آپ اپنے آبجیکٹ ڈیٹیکٹر کو ان تصاویر کے ساتھ دوبارہ تربیت دے کر بہتر بنا سکتے ہیں جن میں یہ غلطی کرتا ہے۔
+
+جب بھی آپ Quick Test آپشن کا استعمال کرتے ہوئے پیش گوئی کرتے ہیں، تصویر اور نتائج محفوظ کیے جاتے ہیں۔ آپ ان تصاویر کو اپنے ماڈل کو دوبارہ تربیت دینے کے لیے استعمال کر سکتے ہیں۔
+
+1. **Predictions** ٹیب کا استعمال کرتے ہوئے ان تصاویر کو تلاش کریں جو آپ نے ٹیسٹنگ
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38)
+
+## جائزہ اور خود مطالعہ
+
+* جب آپ نے اپنے آبجیکٹ ڈیٹیکٹر کو تربیت دی، تو آپ نے *Precision*، *Recall*، اور *mAP* کی قدریں دیکھی ہوں گی جو بنائے گئے ماڈل کی درجہ بندی کرتی ہیں۔ ان قدروں کے بارے میں مزید جاننے کے لیے [Microsoft Docs پر Build an object detector quickstart کے Evaluate the detector سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#evaluate-the-detector) کو پڑھیں۔
+* آبجیکٹ ڈیٹیکشن کے بارے میں مزید جاننے کے لیے [ویکیپیڈیا کے Object detection صفحے](https://wikipedia.org/wiki/Object_detection) پر جائیں۔
+
+## اسائنمنٹ
+
+[ڈومینز کا موازنہ کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/1-train-stock-detector/assignment.md b/translations/ur/5-retail/lessons/1-train-stock-detector/assignment.md
new file mode 100644
index 00000000..1c10298d
--- /dev/null
+++ b/translations/ur/5-retail/lessons/1-train-stock-detector/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d93ee76fac4c2199973689ecd05baaf9",
+  "translation_date": "2025-08-26T21:39:40+00:00",
+  "source_file": "5-retail/lessons/1-train-stock-detector/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ڈومینز کا موازنہ کریں
+
+## ہدایات
+
+جب آپ نے اپنا آبجیکٹ ڈیٹیکٹر بنایا، تو آپ کے پاس مختلف ڈومینز کا انتخاب کرنے کا اختیار تھا۔ یہ دیکھیں کہ وہ آپ کے اسٹاک ڈیٹیکٹر کے لیے کتنے مؤثر ہیں، اور بیان کریں کہ کون سا بہتر نتائج دیتا ہے۔
+
+ڈومین کو تبدیل کرنے کے لیے، اوپر والے مینو میں **Settings** بٹن کو منتخب کریں، ایک نیا ڈومین منتخب کریں، **Save changes** بٹن کو منتخب کریں، اور پھر ماڈل کو دوبارہ تربیت دیں۔ اس بات کو یقینی بنائیں کہ آپ نئے ڈومین کے ساتھ تربیت یافتہ ماڈل کے نئے ورژن کے ساتھ ٹیسٹ کریں۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| ماڈل کو مختلف ڈومین کے ساتھ تربیت دینا | ڈومین کو تبدیل کرنے اور ماڈل کو دوبارہ تربیت دینے کے قابل تھا | ڈومین کو تبدیل کرنے اور ماڈل کو دوبارہ تربیت دینے کے قابل تھا | ڈومین کو تبدیل کرنے یا ماڈل کو دوبارہ تربیت دینے کے قابل نہیں تھا |
+| ماڈل کا ٹیسٹ کرنا اور نتائج کا موازنہ کرنا | مختلف ڈومینز کے ساتھ ماڈل کا ٹیسٹ کرنے، نتائج کا موازنہ کرنے، اور یہ بیان کرنے کے قابل تھا کہ کون سا بہتر ہے | مختلف ڈومینز کے ساتھ ماڈل کا ٹیسٹ کرنے کے قابل تھا، لیکن نتائج کا موازنہ کرنے اور یہ بیان کرنے کے قابل نہیں تھا کہ کون سا بہتر ہے | مختلف ڈومینز کے ساتھ ماڈل کا ٹیسٹ کرنے کے قابل نہیں تھا |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/README.md b/translations/ur/5-retail/lessons/2-check-stock-device/README.md
new file mode 100644
index 00000000..274eaade
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/README.md
@@ -0,0 +1,191 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "1c9e5fa8b7be726c75a97232b1e41c97",
+  "translation_date": "2025-08-26T21:31:22+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی ڈیوائس سے اسٹاک چیک کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.ur.jpg)
+
+> خاکہ: [نیتیا نرسمہن](https://github.com/nitya)۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/39)
+
+## تعارف
+
+پچھلے سبق میں آپ نے ریٹیل میں آبجیکٹ ڈیٹیکشن کے مختلف استعمالات کے بارے میں سیکھا۔ آپ نے یہ بھی سیکھا کہ اسٹاک کی شناخت کے لیے آبجیکٹ ڈیٹیکٹر کو کیسے تربیت دی جائے۔ اس سبق میں آپ سیکھیں گے کہ اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر کا استعمال کرکے اسٹاک کیسے گنا جائے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [اسٹاک گننا](../../../../../5-retail/lessons/2-check-stock-device)
+* [اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں](../../../../../5-retail/lessons/2-check-stock-device)
+* [باؤنڈنگ باکسز](../../../../../5-retail/lessons/2-check-stock-device)
+* [ماڈل کو دوبارہ تربیت دیں](../../../../../5-retail/lessons/2-check-stock-device)
+* [اسٹاک گنیں](../../../../../5-retail/lessons/2-check-stock-device)
+
+> 🗑 یہ اس پروجیکٹ کا آخری سبق ہے، لہذا سبق اور اسائنمنٹ مکمل کرنے کے بعد اپنے کلاؤڈ سروسز کو صاف کرنا نہ بھولیں۔ اسائنمنٹ مکمل کرنے کے لیے آپ کو سروسز کی ضرورت ہوگی، لہذا پہلے اسائنمنٹ مکمل کریں۔
+>
+> اگر ضرورت ہو تو [اپنے پروجیکٹ کو صاف کرنے کے گائیڈ](../../../clean-up.md) کا حوالہ دیں۔
+
+## اسٹاک گننا
+
+آبجیکٹ ڈیٹیکٹرز اسٹاک چیکنگ کے لیے استعمال کیے جا سکتے ہیں، چاہے اسٹاک گننا ہو یا یہ یقینی بنانا کہ اسٹاک اپنی جگہ پر موجود ہے۔ کیمروں کے ساتھ آئی او ٹی ڈیوائسز اسٹور کے مختلف حصوں میں تعینات کی جا سکتی ہیں تاکہ اسٹاک کی نگرانی کی جا سکے، خاص طور پر ان جگہوں پر جہاں اشیاء کو دوبارہ اسٹاک کرنا ضروری ہو، جیسے وہ علاقے جہاں کم تعداد میں قیمتی اشیاء رکھی جاتی ہیں۔
+
+مثال کے طور پر، اگر ایک کیمرا ان شیلفوں کی طرف اشارہ کر رہا ہے جو 8 ٹماٹر پیسٹ کے کین رکھ سکتے ہیں، اور آبجیکٹ ڈیٹیکٹر صرف 7 کین کا پتہ لگاتا ہے، تو ایک کین غائب ہے اور اسے دوبارہ اسٹاک کرنے کی ضرورت ہے۔
+
+![شیلف پر 7 ٹماٹر پیسٹ کے کین، اوپر کی قطار میں 4، نیچے کی قطار میں 3](../../../../../translated_images/stock-7-cans-tomato-paste.f86059cc573d7becaa89a0eafb9d2cd7e2fe37405a530fe565990e2333d0e4a1.ur.png)
+
+اوپر دی گئی تصویر میں، آبجیکٹ ڈیٹیکٹر نے شیلف پر 7 ٹماٹر پیسٹ کے کین کا پتہ لگایا ہے جو 8 کین رکھ سکتا ہے۔ نہ صرف آئی او ٹی ڈیوائس دوبارہ اسٹاک کرنے کی ضرورت کا نوٹیفکیشن بھیج سکتی ہے، بلکہ یہ غائب آئٹم کے مقام کا اشارہ بھی دے سکتی ہے، جو اہم ڈیٹا ہے اگر آپ روبوٹس کا استعمال کر رہے ہیں تاکہ شیلف کو دوبارہ اسٹاک کیا جا سکے۔
+
+> 💁 اسٹور اور آئٹم کی مقبولیت کے لحاظ سے، اگر صرف 1 کین غائب ہو تو شاید دوبارہ اسٹاک نہ کیا جائے۔ آپ کو ایک الگورتھم بنانا ہوگا جو آپ کی پروڈکٹ، گاہکوں اور دیگر معیار کی بنیاد پر فیصلہ کرے کہ کب دوبارہ اسٹاک کرنا ہے۔
+
+✅ آپ کن دیگر حالات میں آبجیکٹ ڈیٹیکشن اور روبوٹس کو ملا کر استعمال کر سکتے ہیں؟
+
+کبھی کبھی غلط اسٹاک شیلف پر ہو سکتا ہے۔ یہ دوبارہ اسٹاک کرتے وقت انسانی غلطی ہو سکتی ہے، یا گاہک اپنی خریداری پر دوبارہ غور کر کے آئٹم کو پہلی دستیاب جگہ پر رکھ سکتے ہیں۔ جب یہ غیر خراب ہونے والی اشیاء جیسے کینڈ گڈز ہوں، تو یہ ایک پریشانی ہے۔ اگر یہ خراب ہونے والی اشیاء جیسے فریز یا ٹھنڈی اشیاء ہوں، تو اس کا مطلب یہ ہو سکتا ہے کہ پروڈکٹ کو مزید فروخت نہیں کیا جا سکتا کیونکہ یہ بتانا ممکن نہیں ہوگا کہ آئٹم کتنی دیر تک فریزر سے باہر رہا۔
+
+آبجیکٹ ڈیٹیکشن غیر متوقع اشیاء کا پتہ لگانے کے لیے استعمال کیا جا سکتا ہے، اور دوبارہ آئٹم کو صحیح جگہ پر رکھنے کے لیے انسان یا روبوٹ کو الرٹ کیا جا سکتا ہے۔
+
+![ٹماٹر پیسٹ کے شیلف پر بے ترتیب بیبی کارن کا کین](../../../../../translated_images/stock-rogue-corn.be1f3ada8c4578544641af66671c1711a4c02297f14cc7f503354dae0d30a954.ur.png)
+
+اوپر دی گئی تصویر میں، بیبی کارن کا ایک کین ٹماٹر پیسٹ کے شیلف پر رکھا گیا ہے۔ آبجیکٹ ڈیٹیکٹر نے اس کا پتہ لگایا ہے، جس سے آئی او ٹی ڈیوائس انسان یا روبوٹ کو کین کو اس کی صحیح جگہ پر واپس رکھنے کے لیے مطلع کر سکتی ہے۔
+
+## اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں
+
+پچھلے سبق میں تربیت دی گئی آبجیکٹ ڈیٹیکٹر کو آپ کے آئی او ٹی ڈیوائس سے کال کیا جا سکتا ہے۔
+
+### کام - اپنے آبجیکٹ ڈیٹیکٹر کا ایک ورژن شائع کریں
+
+ورژنز کو کسٹم وژن پورٹل سے شائع کیا جاتا ہے۔
+
+1. [CustomVision.ai](https://customvision.ai) پر کسٹم وژن پورٹل لانچ کریں اور سائن ان کریں اگر آپ نے پہلے سے اسے کھولا نہیں ہے۔ پھر اپنے `stock-detector` پروجیکٹ کو کھولیں۔
+
+1. اوپر دیے گئے آپشنز میں سے **Performance** ٹیب منتخب کریں۔
+
+1. سائیڈ پر موجود *Iterations* کی فہرست سے تازہ ترین ورژن منتخب کریں۔
+
+1. ورژن کے لیے **Publish** بٹن منتخب کریں۔
+
+    ![پبلش بٹن](../../../../../translated_images/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.ur.png)
+
+1. *Publish Model* ڈائیلاگ میں، *Prediction resource* کو `stock-detector-prediction` ریسورس پر سیٹ کریں جو آپ نے پچھلے سبق میں بنایا تھا۔ نام کو `Iteration2` کے طور پر چھوڑ دیں، اور **Publish** بٹن منتخب کریں۔
+
+1. شائع ہونے کے بعد، **Prediction URL** بٹن منتخب کریں۔ یہ پیش گوئی API کی تفصیلات دکھائے گا، اور آپ کو یہ اپنے آئی او ٹی ڈیوائس سے ماڈل کو کال کرنے کے لیے درکار ہوں گی۔ نچلا حصہ *If you have an image file* کے لیبل کے ساتھ ہے، اور یہ وہ تفصیلات ہیں جو آپ کو چاہیے۔ دکھائی گئی URL کی ایک کاپی لیں جو کچھ اس طرح ہوگی:
+
+    ```output
+    https://<location>.api.cognitive.microsoft.com/customvision/v3.0/Prediction/<id>/detect/iterations/Iteration2/image
+    ```
+
+    جہاں `<location>` وہ مقام ہوگا جو آپ نے کسٹم وژن ریسورس بناتے وقت استعمال کیا تھا، اور `<id>` ایک لمبی آئی ڈی ہوگی جو حروف اور نمبروں پر مشتمل ہوگی۔
+
+    *Prediction-Key* ویلیو کی بھی ایک کاپی لیں۔ یہ ایک محفوظ کلید ہے جسے آپ کو ماڈل کو کال کرتے وقت پاس کرنا ہوگا۔ صرف وہی ایپلیکیشنز جو اس کلید کو پاس کرتی ہیں ماڈل استعمال کرنے کی اجازت رکھتی ہیں، دیگر تمام ایپلیکیشنز کو مسترد کر دیا جاتا ہے۔
+
+    ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.ur.png)
+
+✅ جب ایک نیا ورژن شائع ہوتا ہے، تو اس کا نام مختلف ہوگا۔ آپ کے خیال میں آپ آئی او ٹی ڈیوائس کو کیسے تبدیل کریں گے تاکہ وہ نیا ورژن استعمال کرے؟
+
+### کام - اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں
+
+اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر استعمال کرنے کے لیے نیچے دیے گئے متعلقہ گائیڈز پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-object-detector.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/Virtual device](single-board-computer-object-detector.md)
+
+## باؤنڈنگ باکسز
+
+جب آپ آبجیکٹ ڈیٹیکٹر استعمال کرتے ہیں، تو آپ کو نہ صرف ڈیٹیکٹ کیے گئے آبجیکٹس کے ٹیگز اور امکانات واپس ملتے ہیں، بلکہ آپ کو آبجیکٹس کے باؤنڈنگ باکسز بھی ملتے ہیں۔ یہ ان علاقوں کی وضاحت کرتے ہیں جہاں آبجیکٹ ڈیٹیکٹر نے دیے گئے امکان کے ساتھ آبجیکٹ کا پتہ لگایا۔
+
+> 💁 باؤنڈنگ باکس ایک ایسا باکس ہے جو اس علاقے کی وضاحت کرتا ہے جہاں ڈیٹیکٹ کیا گیا آبجیکٹ موجود ہے، ایک باکس جو آبجیکٹ کی حد کو بیان کرتا ہے۔
+
+کسٹم وژن میں **Predictions** ٹیب میں پیش گوئی کے نتائج میں باؤنڈنگ باکسز اس تصویر پر کھینچے جاتے ہیں جو پیش گوئی کے لیے بھیجی گئی تھی۔
+
+![شیلف پر 4 ٹماٹر پیسٹ کے کین، پیش گوئی کے ساتھ 4 ڈیٹیکشنز کے لیے 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png)
+
+اوپر دی گئی تصویر میں، 4 ٹماٹر پیسٹ کے کین کا پتہ لگایا گیا۔ نتائج میں ہر ڈیٹیکٹ کیے گئے آبجیکٹ کے لیے تصویر پر ایک سرخ مربع اوورلے کیا گیا ہے، جو تصویر کے لیے باؤنڈنگ باکس کی نشاندہی کرتا ہے۔
+
+✅ کسٹم وژن میں پیش گوئی کھولیں اور باؤنڈنگ باکسز کو چیک کریں۔
+
+باؤنڈنگ باکسز 4 ویلیوز کے ساتھ بیان کیے جاتے ہیں - اوپر، بائیں، اونچائی اور چوڑائی۔ یہ ویلیوز 0-1 کے پیمانے پر ہوتی ہیں، جو تصویر کے سائز کے فیصد کے طور پر پوزیشنز کی نمائندگی کرتی ہیں۔ اصل (0,0 پوزیشن) تصویر کے اوپر بائیں طرف ہے، لہذا اوپر کی ویلیو اوپر سے فاصلہ ہے، اور باؤنڈنگ باکس کا نیچے اوپر کے ساتھ اونچائی کے برابر ہے۔
+
+![ٹماٹر پیسٹ کے کین کے ارد گرد ایک باؤنڈنگ باکس](../../../../../translated_images/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.ur.png)
+
+اوپر دی گئی تصویر 600 پکسلز چوڑی اور 800 پکسلز لمبی ہے۔ باؤنڈنگ باکس 320 پکسلز نیچے سے شروع ہوتا ہے، جس سے اوپر کا کوآرڈینیٹ 0.4 بنتا ہے (800 x 0.4 = 320)۔ بائیں طرف سے، باؤنڈنگ باکس 240 پکسلز سے شروع ہوتا ہے، جس سے بائیں کوآرڈینیٹ 0.4 بنتا ہے (600 x 0.4 = 240)۔ باؤنڈنگ باکس کی اونچائی 240 پکسلز ہے، جس سے اونچائی کی ویلیو 0.3 بنتی ہے (800 x 0.3 = 240)۔ باؤنڈنگ باکس کی چوڑائی 120 پکسلز ہے، جس سے چوڑائی کی ویلیو 0.2 بنتی ہے (600 x 0.2 = 120)۔
+
+| کوآرڈینیٹ | ویلیو |
+| ---------- | ----: |
+| اوپر        | 0.4   |
+| بائیں       | 0.4   |
+| اونچائی     | 0.3   |
+| چوڑائی      | 0.2   |
+
+0-1 کے فیصد ویلیوز کا استعمال کرنے کا مطلب ہے کہ تصویر کو کسی بھی سائز میں اسکیل کیا جائے، باؤنڈنگ باکس 0.4 کے فاصلے پر شروع ہوتا ہے اور نیچے، اور 0.3 اونچائی اور 0.2 چوڑائی کا ہوتا ہے۔
+
+آپ باؤنڈنگ باکسز کو امکانات کے ساتھ ملا کر ڈیٹیکشن کی درستگی کا جائزہ لے سکتے ہیں۔ مثال کے طور پر، ایک آبجیکٹ ڈیٹیکٹر متعدد آبجیکٹس کا پتہ لگا سکتا ہے جو ایک دوسرے کے اوپر ہیں، جیسے ایک کین دوسرے کے اندر ڈیٹیکٹ کرنا۔ آپ کا کوڈ باؤنڈنگ باکسز کو دیکھ سکتا ہے، سمجھ سکتا ہے کہ یہ ناممکن ہے، اور کسی بھی آبجیکٹ کو نظر انداز کر سکتا ہے جو دوسرے آبجیکٹس کے ساتھ نمایاں طور پر اوورلیپ کرتا ہے۔
+
+![ٹماٹر پیسٹ کے کین کے ارد گرد دو اوورلیپنگ باؤنڈنگ باکسز](../../../../../translated_images/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.ur.png)
+
+اوپر دی گئی مثال میں، ایک باؤنڈنگ باکس نے 78.3% امکان کے ساتھ ٹماٹر پیسٹ کے کین کی پیش گوئی کی۔ دوسرا باؤنڈنگ باکس تھوڑا چھوٹا ہے، اور پہلے باؤنڈنگ باکس کے اندر ہے جس کا امکان 64.3% ہے۔ آپ کا کوڈ باؤنڈنگ باکسز کو چیک کر سکتا ہے، دیکھ سکتا ہے کہ وہ مکمل طور پر اوورلیپ کرتے ہیں، اور کم امکان کو نظر انداز کر سکتا ہے کیونکہ ایک کین دوسرے کے اندر نہیں ہو سکتا۔
+
+✅ کیا آپ کسی ایسی صورتحال کے بارے میں سوچ سکتے ہیں جہاں ایک آبجیکٹ دوسرے کے اندر ڈیٹیکٹ کرنا جائز ہو؟
+
+## ماڈل کو دوبارہ تربیت دیں
+
+امیج کلاسفائر کی طرح، آپ اپنے آئی او ٹی ڈیوائس کے ذریعے حاصل کردہ ڈیٹا کا استعمال کرتے ہوئے اپنے ماڈل کو دوبارہ تربیت دے سکتے ہیں۔ اس حقیقی دنیا کے ڈیٹا کا استعمال یہ یقینی بنائے گا کہ آپ کا ماڈل آپ کے آئی او ٹی ڈیوائس سے استعمال کرتے وقت اچھی طرح کام کرے۔
+
+امیج کلاسفائر کے برعکس، آپ صرف ایک تصویر کو ٹیگ نہیں کر سکتے۔ اس کے بجائے آپ کو ماڈل کے ذریعے ڈیٹیکٹ کیے گئے ہر باؤنڈنگ باکس کا جائزہ لینا ہوگا۔ اگر باکس غلط چیز کے ارد گرد ہے تو اسے حذف کرنا ہوگا، اگر یہ غلط جگہ پر ہے تو اسے ایڈجسٹ کرنا ہوگا۔
+
+### کام - ماڈل کو دوبارہ تربیت دیں
+
+1. یقینی بنائیں کہ آپ نے اپنے آئی او ٹی ڈیوائس کا استعمال کرتے ہوئے مختلف تصاویر حاصل کی ہیں۔
+
+1. **Predictions** ٹیب سے ایک تصویر منتخب کریں۔ آپ کو ڈیٹیکٹ کیے گئے آبجیکٹس کے باؤنڈنگ باکسز کے لیے سرخ باکسز نظر آئیں گے۔
+
+1. ہر باؤنڈنگ باکس پر کام کریں۔ پہلے اسے منتخب کریں اور آپ کو ایک پاپ اپ نظر آئے گا جو ٹیگ دکھائے گا۔ اگر ضروری ہو تو باؤنڈنگ باکس کے کونے پر موجود ہینڈلز کا استعمال کرتے ہوئے سائز کو ایڈجسٹ کریں۔ اگر ٹیگ غلط ہے، تو اسے **X** بٹن کے ساتھ ہٹا دیں اور صحیح ٹیگ شامل کریں۔ اگر باؤنڈنگ باکس میں کوئی آبجیکٹ نہیں ہے، تو اسے ٹریشکن بٹن کے ساتھ حذف کریں۔
+
+1. ایڈیٹر کو بند کریں جب کام مکمل ہو جائے اور تصویر **Predictions** ٹیب سے **Training Images** ٹیب میں منتقل ہو جائے گی۔ تمام پیش گوئیوں کے لیے اس عمل کو دہرائیں۔
+
+1. **Train** بٹن کا استعمال کرتے ہوئے اپنے ماڈل کو دوبارہ تربیت دیں۔ ایک بار جب یہ تربیت حاصل کر لے، ورژن شائع کریں اور اپنے آئی او ٹی ڈیوائس کو نئے ورژن کے URL کے ساتھ اپ ڈیٹ کریں۔
+
+1. اپنا کوڈ دوبارہ تعینات کریں اور اپنے آئی او ٹی ڈیوائس کو ٹیسٹ کریں۔
+
+## اسٹاک گنیں
+
+آبجیکٹس کی تعداد اور باؤنڈنگ باکسز کے امتزاج کا استعمال کرتے ہوئے، آپ شیلف پر موجود اسٹاک کو گن سکتے ہیں۔
+
+### کام - اسٹاک گنیں
+
+اپنے آئی او ٹی ڈیوائس سے آبجیکٹ ڈیٹیکٹر کے نتائج کا استعمال کرتے ہوئے اسٹاک گننے کے لیے نیچے دیے گئے متعلقہ گائیڈز پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-count-stock.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi/Virtual device](single-board-computer-count-stock.md)
+
+---
+
+## 🚀 چیلنج
+
+کیا آپ غلط اسٹاک کا پتہ لگا سکتے ہیں؟ اپنے ماڈل کو متعدد آبجیکٹس پر تربیت دیں، پھر اپنی ایپ کو اپ ڈیٹ کریں تاکہ آپ کو غلط اسٹاک کا پتہ لگنے پر الرٹ کرے۔
+
+شاید اس سے بھی آگے بڑھیں اور ایک ہی شیلف پر اسٹاک کو ساتھ ساتھ ڈیٹیکٹ کریں، اور دیکھیں کہ آیا کچھ غلط جگہ پر رکھا گیا ہے باؤنڈنگ باکسز پر حدود کی وضاحت کرکے۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/40)
+
+## جائزہ اور خود مطالعہ
+
+* اسٹاک ڈیٹیکشن سسٹم کو آخر سے آخر تک آرکیٹیکٹ کرنے کے بارے میں مزید جانیں [Microsoft Docs پر Out of stock detection at the edge pattern guide](https://docs.microsoft.com/hybrid/app-solutions/pattern-out-of-stock-at-edge?WT.mc_id=academic-17441-jabenn) سے۔
+* آئی او ٹی اور کلاؤڈ سروسز کے امتزاج سے آخر سے آخر تک ریٹیل حل بنانے کے دیگر طریقے سیکھیں، یہ دیکھ کر [Behind the scenes of a retail solution - Hands On! ویڈیو یوٹیوب پر](https://www.youtube.com/watch?v=m3Pc300x2Mw)۔
+
+## اسائنمنٹ
+
+[اپنے آبجیکٹ ڈیٹیکٹر کو ایج پر استعمال کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/assignment.md b/translations/ur/5-retail/lessons/2-check-stock-device/assignment.md
new file mode 100644
index 00000000..b631d832
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/assignment.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3cf7783991ec0ee4f6041223924894c7",
+  "translation_date": "2025-08-26T21:32:56+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/assignment.md",
+  "language_code": "ur"
+}
+-->
+# اپنے آبجیکٹ ڈیٹیکٹر کو ایج پر استعمال کریں
+
+## ہدایات
+
+پچھلے پروجیکٹ میں، آپ نے اپنے امیج کلاسیفائر کو ایج پر ڈپلائے کیا تھا۔ اپنے آبجیکٹ ڈیٹیکٹر کے ساتھ بھی یہی کریں، اسے ایک کمپیکٹ ماڈل کے طور پر ایکسپورٹ کریں اور ایج پر چلائیں، اور اپنے IoT ڈیوائس سے ایج ورژن تک رسائی حاصل کریں۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| -------- | --------- | -------- | ----------------- |
+| اپنے آبجیکٹ ڈیٹیکٹر کو ایج پر ڈپلائے کریں | درست کمپیکٹ ڈومین استعمال کرنے، آبجیکٹ ڈیٹیکٹر کو ایکسپورٹ کرنے اور ایج پر چلانے میں کامیاب | درست کمپیکٹ ڈومین استعمال کرنے اور آبجیکٹ ڈیٹیکٹر کو ایکسپورٹ کرنے میں کامیاب، لیکن ایج پر چلانے میں ناکام | درست کمپیکٹ ڈومین استعمال کرنے، آبجیکٹ ڈیٹیکٹر کو ایکسپورٹ کرنے اور ایج پر چلانے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
new file mode 100644
index 00000000..e9e11ebb
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md
@@ -0,0 +1,177 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9c4320311c0f2c1884a6a21265d98a51",
+  "translation_date": "2025-08-26T21:35:02+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-count-stock.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس سے اسٹاک گنیں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+پیشگوئیوں اور ان کے باؤنڈنگ باکسز کے امتزاج کو تصویر میں اسٹاک گننے کے لیے استعمال کیا جا سکتا ہے۔
+
+## باؤنڈنگ باکسز دکھائیں
+
+ایک مددگار ڈیبگنگ قدم کے طور پر، آپ نہ صرف باؤنڈنگ باکسز کو پرنٹ کر سکتے ہیں بلکہ انہیں اس تصویر پر بھی کھینچ سکتے ہیں جو تصویر کیپچر ہونے پر ڈسک پر لکھی گئی تھی۔
+
+### کام - باؤنڈنگ باکسز پرنٹ کریں
+
+1. یقینی بنائیں کہ `stock-counter` پروجیکٹ VS Code میں کھلا ہے، اور اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو ورچوئل ماحول فعال ہے۔
+
+1. `for` لوپ میں موجود `print` بیان کو درج ذیل میں تبدیل کریں تاکہ باؤنڈنگ باکسز کو کنسول پر پرنٹ کیا جا سکے:
+
+    ```python
+    print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%\t{prediction.bounding_box}')
+    ```
+
+1. ایپ کو چلائیں اور کیمرے کو شیلف پر موجود اسٹاک کی طرف رکھیں۔ باؤنڈنگ باکسز کنسول پر پرنٹ ہوں گے، جن میں بائیں، اوپر، چوڑائی اور اونچائی کی قدریں 0-1 کے درمیان ہوں گی۔
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   33.42%  {'additional_properties': {}, 'left': 0.3455171, 'top': 0.09916268, 'width': 0.14175442, 'height': 0.29405564}
+    tomato paste:   34.41%  {'additional_properties': {}, 'left': 0.48283678, 'top': 0.10242918, 'width': 0.11782813, 'height': 0.27467814}
+    tomato paste:   31.25%  {'additional_properties': {}, 'left': 0.4923783, 'top': 0.35007596, 'width': 0.13668466, 'height': 0.28304994}
+    tomato paste:   31.05%  {'additional_properties': {}, 'left': 0.36416405, 'top': 0.37494493, 'width': 0.14024884, 'height': 0.26880276}
+    ```
+
+### کام - تصویر پر باؤنڈنگ باکسز کھینچیں
+
+1. Pip پیکیج [Pillow](https://pypi.org/project/Pillow/) تصاویر پر کھینچنے کے لیے استعمال کیا جا سکتا ہے۔ اسے درج ذیل کمانڈ کے ذریعے انسٹال کریں:
+
+    ```sh
+    pip3 install pillow
+    ```
+
+    اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ یہ فعال ورچوئل ماحول کے اندر سے چلایا گیا ہے۔
+
+1. `app.py` فائل کے اوپر درج ذیل درآمدی بیان شامل کریں:
+
+    ```python
+    from PIL import Image, ImageDraw, ImageColor
+    ```
+
+    یہ کوڈ درآمد کرتا ہے جو تصویر میں ترمیم کرنے کے لیے ضروری ہے۔
+
+1. `app.py` فائل کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```python
+    with Image.open('image.jpg') as im:
+        draw = ImageDraw.Draw(im)
+    
+        for prediction in predictions:
+            scale_left = prediction.bounding_box.left
+            scale_top = prediction.bounding_box.top
+            scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+            scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+            
+            left = scale_left * im.width
+            top = scale_top * im.height
+            right = scale_right * im.width
+            bottom = scale_bottom * im.height
+    
+            draw.rectangle([left, top, right, bottom], outline=ImageColor.getrgb('red'), width=2)
+    
+        im.save('image.jpg')
+    ```
+
+    یہ کوڈ پہلے محفوظ کی گئی تصویر کو ترمیم کے لیے کھولتا ہے۔ پھر یہ پیشگوئیوں کے ذریعے لوپ کرتا ہے، باؤنڈنگ باکسز حاصل کرتا ہے، اور 0-1 کی قدروں کا استعمال کرتے ہوئے نیچے دائیں کوآرڈینیٹ کا حساب لگاتا ہے۔ یہ قدریں تصویر کے کوآرڈینیٹس میں تبدیل کی جاتی ہیں، تصویر کے متعلقہ طول و عرض سے ضرب دے کر۔ مثال کے طور پر، اگر بائیں قدر 0.5 ہو اور تصویر 600 پکسلز چوڑی ہو، تو یہ 300 میں تبدیل ہو جائے گی (0.5 x 600 = 300)۔
+
+    ہر باؤنڈنگ باکس تصویر پر ایک سرخ لائن کے ذریعے کھینچا جاتا ہے۔ آخر میں ترمیم شدہ تصویر محفوظ کی جاتی ہے، اور اصل تصویر کو اوور رائٹ کر دیا جاتا ہے۔
+
+1. ایپ کو چلائیں اور کیمرے کو شیلف پر موجود اسٹاک کی طرف رکھیں۔ آپ VS Code ایکسپلورر میں `image.jpg` فائل دیکھیں گے، اور آپ اسے منتخب کر کے باؤنڈنگ باکسز دیکھ سکیں گے۔
+
+    ![ٹماٹر پیسٹ کے 4 کین، ہر کین کے ارد گرد باؤنڈنگ باکسز](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ur.jpg)
+
+## اسٹاک گنیں
+
+اوپر دکھائی گئی تصویر میں، باؤنڈنگ باکسز میں تھوڑا سا اوورلیپ ہے۔ اگر یہ اوورلیپ بہت زیادہ ہو، تو باؤنڈنگ باکسز ایک ہی چیز کی نشاندہی کر سکتے ہیں۔ اشیاء کو صحیح طریقے سے گننے کے لیے، آپ کو ان باکسز کو نظر انداز کرنا ہوگا جن میں نمایاں اوورلیپ ہو۔
+
+### کام - اوورلیپ کو نظر انداز کرتے ہوئے اسٹاک گنیں
+
+1. Pip پیکیج [Shapely](https://pypi.org/project/Shapely/) انٹرسیکشن کا حساب لگانے کے لیے استعمال کیا جا سکتا ہے۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں، تو آپ کو پہلے ایک لائبریری ڈیپینڈنسی انسٹال کرنی ہوگی:
+
+    ```sh
+    sudo apt install libgeos-dev
+    ```
+
+1. Shapely Pip پیکیج انسٹال کریں:
+
+    ```sh
+    pip3 install shapely
+    ```
+
+    اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں، تو یقینی بنائیں کہ یہ فعال ورچوئل ماحول کے اندر سے چلایا گیا ہے۔
+
+1. `app.py` فائل کے اوپر درج ذیل درآمدی بیان شامل کریں:
+
+    ```python
+    from shapely.geometry import Polygon
+    ```
+
+    یہ کوڈ درآمد کرتا ہے جو اوورلیپ کا حساب لگانے کے لیے پولیگونز بنانے کے لیے ضروری ہے۔
+
+1. باؤنڈنگ باکسز کھینچنے والے کوڈ کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```python
+    overlap_threshold = 0.20
+    ```
+
+    یہ اس فیصد اوورلیپ کی وضاحت کرتا ہے جو باؤنڈنگ باکسز کو ایک ہی چیز سمجھنے سے پہلے اجازت دی جاتی ہے۔ 0.20 ایک 20% اوورلیپ کی وضاحت کرتا ہے۔
+
+1. Shapely کا استعمال کرتے ہوئے اوورلیپ کا حساب لگانے کے لیے، باؤنڈنگ باکسز کو Shapely پولیگونز میں تبدیل کرنے کی ضرورت ہے۔ ایسا کرنے کے لیے درج ذیل فنکشن شامل کریں:
+
+    ```python
+    def create_polygon(prediction):
+        scale_left = prediction.bounding_box.left
+        scale_top = prediction.bounding_box.top
+        scale_right = prediction.bounding_box.left + prediction.bounding_box.width
+        scale_bottom = prediction.bounding_box.top + prediction.bounding_box.height
+    
+        return Polygon([(scale_left, scale_top), (scale_right, scale_top), (scale_right, scale_bottom), (scale_left, scale_bottom)])
+    ```
+
+    یہ پیشگوئی کے باؤنڈنگ باکس کا استعمال کرتے ہوئے ایک پولیگون بناتا ہے۔
+
+1. اوورلیپنگ اشیاء کو ہٹانے کی منطق میں تمام باؤنڈنگ باکسز کا موازنہ شامل ہوتا ہے، اور اگر کسی بھی پیشگوئی کے جوڑے کے باؤنڈنگ باکسز اوورلیپ تھریشولڈ سے زیادہ اوورلیپ کرتے ہیں، تو ایک پیشگوئی کو حذف کر دیا جاتا ہے۔ تمام پیشگوئیوں کا موازنہ کرنے کے لیے، آپ پیشگوئی 1 کا موازنہ 2، 3، 4 وغیرہ سے کرتے ہیں، پھر 2 کا موازنہ 3، 4 وغیرہ سے۔ درج ذیل کوڈ یہ کام کرتا ہے:
+
+    ```python
+    to_delete = []
+
+    for i in range(0, len(predictions)):
+        polygon_1 = create_polygon(predictions[i])
+    
+        for j in range(i+1, len(predictions)):
+            polygon_2 = create_polygon(predictions[j])
+            overlap = polygon_1.intersection(polygon_2).area
+
+            smallest_area = min(polygon_1.area, polygon_2.area)
+    
+            if overlap > (overlap_threshold * smallest_area):
+                to_delete.append(predictions[i])
+                break
+    
+    for d in to_delete:
+        predictions.remove(d)
+
+    print(f'Counted {len(predictions)} stock items')
+    ```
+
+    اوورلیپ کا حساب Shapely کے `Polygon.intersection` طریقے کا استعمال کرتے ہوئے لگایا جاتا ہے، جو ایک پولیگون واپس کرتا ہے جس میں اوورلیپ ہوتا ہے۔ اس پولیگون سے ایریا کا حساب لگایا جاتا ہے۔ یہ اوورلیپ تھریشولڈ ایک مطلق قدر نہیں ہے، بلکہ یہ باؤنڈنگ باکس کے فیصد کے طور پر ہونا چاہیے، لہذا سب سے چھوٹا باؤنڈنگ باکس پایا جاتا ہے، اور اوورلیپ تھریشولڈ کا استعمال کرتے ہوئے حساب لگایا جاتا ہے کہ اوورلیپ کا ایریا کتنا ہو سکتا ہے تاکہ سب سے چھوٹے باؤنڈنگ باکس کے فیصد اوورلیپ تھریشولڈ سے تجاوز نہ کرے۔ اگر اوورلیپ اس سے تجاوز کرتا ہے، تو پیشگوئی کو حذف کرنے کے لیے نشان زد کیا جاتا ہے۔
+
+    ایک بار جب پیشگوئی کو حذف کرنے کے لیے نشان زد کیا جاتا ہے، تو اسے دوبارہ چیک کرنے کی ضرورت نہیں ہوتی، لہذا اندرونی لوپ اگلی پیشگوئی کو چیک کرنے کے لیے ختم ہو جاتا ہے۔ آپ فہرست کے آئٹمز کو اس پر چلتے ہوئے حذف نہیں کر سکتے، لہذا وہ باؤنڈنگ باکسز جو اوورلیپ تھریشولڈ سے زیادہ اوورلیپ کرتے ہیں، `to_delete` فہرست میں شامل کیے جاتے ہیں، اور آخر میں حذف کر دیے جاتے ہیں۔
+
+    آخر میں اسٹاک کی تعداد کنسول پر پرنٹ کی جاتی ہے۔ یہ پھر IoT سروس کو بھیجا جا سکتا ہے تاکہ اگر اسٹاک کی سطح کم ہو تو الرٹ کیا جا سکے۔ یہ تمام کوڈ باؤنڈنگ باکسز کھینچنے سے پہلے ہے، لہذا آپ جنریٹ کردہ تصاویر پر اوورلیپ کے بغیر اسٹاک پیشگوئیاں دیکھیں گے۔
+
+    > 💁 یہ اوورلیپ کو ہٹانے کا ایک بہت ہی سادہ طریقہ ہے، صرف اوورلیپنگ جوڑے میں سے پہلے کو ہٹانا۔ پروڈکشن کوڈ کے لیے، آپ یہاں مزید منطق شامل کرنا چاہیں گے، جیسے متعدد اشیاء کے درمیان اوورلیپ پر غور کرنا، یا اگر ایک باؤنڈنگ باکس دوسرے کے اندر موجود ہو۔
+
+1. ایپ کو چلائیں اور کیمرے کو شیلف پر موجود اسٹاک کی طرف رکھیں۔ آؤٹ پٹ ان باؤنڈنگ باکسز کی تعداد کی نشاندہی کرے گا جو تھریشولڈ سے زیادہ اوورلیپ کے بغیر ہیں۔ `overlap_threshold` قدر کو ایڈجسٹ کرنے کی کوشش کریں تاکہ نظر انداز کی گئی پیشگوئیاں دیکھ سکیں۔
+
+> 💁 آپ یہ کوڈ [code-count/pi](../../../../../5-retail/lessons/2-check-stock-device/code-count/pi) یا [code-count/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-count/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا اسٹاک کاؤنٹر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
new file mode 100644
index 00000000..51ff800c
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a3fdfec1d1e2cb645ea11c2930b51299",
+  "translation_date": "2025-08-26T21:29:37+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+جب آپ کا آبجیکٹ ڈیٹیکٹر پبلش ہو جائے، تو اسے آپ کے IoT ڈیوائس سے استعمال کیا جا سکتا ہے۔
+
+## امیج کلاسیفائر پروجیکٹ کو کاپی کریں
+
+آپ کے اسٹاک ڈیٹیکٹر کا زیادہ تر حصہ وہی ہے جو آپ نے پچھلے سبق میں امیج کلاسیفائر کے طور پر بنایا تھا۔
+
+### کام - امیج کلاسیفائر پروجیکٹ کو کاپی کریں
+
+1. `stock-counter` نامی ایک فولڈر بنائیں، چاہے آپ اپنے کمپیوٹر پر ورچوئل IoT ڈیوائس استعمال کر رہے ہوں یا راسپبیری پائی پر۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو یقینی بنائیں کہ آپ نے ورچوئل ماحول سیٹ اپ کیا ہے۔
+
+1. کیمرہ ہارڈویئر سیٹ اپ کریں۔
+
+    * اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو آپ کو PiCamera لگانی ہوگی۔ آپ کیمرہ کو ایک جگہ پر فکس کرنے کے لیے، مثال کے طور پر، کیبل کو کسی باکس یا کین کے اوپر لٹکا کر یا ڈبل سائیڈ ٹیپ کے ذریعے کیمرہ کو باکس پر فکس کر سکتے ہیں۔
+    * اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو آپ کو CounterFit اور CounterFit PyCamera shim انسٹال کرنا ہوگا۔ اگر آپ اسٹل امیجز استعمال کرنے جا رہے ہیں تو کچھ ایسی تصاویر کیپچر کریں جو آپ کے آبجیکٹ ڈیٹیکٹر نے ابھی تک نہیں دیکھی ہوں۔ اگر آپ ویب کیم استعمال کرنے جا رہے ہیں تو یقینی بنائیں کہ یہ اس طرح پوزیشن میں ہو کہ وہ اسٹاک دیکھ سکے جسے آپ ڈیٹیکٹ کر رہے ہیں۔
+
+1. [مینوفیکچرنگ پروجیکٹ کے سبق 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) کے مراحل کو دہرائیں تاکہ کیمرہ سے تصاویر کیپچر کی جا سکیں۔
+
+1. [مینوفیکچرنگ پروجیکٹ کے سبق 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) کے مراحل کو دہرائیں تاکہ امیج کلاسیفائر کو کال کیا جا سکے۔ اس کوڈ کا زیادہ تر حصہ آبجیکٹس کو ڈیٹیکٹ کرنے کے لیے دوبارہ استعمال ہوگا۔
+
+## کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں
+
+امیجز کو کلاسیفائی کرنے کے لیے استعمال ہونے والا کوڈ آبجیکٹس کو ڈیٹیکٹ کرنے کے کوڈ سے بہت ملتا جلتا ہے۔ بنیادی فرق Custom Vision SDK پر کال کیے جانے والے میتھڈ اور کال کے نتائج میں ہے۔
+
+### کام - کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں
+
+1. وہ تین لائنیں کوڈ حذف کریں جو امیج کو کلاسیفائی کرتی ہیں اور پیشگوئیوں کو پروسیس کرتی ہیں:
+
+    ```python
+    results = predictor.classify_image(project_id, iteration_name, image)
+    
+    for prediction in results.predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    ان تین لائنوں کو ہٹا دیں۔
+
+1. امیج میں آبجیکٹس کو ڈیٹیکٹ کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    results = predictor.detect_image(project_id, iteration_name, image)
+
+    threshold = 0.3
+    
+    predictions = list(prediction for prediction in results.predictions if prediction.probability > threshold)
+    
+    for prediction in predictions:
+        print(f'{prediction.tag_name}:\t{prediction.probability * 100:.2f}%')
+    ```
+
+    یہ کوڈ `detect_image` میتھڈ کو predictor پر کال کرتا ہے تاکہ آبجیکٹ ڈیٹیکٹر کو چلایا جا سکے۔ یہ تمام پیشگوئیوں کو ایک خاص حد سے اوپر کی پروبیبلیٹی کے ساتھ جمع کرتا ہے اور انہیں کنسول پر پرنٹ کرتا ہے۔
+
+    امیج کلاسیفائر کے برعکس جو ہر ٹیگ کے لیے صرف ایک نتیجہ واپس کرتا ہے، آبجیکٹ ڈیٹیکٹر متعدد نتائج واپس کرے گا، لہذا کم پروبیبلیٹی والے نتائج کو فلٹر کرنا ضروری ہے۔
+
+1. اس کوڈ کو چلائیں، یہ ایک امیج کیپچر کرے گا، اسے آبجیکٹ ڈیٹیکٹر کو بھیجے گا، اور ڈیٹیکٹ کیے گئے آبجیکٹس کو پرنٹ کرے گا۔ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو یقینی بنائیں کہ CounterFit میں مناسب امیج سیٹ ہو یا آپ کا ویب کیم منتخب ہو۔ اگر آپ راسپبیری پائی استعمال کر رہے ہیں تو یقینی بنائیں کہ آپ کا کیمرہ شیلف پر موجود آبجیکٹس کی طرف ہو۔
+
+    ```output
+    pi@raspberrypi:~/stock-counter $ python3 app.py 
+    tomato paste:   34.13%
+    tomato paste:   33.95%
+    tomato paste:   35.05%
+    tomato paste:   32.80%
+    ```
+
+    > 💁 آپ کو اپنے امیجز کے لیے `threshold` کو مناسب ویلیو پر ایڈجسٹ کرنے کی ضرورت ہو سکتی ہے۔
+
+    آپ وہ امیج دیکھ سکیں گے جو لیا گیا تھا، اور یہ ویلیوز **Predictions** ٹیب میں Custom Vision میں دیکھ سکیں گے۔
+
+    ![شیلف پر 4 ٹماٹر پیسٹ کے کینز کے ساتھ پیشگوئیوں کے لیے 4 ڈیٹیکشنز: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png)
+
+> 💁 آپ یہ کوڈ [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) یا [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا اسٹاک کاؤنٹر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
new file mode 100644
index 00000000..8c597466
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md
@@ -0,0 +1,181 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0b2ae20b0fc8e73c9598dea937cac038",
+  "translation_date": "2025-08-26T21:33:44+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-count-stock.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس سے اسٹاک گنیں - Wio Terminal
+
+پیشگوئیوں اور ان کے باؤنڈنگ باکسز کے امتزاج کو تصویر میں اسٹاک گننے کے لیے استعمال کیا جا سکتا ہے۔
+
+## اسٹاک گننا
+
+![ٹماٹر کے پیسٹ کے 4 ڈبے، ہر ڈبے کے گرد باؤنڈنگ باکسز کے ساتھ](../../../../../translated_images/rpi-stock-with-bounding-boxes.b5540e2ecb7cd49f1271828d3be412671d950e87625c5597ea97c90f11e01097.ur.jpg)
+
+اوپر دکھائی گئی تصویر میں، باؤنڈنگ باکسز میں تھوڑا سا اوورلیپ ہے۔ اگر یہ اوورلیپ بہت زیادہ ہوتا، تو باؤنڈنگ باکسز ایک ہی چیز کی نشاندہی کر سکتے تھے۔ اشیاء کو درست طریقے سے گننے کے لیے، آپ کو ان باکسز کو نظرانداز کرنا ہوگا جن میں نمایاں اوورلیپ ہو۔
+
+### کام - اوورلیپ کو نظرانداز کرتے ہوئے اسٹاک گنیں
+
+1. اگر آپ کا `stock-counter` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے کھولیں۔
+
+1. `processPredictions` فنکشن کے اوپر، درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    const float overlap_threshold = 0.20f;
+    ```
+
+    یہ اس اوورلیپ کی فیصد کی وضاحت کرتا ہے جو باؤنڈنگ باکسز کو ایک ہی چیز سمجھنے سے پہلے اجازت دی جاتی ہے۔ 0.20 کا مطلب ہے 20% اوورلیپ۔
+
+1. اس کے نیچے، اور `processPredictions` فنکشن کے اوپر، دو مستطیلوں کے درمیان اوورلیپ کا حساب لگانے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    struct Point {
+        float x, y;
+    };
+
+    struct Rect {
+        Point topLeft, bottomRight;
+    };
+
+    float area(Rect rect)
+    {
+        return abs(rect.bottomRight.x - rect.topLeft.x) * abs(rect.bottomRight.y - rect.topLeft.y);
+    }
+     
+    float overlappingArea(Rect rect1, Rect rect2)
+    {
+        float left = max(rect1.topLeft.x, rect2.topLeft.x);
+        float right = min(rect1.bottomRight.x, rect2.bottomRight.x);
+        float top = max(rect1.topLeft.y, rect2.topLeft.y);
+        float bottom = min(rect1.bottomRight.y, rect2.bottomRight.y);
+    
+    
+        if ( right > left && bottom > top )
+        {
+            return (right-left)*(bottom-top);
+        }
+        
+        return 0.0f;
+    }
+    ```
+
+    یہ کوڈ ایک `Point` اسٹرکچر کی وضاحت کرتا ہے جو تصویر پر پوائنٹس کو اسٹور کرتا ہے، اور ایک `Rect` اسٹرکچر جو اوپر بائیں اور نیچے دائیں کوآرڈینیٹ کا استعمال کرتے ہوئے ایک مستطیل کی وضاحت کرتا ہے۔ پھر یہ ایک `area` فنکشن کی وضاحت کرتا ہے جو اوپر بائیں اور نیچے دائیں کوآرڈینیٹ سے مستطیل کا رقبہ نکالتا ہے۔
+
+    اس کے بعد یہ ایک `overlappingArea` فنکشن کی وضاحت کرتا ہے جو 2 مستطیلوں کے اوورلیپنگ رقبے کا حساب لگاتا ہے۔ اگر وہ اوورلیپ نہ کریں، تو یہ 0 واپس کرتا ہے۔
+
+1. `overlappingArea` فنکشن کے نیچے، ایک فنکشن کا اعلان کریں جو باؤنڈنگ باکس کو `Rect` میں تبدیل کرے:
+
+    ```cpp
+    Rect rectFromBoundingBox(JsonVariant prediction)
+    {
+        JsonObject bounding_box = prediction["boundingBox"].as<JsonObject>();
+    
+        float left = bounding_box["left"].as<float>();
+        float top = bounding_box["top"].as<float>();
+        float width = bounding_box["width"].as<float>();
+        float height = bounding_box["height"].as<float>();
+    
+        Point topLeft = {left, top};
+        Point bottomRight = {left + width, top + height};
+    
+        return {topLeft, bottomRight};
+    }
+    ```
+
+    یہ آبجیکٹ ڈیٹیکٹر سے ایک پیشگوئی لیتا ہے، باؤنڈنگ باکس نکالتا ہے اور باؤنڈنگ باکس کی قدروں کو استعمال کرتے ہوئے ایک مستطیل کی وضاحت کرتا ہے۔ دائیں طرف بائیں طرف سے چوڑائی شامل کر کے نکالی جاتی ہے۔ نیچے کی طرف اوپر سے اونچائی شامل کر کے نکالی جاتی ہے۔
+
+1. پیشگوئیوں کو ایک دوسرے سے موازنہ کرنے کی ضرورت ہے، اور اگر 2 پیشگوئیوں میں اوورلیپ تھریشولڈ سے زیادہ ہو، تو ان میں سے ایک کو حذف کرنا ہوگا۔ اوورلیپ تھریشولڈ ایک فیصد ہے، اس لیے اسے سب سے چھوٹے باؤنڈنگ باکس کے سائز سے ضرب دینا ہوگا تاکہ یہ چیک کیا جا سکے کہ اوورلیپ باؤنڈنگ باکس کے دیے گئے فیصد سے زیادہ ہے، نہ کہ پوری تصویر کے دیے گئے فیصد سے۔ `processPredictions` فنکشن کے مواد کو حذف کر کے شروع کریں۔
+
+1. خالی `processPredictions` فنکشن میں درج ذیل شامل کریں:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for (int i = 0; i < predictions.size(); ++i)
+    {
+        Rect prediction_1_rect = rectFromBoundingBox(predictions[i]);
+        float prediction_1_area = area(prediction_1_rect);
+        bool passed = true;
+
+        for (int j = i + 1; j < predictions.size(); ++j)
+        {
+            Rect prediction_2_rect = rectFromBoundingBox(predictions[j]);
+            float prediction_2_area = area(prediction_2_rect);
+
+            float overlap = overlappingArea(prediction_1_rect, prediction_2_rect);
+            float smallest_area = min(prediction_1_area, prediction_2_area);
+
+            if (overlap > (overlap_threshold * smallest_area))
+            {
+                passed = false;
+                break;
+            }
+        }
+
+        if (passed)
+        {
+            passed_predictions.push_back(predictions[i]);
+        }
+    }
+    ```
+
+    یہ کوڈ ان پیشگوئیوں کو اسٹور کرنے کے لیے ایک ویکٹر کا اعلان کرتا ہے جو اوورلیپ نہیں کرتی ہیں۔ پھر یہ تمام پیشگوئیوں کے ذریعے لوپ کرتا ہے، باؤنڈنگ باکس سے ایک `Rect` بناتا ہے۔
+
+    اس کے بعد یہ باقی پیشگوئیوں کے ذریعے لوپ کرتا ہے، موجودہ پیشگوئی کے بعد سے شروع کرتے ہوئے۔ یہ پیشگوئیوں کو ایک سے زیادہ بار موازنہ کرنے سے روکتا ہے - ایک بار جب 1 اور 2 کا موازنہ ہو جائے، تو 2 کا 1 کے ساتھ موازنہ کرنے کی ضرورت نہیں، صرف 3، 4، وغیرہ کے ساتھ۔
+
+    ہر پیشگوئی کے جوڑے کے لیے اوورلیپنگ ایریا کا حساب لگایا جاتا ہے۔ پھر اس کا موازنہ سب سے چھوٹے باؤنڈنگ باکس کے رقبے سے کیا جاتا ہے - اگر اوورلیپ باؤنڈنگ باکس کے تھریشولڈ فیصد سے زیادہ ہو، تو پیشگوئی کو پاس نہ کرنے کے طور پر نشان زد کیا جاتا ہے۔ اگر تمام اوورلیپ کا موازنہ کرنے کے بعد، پیشگوئی چیک پاس کرتی ہے تو اسے `passed_predictions` کلیکشن میں شامل کر دیا جاتا ہے۔
+
+    > 💁 یہ اوورلیپ کو ہٹانے کا ایک بہت ہی سادہ طریقہ ہے، صرف اوورلیپنگ جوڑے میں سے پہلے کو ہٹانا۔ پروڈکشن کوڈ کے لیے، آپ کو یہاں مزید منطق شامل کرنے کی ضرورت ہوگی، جیسے کہ متعدد اشیاء کے درمیان اوورلیپ پر غور کرنا، یا اگر ایک باؤنڈنگ باکس دوسرے کے اندر ہو۔
+
+1. اس کے بعد، پاس شدہ پیشگوئیوں کی تفصیلات سیریل مانیٹر پر بھیجنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    for(JsonVariant prediction : passed_predictions)
+    {
+        String boundingBox = prediction["boundingBox"].as<String>();
+        String tag = prediction["tagName"].as<String>();
+        float probability = prediction["probability"].as<float>();
+
+        char buff[32];
+        sprintf(buff, "%s:\t%.2f%%\t%s", tag.c_str(), probability * 100.0, boundingBox.c_str());
+        Serial.println(buff);
+    }
+    ```
+
+    یہ کوڈ پاس شدہ پیشگوئیوں کے ذریعے لوپ کرتا ہے اور ان کی تفصیلات سیریل مانیٹر پر پرنٹ کرتا ہے۔
+
+1. اس کے نیچے، سیریل مانیٹر پر گنی گئی اشیاء کی تعداد پرنٹ کرنے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    Serial.print("Counted ");
+    Serial.print(passed_predictions.size());
+    Serial.println(" stock items.");
+    ```
+
+    یہ پھر IoT سروس کو بھیجا جا سکتا ہے تاکہ اگر اسٹاک کی سطح کم ہو تو الرٹ کیا جا سکے۔
+
+1. اپنا کوڈ اپلوڈ کریں اور چلائیں۔ کیمرہ کو شیلف پر موجود اشیاء کی طرف کریں اور C بٹن دبائیں۔ `overlap_threshold` ویلیو کو ایڈجسٹ کرنے کی کوشش کریں تاکہ پیشگوئیوں کو نظرانداز ہوتے ہوئے دیکھ سکیں۔
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%  {"left":0.395631,"top":0.215897,"width":0.180768,"height":0.359364}
+    tomato paste:   35.87%  {"left":0.378554,"top":0.583012,"width":0.14824,"height":0.359382}
+    tomato paste:   34.11%  {"left":0.699024,"top":0.592617,"width":0.124411,"height":0.350456}
+    tomato paste:   35.16%  {"left":0.513006,"top":0.647853,"width":0.187472,"height":0.325817}
+    Counted 4 stock items.
+    ```
+
+> 💁 آپ اس کوڈ کو [code-count/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-count/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا اسٹاک کاؤنٹر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
new file mode 100644
index 00000000..d07c707e
--- /dev/null
+++ b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md
@@ -0,0 +1,116 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4cf1421420a6fab9ab4f2c391bd523b7",
+  "translation_date": "2025-08-26T21:36:13+00:00",
+  "source_file": "5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md",
+  "language_code": "ur"
+}
+-->
+# اپنے IoT ڈیوائس سے آبجیکٹ ڈیٹیکٹر کو کال کریں - Wio Terminal
+
+جب آپ کا آبجیکٹ ڈیٹیکٹر پبلش ہو جائے، تو اسے آپ کے IoT ڈیوائس سے استعمال کیا جا سکتا ہے۔
+
+## امیج کلاسیفائر پروجیکٹ کو کاپی کریں
+
+آپ کے اسٹاک ڈیٹیکٹر کا زیادہ تر حصہ وہی ہے جو آپ نے پچھلے سبق میں امیج کلاسیفائر کے لیے بنایا تھا۔
+
+### کام - امیج کلاسیفائر پروجیکٹ کو کاپی کریں
+
+1. اپنے ArduCam کو Wio Terminal سے کنیکٹ کریں، [مینوفیکچرنگ پروجیکٹ کے سبق نمبر 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md#task---connect-the-camera) کے مراحل کو فالو کرتے ہوئے۔
+
+    آپ کیمرے کو ایک جگہ پر فکس کرنے کا سوچ سکتے ہیں، جیسے کہ کیبل کو کسی باکس یا کین کے اوپر لٹکا کر، یا ڈبل سائیڈ ٹیپ کے ذریعے کیمرے کو باکس پر فکس کر کے۔
+
+1. PlatformIO کا استعمال کرتے ہوئے ایک نیا Wio Terminal پروجیکٹ بنائیں۔ اس پروجیکٹ کا نام `stock-counter` رکھیں۔
+
+1. [مینوفیکچرنگ پروجیکٹ کے سبق نمبر 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---capture-an-image-using-an-iot-device) کے مراحل کو دہرائیں تاکہ کیمرے سے تصاویر حاصل کی جا سکیں۔
+
+1. [مینوفیکچرنگ پروجیکٹ کے سبق نمبر 2](../../../4-manufacturing/lessons/2-check-fruit-from-device/README.md#task---classify-images-from-your-iot-device) کے مراحل کو دہرائیں تاکہ امیج کلاسیفائر کو کال کیا جا سکے۔ اس کوڈ کا زیادہ تر حصہ آبجیکٹ ڈیٹیکشن کے لیے دوبارہ استعمال ہوگا۔
+
+## کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں
+
+امیجز کو کلاسیفائی کرنے کے لیے استعمال ہونے والا کوڈ آبجیکٹس کو ڈیٹیکٹ کرنے کے کوڈ سے بہت ملتا جلتا ہے۔ بنیادی فرق وہ URL ہے جو آپ نے Custom Vision سے حاصل کیا، اور کال کے نتائج ہیں۔
+
+### کام - کوڈ کو کلاسیفائر سے امیج ڈیٹیکٹر میں تبدیل کریں
+
+1. `main.cpp` فائل کے اوپر درج ذیل include directive شامل کریں:
+
+    ```cpp
+    #include <vector>
+    ```
+
+1. `classifyImage` فنکشن کا نام تبدیل کر کے `detectStock` رکھیں، فنکشن کے نام اور `buttonPressed` فنکشن میں کال دونوں جگہ۔
+
+1. `detectStock` فنکشن کے اوپر ایک تھریش ہولڈ ڈکلیئر کریں تاکہ کم پروبیبلیٹی والے ڈیٹیکشنز کو فلٹر کیا جا سکے:
+
+    ```cpp
+    const float threshold = 0.3f;
+    ```
+
+    امیج کلاسیفائر کے برعکس جو ہر ٹیگ کے لیے صرف ایک نتیجہ دیتا ہے، آبجیکٹ ڈیٹیکٹر متعدد نتائج دیتا ہے، لہذا کم پروبیبلیٹی والے نتائج کو فلٹر کرنا ضروری ہے۔
+
+1. `detectStock` فنکشن کے اوپر ایک فنکشن ڈکلیئر کریں جو پیشگوئیوں کو پراسیس کرے:
+
+    ```cpp
+    void processPredictions(std::vector<JsonVariant> &predictions)
+    {
+        for(JsonVariant prediction : predictions)
+        {
+            String tag = prediction["tagName"].as<String>();
+            float probability = prediction["probability"].as<float>();
+    
+            char buff[32];
+            sprintf(buff, "%s:\t%.2f%%", tag.c_str(), probability * 100.0);
+            Serial.println(buff);
+        }
+    }
+    ```
+
+    یہ پیشگوئیوں کی فہرست لیتا ہے اور انہیں سیریل مانیٹر پر پرنٹ کرتا ہے۔
+
+1. `detectStock` فنکشن میں، پیشگوئیوں کے لیے لوپ کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```cpp
+    std::vector<JsonVariant> passed_predictions;
+
+    for(JsonVariant prediction : predictions) 
+    {
+        float probability = prediction["probability"].as<float>();
+        if (probability > threshold)
+        {
+            passed_predictions.push_back(prediction);
+        }
+    }
+
+    processPredictions(passed_predictions);
+    ```
+
+    یہ پیشگوئیوں کے ذریعے لوپ کرتا ہے، پروبیبلیٹی کو تھریش ہولڈ سے موازنہ کرتا ہے۔ تمام پیشگوئیاں جن کی پروبیبلیٹی تھریش ہولڈ سے زیادہ ہوتی ہے، ایک `list` میں شامل کی جاتی ہیں اور `processPredictions` فنکشن کو پاس کی جاتی ہیں۔
+
+1. اپنا کوڈ اپلوڈ کریں اور چلائیں۔ کیمرے کو شیلف پر موجود اشیاء کی طرف پوائنٹ کریں اور C بٹن دبائیں۔ آپ سیریل مانیٹر میں آؤٹ پٹ دیکھ سکیں گے:
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Image captured
+    Image read to buffer with length 17416
+    tomato paste:   35.84%
+    tomato paste:   35.87%
+    tomato paste:   34.11%
+    tomato paste:   35.16%
+    ```
+
+    > 💁 آپ کو اپنی تصاویر کے لیے مناسب تھریش ہولڈ ایڈجسٹ کرنے کی ضرورت ہو سکتی ہے۔
+
+    آپ وہ تصویر دیکھ سکیں گے جو لی گئی تھی، اور یہ ویلیوز **Predictions** ٹیب میں Custom Vision میں نظر آئیں گی۔
+
+    ![شیلف پر رکھے ٹماٹر پیسٹ کے 4 کینز کے ساتھ 4 ڈیٹیکشنز کی پیشگوئیاں: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.ur.png)
+
+> 💁 آپ یہ کوڈ [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا اسٹاک کاؤنٹر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/README.md b/translations/ur/6-consumer/README.md
new file mode 100644
index 00000000..66aa0f33
--- /dev/null
+++ b/translations/ur/6-consumer/README.md
@@ -0,0 +1,36 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5de7dc1e2ddc402d415473bb795568d4",
+  "translation_date": "2025-08-26T23:51:18+00:00",
+  "source_file": "6-consumer/README.md",
+  "language_code": "ur"
+}
+-->
+# صارف IoT - ایک ذہین وائس اسسٹنٹ بنائیں
+
+کھانے کی پیداوار ہو چکی ہے، پروسیسنگ پلانٹ تک پہنچایا گیا ہے، معیار کے لحاظ سے چھانٹا گیا ہے، اسٹور میں فروخت کیا گیا ہے اور اب پکانے کا وقت ہے! کسی بھی باورچی خانے کا ایک اہم حصہ ٹائمر ہوتا ہے۔ شروع میں یہ ریت کے گلاس کی شکل میں ہوتے تھے - آپ کا کھانا اس وقت تیار ہوتا تھا جب تمام ریت نیچے والے بلب میں جمع ہو جاتی تھی۔ پھر یہ گھڑی کی شکل میں، اور پھر الیکٹرک ہو گئے۔
+
+اب ان کی جدید شکلیں ہمارے سمارٹ ڈیوائسز کا حصہ بن چکی ہیں۔ دنیا بھر کے گھروں کے باورچی خانوں میں آپ باورچیوں کو یہ کہتے ہوئے سنیں گے، "ہیے سری - 10 منٹ کا ٹائمر لگاؤ"، یا "الیکسا - میرے بریڈ ٹائمر کو منسوخ کرو"۔ اب آپ کو باورچی خانے واپس جا کر ٹائمر چیک کرنے کی ضرورت نہیں، آپ یہ اپنے فون سے یا کمرے میں آواز دے کر کر سکتے ہیں۔
+
+ان 4 اسباق میں آپ سیکھیں گے کہ ایک ذہین ٹائمر کیسے بنایا جائے، جو آپ کی آواز کو پہچانے، آپ کی درخواست کو سمجھے، اور آپ کے ٹائمر کے بارے میں معلومات فراہم کرے۔ آپ اس میں مختلف زبانوں کی سپورٹ بھی شامل کریں گے۔
+
+> ⚠️ آواز اور مائیکروفون ڈیٹا کے ساتھ کام کرنے میں بہت زیادہ میموری استعمال ہوتی ہے، جس کا مطلب ہے کہ مائیکرو کنٹرولرز پر حد تک پہنچنا آسان ہے۔ یہاں کا پروجیکٹ ان مسائل کو حل کرتا ہے، لیکن یاد رکھیں کہ Wio Terminal لیبز پیچیدہ ہیں اور اس نصاب کے دیگر لیبز کے مقابلے میں زیادہ وقت لے سکتے ہیں۔
+
+> 💁 یہ اسباق کچھ کلاؤڈ وسائل استعمال کریں گے۔ اگر آپ اس پروجیکٹ کے تمام اسباق مکمل نہیں کرتے، تو یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../clean-up.md)۔
+
+## موضوعات
+
+1. [IoT ڈیوائس کے ساتھ آواز کو پہچانیں](./lessons/1-speech-recognition/README.md)
+1. [زبان کو سمجھیں](./lessons/2-language-understanding/README.md)
+1. [ٹائمر لگائیں اور زبانی فیڈبیک فراہم کریں](./lessons/3-spoken-feedback/README.md)
+1. [متعدد زبانوں کی سپورٹ فراہم کریں](./lessons/4-multiple-language-support/README.md)
+
+## کریڈٹس
+
+تمام اسباق ♥️ کے ساتھ [Jim Bennett](https://GitHub.com/JimBobBennett) نے لکھے ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/README.md b/translations/ur/6-consumer/lessons/1-speech-recognition/README.md
new file mode 100644
index 00000000..a89dfdc2
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/README.md
@@ -0,0 +1,235 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6d6aa1be033625d201a190fc9c5cbfb4",
+  "translation_date": "2025-08-27T00:21:01+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/README.md",
+  "language_code": "ur"
+}
+-->
+# آئی او ٹی ڈیوائس کے ساتھ تقریر کو پہچاننا
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو Azure Speech Service کا ایک جائزہ پیش کرتی ہے، جو اس سبق میں شامل کیا جائے گا:
+
+[![Microsoft Azure یوٹیوب چینل سے Cognitive Services Speech resource استعمال کرنے کا آغاز کیسے کریں](https://img.youtube.com/vi/iW0Fw0l3mrA/0.jpg)](https://www.youtube.com/watch?v=iW0Fw0l3mrA)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/41)
+
+## تعارف
+
+'الیکسا، 12 منٹ کا ٹائمر سیٹ کرو'
+
+'الیکسا، ٹائمر کی حالت بتاؤ'
+
+'الیکسا، 8 منٹ کا ٹائمر سیٹ کرو جس کا نام بھاپ والے بروکلی ہو'
+
+سمارٹ ڈیوائسز ہماری زندگیوں میں تیزی سے عام ہو رہی ہیں۔ نہ صرف سمارٹ اسپیکرز جیسے ہوم پوڈز، ایکوز اور گوگل ہومز کی صورت میں، بلکہ یہ ہمارے فونز، گھڑیوں، حتیٰ کہ لائٹ فٹنگز اور تھرموسٹیٹس میں بھی شامل ہو رہی ہیں۔
+
+> 💁 میرے گھر میں کم از کم 19 ایسے ڈیوائسز ہیں جن میں وائس اسسٹنٹس موجود ہیں، اور یہ صرف وہ ہیں جن کے بارے میں مجھے معلوم ہے!
+
+وائس کنٹرول ان لوگوں کے لیے رسائی کو بڑھاتا ہے جن کی حرکت محدود ہے۔ چاہے یہ کوئی مستقل معذوری ہو جیسے بازوؤں کے بغیر پیدا ہونا، یا عارضی معذوری جیسے بازو ٹوٹ جانا، یا ہاتھوں میں خریداری یا بچوں کا سامان ہونے کی وجہ سے مصروف ہونا، ہماری آواز کے ذریعے گھروں کو کنٹرول کرنے کی صلاحیت ایک نئی دنیا کی رسائی کھولتی ہے۔ 'ارے سری، میرا گیراج بند کرو' چلانا، جبکہ آپ ایک بچے کو سنبھال رہے ہوں اور ایک شرارتی بچے سے نمٹ رہے ہوں، زندگی میں ایک چھوٹا لیکن مؤثر بہتری ہو سکتی ہے۔
+
+وائس اسسٹنٹس کے سب سے مشہور استعمالات میں سے ایک ٹائمر سیٹ کرنا ہے، خاص طور پر کچن ٹائمر۔ صرف اپنی آواز سے متعدد ٹائمر سیٹ کرنے کی صلاحیت کچن میں بہت مددگار ثابت ہوتی ہے - آٹے کو گوندھنے، سوپ کو ہلانے، یا اپنے ہاتھوں سے ڈمپلنگ فلنگ صاف کرنے کی ضرورت نہیں۔
+
+اس سبق میں آپ آئی او ٹی ڈیوائسز میں وائس ریکگنیشن شامل کرنے کے بارے میں سیکھیں گے۔ آپ مائیکروفونز کو سینسرز کے طور پر سمجھیں گے، آئی او ٹی ڈیوائس سے منسلک مائیکروفون سے آڈیو کیپچر کرنے کا طریقہ، اور سنا گیا مواد ٹیکسٹ میں تبدیل کرنے کے لیے AI کا استعمال کریں گے۔ اس پروجیکٹ کے باقی حصے میں آپ ایک سمارٹ کچن ٹائمر بنائیں گے، جو آپ کی آواز کے ذریعے مختلف زبانوں میں ٹائمر سیٹ کرنے کے قابل ہوگا۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [مائیکروفونز](../../../../../6-consumer/lessons/1-speech-recognition)
+* [اپنے آئی او ٹی ڈیوائس سے آڈیو کیپچر کریں](../../../../../6-consumer/lessons/1-speech-recognition)
+* [تقریر کو متن میں تبدیل کریں](../../../../../6-consumer/lessons/1-speech-recognition)
+* [تقریر کو متن میں تبدیل کرنے کا عمل](../../../../../6-consumer/lessons/1-speech-recognition)
+
+## مائیکروفونز
+
+مائیکروفونز اینالاگ سینسرز ہیں جو آواز کی لہروں کو برقی سگنلز میں تبدیل کرتے ہیں۔ ہوا میں ارتعاش مائیکروفون کے اجزاء کو معمولی مقدار میں حرکت دیتا ہے، اور یہ معمولی تبدیلیاں برقی سگنلز میں تبدیلی کا باعث بنتی ہیں۔ ان تبدیلیوں کو بڑھا کر برقی آؤٹ پٹ پیدا کیا جاتا ہے۔
+
+### مائیکروفون کی اقسام
+
+مائیکروفونز مختلف اقسام میں دستیاب ہیں:
+
+* ڈائنامک - ڈائنامک مائیکروفونز میں ایک مقناطیس ہوتا ہے جو ایک حرکت پذیر ڈایافرام سے جڑا ہوتا ہے، جو تار کے کوائل میں حرکت کرتے ہوئے برقی کرنٹ پیدا کرتا ہے۔ یہ زیادہ تر لاؤڈ اسپیکرز کے برعکس ہے، جو برقی کرنٹ کو مقناطیس کو حرکت دینے کے لیے استعمال کرتے ہیں، جو ڈایافرام کو حرکت دے کر آواز پیدا کرتا ہے۔ اس کا مطلب ہے کہ اسپیکرز کو ڈائنامک مائیکروفونز کے طور پر استعمال کیا جا سکتا ہے، اور ڈائنامک مائیکروفونز کو اسپیکرز کے طور پر استعمال کیا جا سکتا ہے۔ انٹرکام جیسے آلات میں، جہاں صارف یا تو سن رہا ہوتا ہے یا بول رہا ہوتا ہے، ایک ہی ڈیوائس اسپیکر اور مائیکروفون دونوں کے طور پر کام کر سکتی ہے۔
+
+    ڈائنامک مائیکروفونز کو کام کرنے کے لیے بجلی کی ضرورت نہیں ہوتی، برقی سگنل مکمل طور پر مائیکروفون سے پیدا ہوتا ہے۔
+
+    ![پیٹی اسمتھ ایک شور SM58 (ڈائنامک کارڈیوئڈ قسم) مائیکروفون میں گاتے ہوئے](../../../../../translated_images/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.ur.jpg)
+
+* ربن - ربن مائیکروفونز ڈائنامک مائیکروفونز سے ملتے جلتے ہیں، سوائے اس کے کہ ان میں ڈایافرام کی جگہ دھات کا ربن ہوتا ہے۔ یہ ربن ایک مقناطیسی میدان میں حرکت کرتے ہوئے برقی کرنٹ پیدا کرتا ہے۔ ڈائنامک مائیکروفونز کی طرح، ربن مائیکروفونز کو بھی کام کرنے کے لیے بجلی کی ضرورت نہیں ہوتی۔
+
+    ![ایڈمنڈ لو، امریکی اداکار، ریڈیو مائیکروفون (NBC بلیو نیٹ ورک کے لیے لیبل شدہ) کے سامنے کھڑے ہیں، اسکرپٹ پکڑے ہوئے، 1942](../../../../../translated_images/ribbon-mic.eacc8e092c7441caee6d7a81e2f40e1675bf36269848964c7c09c9a9acb05127.ur.jpg)
+
+* کنڈینسر - کنڈینسر مائیکروفونز میں ایک پتلا دھاتی ڈایافرام اور ایک مقررہ دھاتی بیک پلیٹ ہوتی ہے۔ ان دونوں پر بجلی لگائی جاتی ہے، اور جیسے ہی ڈایافرام حرکت کرتا ہے، پلیٹوں کے درمیان جامد چارج میں تبدیلی آتی ہے، جو سگنل پیدا کرتی ہے۔ کنڈینسر مائیکروفونز کو کام کرنے کے لیے بجلی کی ضرورت ہوتی ہے، جسے *فینٹم پاور* کہا جاتا ہے۔
+
+    ![AKG Acoustics کا C451B چھوٹے ڈایافرام والا کنڈینسر مائیکروفون](../../../../../translated_images/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.ur.jpg)
+
+* میمز - مائیکروالیکٹرو مکینیکل سسٹمز مائیکروفونز، یا MEMS، چپ پر موجود مائیکروفونز ہیں۔ ان میں ایک دباؤ حساس ڈایافرام ہوتا ہے جو سلیکون چپ پر کندہ ہوتا ہے، اور یہ کنڈینسر مائیکروفون کی طرح کام کرتے ہیں۔ یہ مائیکروفونز بہت چھوٹے ہو سکتے ہیں اور سرکٹری میں ضم کیے جا سکتے ہیں۔
+
+    ![ایک سرکٹ بورڈ پر MEMS مائیکروفون](../../../../../translated_images/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.ur.png)
+
+    اوپر دی گئی تصویر میں، **LEFT** کے لیبل والا چپ ایک MEMS مائیکروفون ہے، جس کا ڈایافرام ایک ملی میٹر سے بھی کم چوڑا ہے۔
+
+✅ تحقیق کریں: آپ کے ارد گرد کون سے مائیکروفونز موجود ہیں - چاہے وہ آپ کے کمپیوٹر، فون، ہیڈسیٹ یا دیگر آلات میں ہوں۔ وہ کس قسم کے مائیکروفونز ہیں؟
+
+### ڈیجیٹل آڈیو
+
+آڈیو ایک اینالاگ سگنل ہے جو بہت باریک معلومات لے کر جاتا ہے۔ اس سگنل کو ڈیجیٹل میں تبدیل کرنے کے لیے، آڈیو کو ایک سیکنڈ میں ہزاروں بار سیمپل کیا جانا ضروری ہے۔
+
+> 🎓 سیمپلنگ آڈیو سگنل کو ایک ڈیجیٹل ویلیو میں تبدیل کرنے کا عمل ہے جو اس وقت سگنل کی نمائندگی کرتا ہے۔
+
+![ایک لائن چارٹ جو ایک سگنل کو دکھا رہا ہے، جس میں مقررہ وقفوں پر الگ پوائنٹس ہیں](../../../../../translated_images/sampling.6f4fadb3f2d9dfe7618f9edfe75a350e6b3f74293ec84f02ab69c19d2afe3d73.ur.png)
+
+ڈیجیٹل آڈیو کو پلس کوڈ ماڈیولیشن (PCM) کے ذریعے سیمپل کیا جاتا ہے۔ PCM میں سگنل کے وولٹیج کو پڑھنا اور ایک مقررہ سائز کے مطابق اس وولٹیج کے قریب ترین ڈسکریٹ ویلیو کا انتخاب شامل ہے۔
+
+> 💁 آپ PCM کو پلس وڈتھ ماڈیولیشن (PWM) کے سینسر ورژن کے طور پر سمجھ سکتے ہیں (PWM کو [شروع کرنے کے پروجیکٹ کے سبق 3](../../../1-getting-started/lessons/3-sensors-and-actuators/README.md#pulse-width-modulation) میں کور کیا گیا تھا)۔ PCM اینالاگ سگنل کو ڈیجیٹل میں تبدیل کرتا ہے، جبکہ PWM ڈیجیٹل سگنل کو اینالاگ میں تبدیل کرتا ہے۔
+
+مثال کے طور پر، زیادہ تر اسٹریمنگ میوزک سروسز 16 بٹ یا 24 بٹ آڈیو پیش کرتی ہیں۔ اس کا مطلب ہے کہ وہ وولٹیج کو ایک ویلیو میں تبدیل کرتے ہیں جو 16 بٹ انٹیجر یا 24 بٹ انٹیجر میں فٹ ہو۔ 16 بٹ آڈیو ویلیو کو -32,768 سے 32,767 کی رینج میں فٹ کرتا ہے، جبکہ 24 بٹ -8,388,608 سے 8,388,607 کی رینج میں۔ جتنے زیادہ بٹس ہوں گے، سیمپل ہمارے کانوں کے اصل سننے کے قریب ہوگا۔
+
+> 💁 آپ نے 8 بٹ آڈیو کے بارے میں سنا ہوگا، جسے اکثر LoFi کہا جاتا ہے۔ یہ آڈیو صرف 8 بٹس کے ساتھ سیمپل کیا جاتا ہے، یعنی -128 سے 127۔ ابتدائی کمپیوٹر آڈیو ہارڈویئر کی حدود کی وجہ سے 8 بٹس تک محدود تھا، اس لیے یہ اکثر ریٹرو گیمنگ میں دیکھا جاتا ہے۔
+
+یہ سیمپلز ایک سیکنڈ میں ہزاروں بار لیے جاتے ہیں، جو کہ KHz (ایک سیکنڈ میں ہزاروں ریڈنگز) میں ماپا جاتا ہے۔ اسٹریمنگ میوزک سروسز زیادہ تر آڈیو کے لیے 48KHz استعمال کرتی ہیں، لیکن کچھ 'لاس لیس' آڈیو 96KHz یا یہاں تک کہ 192KHz تک استعمال کرتی ہیں۔ سیمپل ریٹ جتنا زیادہ ہوگا، آڈیو اصل کے قریب ہوگا، ایک حد تک۔ اس بات پر بحث ہے کہ آیا انسان 48KHz سے اوپر کے فرق کو محسوس کر سکتا ہے یا نہیں۔
+
+✅ تحقیق کریں: اگر آپ اسٹریمنگ میوزک سروس استعمال کرتے ہیں، تو یہ کون سا سیمپل ریٹ اور سائز استعمال کرتی ہے؟ اگر آپ CDs استعمال کرتے ہیں، تو CD آڈیو کا سیمپل ریٹ اور سائز کیا ہے؟
+
+آڈیو ڈیٹا کے لیے مختلف فارمیٹس موجود ہیں۔ آپ نے شاید mp3 فائلز کے بارے میں سنا ہوگا - آڈیو ڈیٹا جو کوالٹی کھوئے بغیر چھوٹا کیا گیا ہو۔ غیر کمپریسڈ آڈیو اکثر WAV فائل کے طور پر محفوظ کیا جاتا ہے - یہ ایک فائل ہوتی ہے جس میں 44 بائٹس کی ہیڈر معلومات ہوتی ہے، اس کے بعد خام آڈیو ڈیٹا ہوتا ہے۔ ہیڈر میں سیمپل ریٹ (مثال کے طور پر 16000 برائے 16KHz)، سیمپل سائز (16 برائے 16 بٹ)، اور چینلز کی تعداد جیسی معلومات شامل ہوتی ہیں۔ ہیڈر کے بعد، WAV فائل میں خام آڈیو ڈیٹا شامل ہوتا ہے۔
+
+> 🎓 چینلز اس بات کی نشاندہی کرتے ہیں کہ آڈیو کتنے مختلف آڈیو اسٹریمز پر مشتمل ہے۔ مثال کے طور پر، اسٹیریو آڈیو کے لیے بائیں اور دائیں کے ساتھ 2 چینلز ہوں گے۔ ہوم تھیٹر سسٹم کے لیے 7.1 سراؤنڈ ساؤنڈ کے لیے یہ 8 ہوں گے۔
+
+### آڈیو ڈیٹا کا سائز
+
+آڈیو ڈیٹا نسبتاً بڑا ہوتا ہے۔ مثال کے طور پر، غیر کمپریسڈ 16 بٹ آڈیو کو 16KHz پر کیپچر کرنا (جو تقریر کو متن میں تبدیل کرنے کے ماڈل کے لیے کافی ہے)، ہر سیکنڈ کے آڈیو کے لیے 32KB ڈیٹا لیتا ہے:
+
+* 16 بٹ کا مطلب ہے ہر سیمپل کے لیے 2 بائٹس (1 بائٹ 8 بٹس کے برابر ہے)۔
+* 16KHz کا مطلب ہے ایک سیکنڈ میں 16,000 سیمپلز۔
+* 16,000 x 2 بائٹس = 32,000 بائٹس فی سیکنڈ۔
+
+یہ ایک چھوٹی مقدار لگتی ہے، لیکن اگر آپ ایک مائیکرو کنٹرولر استعمال کر رہے ہیں جس کی میموری محدود ہے، تو یہ بہت زیادہ ہو سکتی ہے۔ مثال کے طور پر، Wio Terminal میں 192KB میموری ہے، اور اس میں پروگرام کوڈ اور ویریبلز کو بھی اسٹور کرنا ہوتا ہے۔ چاہے آپ کا پروگرام کوڈ بہت چھوٹا ہو، آپ 5 سیکنڈ سے زیادہ آڈیو کیپچر نہیں کر سکتے۔
+
+مائیکرو کنٹرولرز اضافی اسٹوریج تک رسائی حاصل کر سکتے ہیں، جیسے SD کارڈز یا فلیش میموری۔ جب آپ ایک آئی او ٹی ڈیوائس بنا رہے ہوں جو آڈیو کیپچر کرتا ہو، تو آپ کو یہ یقینی بنانا ہوگا کہ آپ کے پاس اضافی اسٹوریج موجود ہے، اور آپ کا کوڈ مائیکروفون سے کیپچر کیے گئے آڈیو کو براہ راست اس اسٹوریج پر لکھتا ہے۔ جب آپ اسے کلاؤڈ پر بھیج رہے ہوں، تو آپ کو اسٹوریج سے ویب ریکویسٹ تک آڈیو کو اسٹریم کرنا ہوگا۔ اس طرح آپ میموری ختم ہونے سے بچ سکتے ہیں، جو پورے آڈیو ڈیٹا کو ایک ساتھ میموری میں رکھنے کی کوشش سے ہو سکتا ہے۔
+
+## اپنے آئی او ٹی ڈیوائس سے آڈیو کیپچر کریں
+
+آپ کا آئی او ٹی ڈیوائس مائیکروفون سے منسلک ہو سکتا ہے تاکہ آڈیو کیپچر کیا جا سکے، جو متن میں تبدیل کرنے کے لیے تیار ہو۔ یہ اسپیکرز سے بھی منسلک ہو سکتا ہے تاکہ آڈیو آؤٹ پٹ فراہم کیا جا سکے۔ بعد کے اسباق میں یہ آڈیو فیڈبیک دینے کے لیے استعمال ہوگا، لیکن مائیکروفون کی جانچ کے لیے اسپیکرز کو ابھی ترتیب دینا مفید ہے۔
+
+### کام - اپنے مائیکروفون اور اسپیکرز کو ترتیب دیں
+
+اپنے آئی او ٹی ڈیوائس کے لیے مائیکروفون اور اسپیکرز کو ترتیب دینے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-microphone.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-microphone.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-microphone.md)
+
+### کام - آڈیو کیپچر کریں
+
+اپنے آئی او ٹی ڈیوائس پر آڈیو کیپچر کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-audio.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-audio.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-audio.md)
+
+## تقریر کو متن میں تبدیل کریں
+
+تقریر کو متن میں تبدیل کرنا، یا تقریر کی پہچان، AI کا استعمال کرتے ہوئے آڈیو سگنل میں موجود الفاظ کو متن میں تبدیل کرنے کا عمل ہے۔
+
+### تقریر کی پہچان کے ماڈلز
+
+تقریر کو متن میں تبدیل کرنے کے لیے، آڈیو سگنل کے سیمپلز کو گروپ کیا جاتا ہے اور مشین لرننگ ماڈل میں فیڈ کیا جاتا ہے، جو ایک ری کرنٹ نیورل نیٹ ورک (RNN) پر مبنی ہوتا ہے۔ یہ مشین لرننگ ماڈل کی ایک قسم ہے جو پچھلے ڈیٹا کا استعمال کرتے ہوئے آنے والے ڈیٹا کے بارے میں فیصلہ کر سکتا ہے۔ مثال کے طور پر، RNN ایک آڈیو سیمپل بلاک کو 'Hel' کی آواز کے طور پر شناخت کر سکتا ہے، اور جب اسے ایک اور بلاک ملتا ہے جسے وہ 'lo' کی آواز سمجھتا ہے، تو یہ پچھلی آواز کے ساتھ اسے جوڑ سکتا ہے، 'Hello' کو ایک درست لفظ کے طور پر پہچان سکتا ہے، اور اسے نتیجہ کے طور پر منتخب کر سکتا ہے۔
+
+مشین لرننگ ماڈلز ہمیشہ ایک ہی سائز کے ڈیٹا کو قبول کرتے ہیں۔ وہ امیج کلاسفائر جو آپ نے ایک پچھلے سبق میں بنایا تھا، تصاویر کو ایک مقررہ سائز میں تبدیل کرتا ہے اور ان پر عمل کرتا ہے۔ تقریر کے ماڈلز کے ساتھ بھی یہی ہوتا ہے، انہیں مقررہ سائز کے آڈیو چنکس پر عمل کرنا ہوتا ہے۔ تقریر کے ماڈلز کو متعدد پیشین گوئیوں کے نتائج کو یکجا کرنے کے قابل ہونا چاہیے تاکہ جواب حاصل کیا جا سکے، تاکہ وہ 'Hi' اور 'Highway' یا 'flock' اور 'floccinaucinihilipilification' کے درمیان فرق کر سکیں۔
+
+تقریر کے ماڈلز اتنے جدید ہیں کہ وہ سیاق و سباق کو سمجھ سکتے ہیں، اور مزید آوازوں پر عمل کرتے ہوئے اپنے الفاظ کو درست کر سکتے ہیں۔ مثال کے طور پر، اگر آپ کہیں "میں دکانوں پر گیا تاکہ دو کیلے اور ایک سیب بھی لے آؤں"، تو آپ تین ایسے الفاظ استعمال کریں گے جو ایک جیسے لگتے ہیں، لیکن مختلف طریقے سے لکھے جاتے ہیں - to, two اور too۔ تقریر کے ماڈلز سیاق و سباق کو سمجھنے اور لفظ کی مناسب ہجے استعمال کرنے کے قابل ہوتے
+💁 کچھ تقریری خدمات میں تخصیص کی اجازت ہوتی ہے تاکہ وہ شور والے ماحول جیسے فیکٹریوں میں بہتر کام کر سکیں، یا صنعت سے متعلق مخصوص الفاظ جیسے کیمیکل کے ناموں کے ساتھ۔ یہ تخصیصات نمونہ آڈیو اور ٹرانسکرپشن فراہم کر کے تربیت دی جاتی ہیں، اور ٹرانسفر لرننگ کے ذریعے کام کرتی ہیں، بالکل اسی طرح جیسے آپ نے پہلے سبق میں چند تصاویر استعمال کر کے ایک امیج کلاسیفائر کو تربیت دی تھی۔
+### پرائیویسی
+
+جب کسی صارف IoT ڈیوائس میں اسپیک ٹو ٹیکسٹ استعمال کرتے ہیں، تو پرائیویسی انتہائی اہمیت رکھتی ہے۔ یہ ڈیوائسز مسلسل آڈیو سنتی ہیں، اور بطور صارف آپ نہیں چاہتے کہ آپ کی ہر بات کلاؤڈ پر بھیجی جائے اور ٹیکسٹ میں تبدیل ہو۔ نہ صرف یہ انٹرنیٹ بینڈوِڈتھ کا زیادہ استعمال کرے گا، بلکہ اس کے بڑے پرائیویسی اثرات بھی ہیں، خاص طور پر جب کچھ اسمارٹ ڈیوائس بنانے والے بے ترتیب آڈیو منتخب کرتے ہیں تاکہ [انسانی تصدیق کے ذریعے ماڈل کو بہتر بنایا جا سکے](https://www.theverge.com/2019/4/10/18305378/amazon-alexa-ai-voice-assistant-annotation-listen-private-recordings)۔
+
+آپ چاہتے ہیں کہ آپ کی اسمارٹ ڈیوائس صرف اس وقت آڈیو کلاؤڈ پر بھیجے جب آپ اسے استعمال کر رہے ہوں، نہ کہ جب وہ آپ کے گھر میں آڈیو سنتی ہو، جس میں نجی ملاقاتیں یا ذاتی بات چیت شامل ہو سکتی ہیں۔ زیادہ تر اسمارٹ ڈیوائسز ایک *وییک ورڈ* کے ساتھ کام کرتی ہیں، جیسے "Alexa"، "Hey Siri"، یا "OK Google"، جو ڈیوائس کو 'جاگنے' اور آپ کی بات سننے پر مجبور کرتا ہے جب تک کہ وہ آپ کی گفتگو میں وقفہ محسوس نہ کرے، جو یہ ظاہر کرتا ہے کہ آپ نے ڈیوائس سے بات ختم کر دی ہے۔
+
+> 🎓 وییک ورڈ ڈیٹیکشن کو *کی ورڈ اسپاٹنگ* یا *کی ورڈ ریکگنیشن* بھی کہا جاتا ہے۔
+
+یہ وییک ورڈز ڈیوائس پر ڈیٹیکٹ کیے جاتے ہیں، کلاؤڈ پر نہیں۔ یہ اسمارٹ ڈیوائسز چھوٹے AI ماڈلز رکھتی ہیں جو ڈیوائس پر چلتے ہیں اور وییک ورڈ کو سنتے ہیں، اور جب یہ ڈیٹیکٹ ہو جائے تو آڈیو کو کلاؤڈ پر شناخت کے لیے اسٹریم کرنا شروع کر دیتی ہیں۔ یہ ماڈلز بہت خاص ہوتے ہیں اور صرف وییک ورڈ کو سنتے ہیں۔
+
+> 💁 کچھ ٹیک کمپنیاں اپنی ڈیوائسز میں مزید پرائیویسی شامل کر رہی ہیں اور اسپیک ٹو ٹیکسٹ کنورژن کو ڈیوائس پر ہی انجام دے رہی ہیں۔ ایپل نے اعلان کیا ہے کہ 2021 کے iOS اور macOS اپڈیٹس کے حصے کے طور پر وہ اسپیک ٹو ٹیکسٹ کنورژن کو ڈیوائس پر سپورٹ کریں گے، اور بہت سی درخواستوں کو کلاؤڈ استعمال کیے بغیر ہینڈل کر سکیں گے۔ یہ ان کے ڈیوائسز میں موجود طاقتور پروسیسرز کی بدولت ممکن ہوا ہے جو ML ماڈلز کو چلا سکتے ہیں۔
+
+✅ آپ کے خیال میں کلاؤڈ پر بھیجی گئی آڈیو کو اسٹور کرنے کے پرائیویسی اور اخلاقی اثرات کیا ہیں؟ کیا یہ آڈیو اسٹور کی جانی چاہیے، اور اگر ہاں، تو کیسے؟ کیا آپ سمجھتے ہیں کہ قانون نافذ کرنے کے لیے ریکارڈنگز کا استعمال پرائیویسی کے نقصان کے لیے ایک اچھا سودا ہے؟
+
+وییک ورڈ ڈیٹیکشن عام طور پر ایک تکنیک استعمال کرتا ہے جسے TinyML کہا جاتا ہے، یعنی ML ماڈلز کو مائیکرو کنٹرولرز پر چلانے کے قابل بنانا۔ یہ ماڈلز سائز میں چھوٹے ہوتے ہیں اور چلانے کے لیے بہت کم توانائی استعمال کرتے ہیں۔
+
+وییک ورڈ ماڈل کو ٹرین کرنے اور استعمال کرنے کی پیچیدگی سے بچنے کے لیے، اس سبق میں آپ جو اسمارٹ ٹائمر بنا رہے ہیں وہ اسپیک ریکگنیشن کو آن کرنے کے لیے ایک بٹن استعمال کرے گا۔
+
+> 💁 اگر آپ وییک ورڈ ڈیٹیکشن ماڈل بنانے کی کوشش کرنا چاہتے ہیں جو Wio Terminal یا Raspberry Pi پر چل سکے، تو Edge Impulse کے اس [آپ کی آواز پر ردعمل دینے والے ٹیوٹوریل](https://docs.edgeimpulse.com/docs/responding-to-your-voice) کو دیکھیں۔ اگر آپ اپنے کمپیوٹر کو استعمال کرنا چاہتے ہیں، تو Microsoft Docs پر [Custom Keyword quickstart کے ساتھ شروعات کریں](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)۔
+
+## اسپیک کو ٹیکسٹ میں تبدیل کریں
+
+![اسپیک سروسز لوگو](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ur.png)
+
+بالکل اسی طرح جیسے ایک پہلے پروجیکٹ میں امیج کلاسیفیکیشن کے ساتھ، پہلے سے تیار شدہ AI سروسز موجود ہیں جو آڈیو فائل کو اسپیک کے طور پر لے کر اسے ٹیکسٹ میں تبدیل کر سکتی ہیں۔ ان میں سے ایک سروس اسپیک سروس ہے، جو Cognitive Services کا حصہ ہے، پہلے سے تیار شدہ AI سروسز جو آپ اپنی ایپس میں استعمال کر سکتے ہیں۔
+
+### کام - اسپیک AI ریسورس کو کنفیگر کریں
+
+1. اس پروجیکٹ کے لیے ایک ریسورس گروپ بنائیں جس کا نام `smart-timer` ہو۔
+
+1. مفت اسپیک ریسورس بنانے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```sh
+    az cognitiveservices account create --name smart-timer \
+                                        --resource-group smart-timer \
+                                        --kind SpeechServices \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے ریسورس گروپ بناتے وقت استعمال کیا تھا۔
+
+1. آپ کو اپنے کوڈ سے اسپیک ریسورس تک رسائی کے لیے ایک API key کی ضرورت ہوگی۔ درج ذیل کمانڈ چلائیں تاکہ key حاصل کریں:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    keys میں سے ایک کی کاپی لے لیں۔
+
+### کام - اسپیک کو ٹیکسٹ میں تبدیل کریں
+
+اپنے IoT ڈیوائس پر اسپیک کو ٹیکسٹ میں تبدیل کرنے کے لیے متعلقہ گائیڈ پر کام کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-speech-to-text.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-speech-to-text.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-speech-to-text.md)
+
+---
+
+## 🚀 چیلنج
+
+اسپیک ریکگنیشن کافی عرصے سے موجود ہے اور مسلسل بہتر ہو رہی ہے۔ موجودہ صلاحیتوں پر تحقیق کریں اور موازنہ کریں کہ یہ وقت کے ساتھ کیسے ترقی کر چکی ہیں، بشمول مشین ٹرانسکرپشنز کی درستگی انسانوں کے مقابلے میں۔
+
+آپ کے خیال میں اسپیک ریکگنیشن کا مستقبل کیا ہے؟
+
+## لیکچر کے بعد کوئز
+
+[لیکچر کے بعد کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/42)
+
+## جائزہ اور خود مطالعہ
+
+* مختلف مائیکروفون کی اقسام اور ان کے کام کرنے کے طریقے کے بارے میں پڑھیں [Musician's HQ کے آرٹیکل میں](https://musicianshq.com/whats-the-difference-between-dynamic-and-condenser-microphones/)۔
+* Cognitive Services اسپیک سروس کے بارے میں مزید پڑھیں [Microsoft Docs پر اسپیک سروس کی دستاویزات میں](https://docs.microsoft.com/azure/cognitive-services/speech-service/?WT.mc_id=academic-17441-jabenn)۔
+* کی ورڈ اسپاٹنگ کے بارے میں پڑھیں [Microsoft Docs پر کی ورڈ ریکگنیشن کی دستاویزات میں](https://docs.microsoft.com/azure/cognitive-services/speech-service/keyword-recognition-overview?WT.mc_id=academic-17441-jabenn)۔
+
+## اسائنمنٹ
+
+[](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا خامیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/assignment.md b/translations/ur/6-consumer/lessons/1-speech-recognition/assignment.md
new file mode 100644
index 00000000..96e347bd
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/assignment.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5ae7654f519ae831179409dc8e528055",
+  "translation_date": "2025-08-27T00:23:20+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/assignment.md",
+  "language_code": "ur"
+}
+-->
+## ہدایات
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| -------- | --------- | -------- | ----------------- |
+| |  |  |  |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md
new file mode 100644
index 00000000..168d4ff1
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md
@@ -0,0 +1,227 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0ac0afcfb40cb5970ef4cb74f01c32e9",
+  "translation_date": "2025-08-27T00:18:35+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-audio.md",
+  "language_code": "ur"
+}
+-->
+# آڈیو ریکارڈ کریں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ کوڈ لکھیں گے تاکہ راسپبیری پائی پر آڈیو ریکارڈ کیا جا سکے۔ آڈیو ریکارڈنگ ایک بٹن کے ذریعے کنٹرول کی جائے گی۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو آڈیو ریکارڈنگ کنٹرول کرنے کے لیے ایک بٹن کی ضرورت ہے۔
+
+جو بٹن آپ استعمال کریں گے وہ ایک Grove بٹن ہے۔ یہ ایک ڈیجیٹل سینسر ہے جو سگنل کو آن یا آف کرتا ہے۔ ان بٹنوں کو اس طرح ترتیب دیا جا سکتا ہے کہ جب بٹن دبایا جائے تو ہائی سگنل بھیجے، اور جب نہ دبایا جائے تو لو سگنل، یا جب دبایا جائے تو لو سگنل اور جب نہ دبایا جائے تو ہائی سگنل۔
+
+اگر آپ ReSpeaker 2-Mics Pi HAT کو مائیکروفون کے طور پر استعمال کر رہے ہیں، تو بٹن کو جوڑنے کی ضرورت نہیں ہے کیونکہ اس HAT میں پہلے سے ہی ایک بٹن موجود ہے۔ اگلے حصے پر جائیں۔
+
+### بٹن کو جوڑیں
+
+بٹن کو Grove Base HAT سے جوڑا جا سکتا ہے۔
+
+#### کام - بٹن کو جوڑیں
+
+![ایک Grove بٹن](../../../../../translated_images/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.ur.png)
+
+1. Grove کیبل کے ایک سرے کو بٹن ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔
+
+1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base HAT پر **D5** کے نشان والے ڈیجیٹل ساکٹ میں جوڑیں۔ یہ ساکٹ GPIO پنز کے ساتھ والی قطار میں بائیں جانب سے دوسرا ہے۔
+
+![Grove بٹن D5 ساکٹ سے جڑا ہوا](../../../../../translated_images/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.ur.png)
+
+## آڈیو ریکارڈ کریں
+
+آپ Python کوڈ کے ذریعے مائیکروفون سے آڈیو ریکارڈ کر سکتے ہیں۔
+
+### کام - آڈیو ریکارڈ کریں
+
+1. پائی کو آن کریں اور بوٹ ہونے کا انتظار کریں۔
+
+1. VS Code لانچ کریں، یا تو براہ راست پائی پر، یا Remote SSH ایکسٹینشن کے ذریعے کنیکٹ کریں۔
+
+1. PyAudio Pip پیکج میں آڈیو ریکارڈ اور پلے بیک کرنے کے فنکشنز موجود ہیں۔ اس پیکج کو کچھ آڈیو لائبریریز کی ضرورت ہوتی ہے جو پہلے انسٹال کرنی ہوں گی۔ درج ذیل کمانڈز کو ٹرمینل میں چلائیں:
+
+    ```sh
+    sudo apt update
+    sudo apt install libportaudio0 libportaudio2 libportaudiocpp0 portaudio19-dev libasound2-plugins --yes 
+    ```
+
+1. PyAudio Pip پیکج انسٹال کریں۔
+
+    ```sh
+    pip3 install pyaudio
+    ```
+
+1. ایک نیا فولڈر بنائیں جس کا نام `smart-timer` ہو اور اس فولڈر میں ایک فائل `app.py` کے نام سے شامل کریں۔
+
+1. اس فائل کے اوپر درج ذیل امپورٹس شامل کریں:
+
+    ```python
+    import io
+    import pyaudio
+    import time
+    import wave
+    
+    from grove.factory import Factory
+    ```
+
+    یہ `pyaudio` ماڈیول، کچھ معیاری Python ماڈیولز جو ویو فائلز کو ہینڈل کرتے ہیں، اور `grove.factory` ماڈیول کو امپورٹ کرتا ہے تاکہ بٹن کلاس بنانے کے لیے `Factory` کو امپورٹ کیا جا سکے۔
+
+1. اس کے نیچے، Grove بٹن بنانے کے لیے کوڈ شامل کریں۔
+
+    اگر آپ ReSpeaker 2-Mics Pi HAT استعمال کر رہے ہیں، تو درج ذیل کوڈ استعمال کریں:
+
+    ```python
+    # The button on the ReSpeaker 2-Mics Pi HAT
+    button = Factory.getButton("GPIO-LOW", 17)
+    ```
+
+    یہ **D17** پورٹ پر ایک بٹن بناتا ہے، وہ پورٹ جس پر ReSpeaker 2-Mics Pi HAT کا بٹن جڑا ہوا ہے۔ یہ بٹن دبائے جانے پر لو سگنل بھیجنے کے لیے سیٹ کیا گیا ہے۔
+
+    اگر آپ ReSpeaker 2-Mics Pi HAT استعمال نہیں کر رہے ہیں اور Grove بٹن کو Base HAT سے جوڑ رہے ہیں، تو یہ کوڈ استعمال کریں:
+
+    ```python
+    button = Factory.getButton("GPIO-HIGH", 5)
+    ```
+
+    یہ **D5** پورٹ پر ایک بٹن بناتا ہے جو دبائے جانے پر ہائی سگنل بھیجنے کے لیے سیٹ کیا گیا ہے۔
+
+1. اس کے نیچے، PyAudio کلاس کا ایک انسٹینس بنائیں تاکہ آڈیو کو ہینڈل کیا جا سکے:
+
+    ```python
+    audio = pyaudio.PyAudio()
+    ```
+
+1. مائیکروفون اور اسپیکر کے لیے ہارڈویئر کارڈ نمبر کا اعلان کریں۔ یہ وہ نمبر ہوگا جو آپ نے اس سبق کے پہلے حصے میں `arecord -l` اور `aplay -l` کمانڈز چلا کر پایا تھا۔
+
+    ```python
+    microphone_card_number = <microphone card number>
+    speaker_card_number = <speaker card number>
+    ```
+
+    `<microphone card number>` کو اپنے مائیکروفون کے کارڈ نمبر سے تبدیل کریں۔
+
+    `<speaker card number>` کو اپنے اسپیکر کے کارڈ نمبر سے تبدیل کریں، وہی نمبر جو آپ نے `alsa.conf` فائل میں سیٹ کیا تھا۔
+
+1. اس کے نیچے، آڈیو ریکارڈنگ اور پلے بیک کے لیے استعمال ہونے والے سیمپل ریٹ کا اعلان کریں۔ آپ کو یہ ہارڈویئر کے مطابق تبدیل کرنا پڑ سکتا ہے۔
+
+    ```python
+    rate = 48000 #48KHz
+    ```
+
+    اگر آپ کو بعد میں کوڈ چلانے پر سیمپل ریٹ کی غلطیاں ملیں، تو اس ویلیو کو `44100` یا `16000` میں تبدیل کریں۔ ویلیو جتنی زیادہ ہوگی، آواز کا معیار اتنا بہتر ہوگا۔
+
+1. اس کے نیچے، ایک نیا فنکشن `capture_audio` بنائیں۔ یہ مائیکروفون سے آڈیو ریکارڈ کرنے کے لیے کال کیا جائے گا:
+
+    ```python
+    def capture_audio():
+    ```
+
+1. اس فنکشن کے اندر، آڈیو ریکارڈ کرنے کے لیے درج ذیل شامل کریں:
+
+    ```python
+    stream = audio.open(format = pyaudio.paInt16,
+                        rate = rate,
+                        channels = 1, 
+                        input_device_index = microphone_card_number,
+                        input = True,
+                        frames_per_buffer = 4096)
+
+    frames = []
+
+    while button.is_pressed():
+        frames.append(stream.read(4096))
+
+    stream.stop_stream()
+    stream.close()
+    ```
+
+    یہ کوڈ PyAudio آبجیکٹ کا استعمال کرتے ہوئے ایک آڈیو ان پٹ اسٹریم کھولتا ہے۔ یہ اسٹریم مائیکروفون سے 16KHz پر آڈیو ریکارڈ کرے گا، اور 4096 بائٹس کے سائز کے بفرز میں آڈیو کو کیپچر کرے گا۔
+
+    کوڈ اس وقت تک لوپ کرتا ہے جب تک Grove بٹن دبایا جاتا ہے، ہر بار 4096 بائٹس کے بفرز کو ایک ارے میں پڑھتا ہے۔
+
+    > 💁 آپ `open` میتھڈ کو پاس کیے گئے آپشنز کے بارے میں مزید معلومات [PyAudio دستاویزات](https://people.csail.mit.edu/hubert/pyaudio/docs/) میں پڑھ سکتے ہیں۔
+
+    جیسے ہی بٹن چھوڑا جاتا ہے، اسٹریم کو روکا اور بند کر دیا جاتا ہے۔
+
+1. اس فنکشن کے آخر میں درج ذیل شامل کریں:
+
+    ```python
+    wav_buffer = io.BytesIO()
+    with wave.open(wav_buffer, 'wb') as wavefile:
+        wavefile.setnchannels(1)
+        wavefile.setsampwidth(audio.get_sample_size(pyaudio.paInt16))
+        wavefile.setframerate(rate)
+        wavefile.writeframes(b''.join(frames))
+        wav_buffer.seek(0)
+
+    return wav_buffer
+    ```
+
+    یہ کوڈ ایک بائنری بفر بناتا ہے، اور تمام ریکارڈ شدہ آڈیو کو [WAV فائل](https://wikipedia.org/wiki/WAV) کے طور پر لکھتا ہے۔ یہ غیر کمپریسڈ آڈیو کو فائل میں لکھنے کا ایک معیاری طریقہ ہے۔ یہ بفر پھر واپس کیا جاتا ہے۔
+
+1. آڈیو بفر کو پلے بیک کرنے کے لیے درج ذیل `play_audio` فنکشن شامل کریں:
+
+    ```python
+    def play_audio(buffer):
+        stream = audio.open(format = pyaudio.paInt16,
+                            rate = rate,
+                            channels = 1,
+                            output_device_index = speaker_card_number,
+                            output = True)
+    
+        with wave.open(buffer, 'rb') as wf:
+            data = wf.readframes(4096)
+    
+            while len(data) > 0:
+                stream.write(data)
+                data = wf.readframes(4096)
+    
+            stream.close()
+    ```
+
+    یہ فنکشن ایک اور آڈیو اسٹریم کھولتا ہے، اس بار آؤٹ پٹ کے لیے - آڈیو کو پلے کرنے کے لیے۔ یہ ان پٹ اسٹریم کی طرح ہی سیٹنگز استعمال کرتا ہے۔ بفر کو ویو فائل کے طور پر کھولا جاتا ہے اور 4096 بائٹس کے چنکس میں آؤٹ پٹ اسٹریم میں لکھا جاتا ہے، آڈیو کو پلے کرتے ہوئے۔ پھر اسٹریم بند کر دیا جاتا ہے۔
+
+1. `capture_audio` فنکشن کے نیچے درج ذیل کوڈ شامل کریں تاکہ بٹن دبائے جانے تک لوپ کیا جا سکے۔ جیسے ہی بٹن دبایا جاتا ہے، آڈیو ریکارڈ کیا جاتا ہے اور پھر پلے کیا جاتا ہے۔
+
+    ```python
+    while True:
+        while not button.is_pressed():
+            time.sleep(.1)
+        
+        buffer = capture_audio()
+        play_audio(buffer)
+    ```
+
+1. کوڈ چلائیں۔ بٹن دبائیں اور مائیکروفون میں بولیں۔ جب آپ فارغ ہو جائیں تو بٹن چھوڑ دیں، اور آپ ریکارڈنگ سنیں گے۔
+
+    جب PyAudio انسٹینس بنایا جاتا ہے تو آپ کو کچھ ALSA غلطیاں مل سکتی ہیں۔ یہ پائی پر ان آڈیو ڈیوائسز کی کنفیگریشن کی وجہ سے ہے جو آپ کے پاس نہیں ہیں۔ آپ ان غلطیوں کو نظر انداز کر سکتے ہیں۔
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.front
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
+    ALSA lib pcm.c:2565:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
+    ```
+
+    اگر آپ کو درج ذیل غلطی ملے:
+
+    ```output
+    OSError: [Errno -9997] Invalid sample rate
+    ```
+
+    تو `rate` کو یا تو 44100 یا 16000 میں تبدیل کریں۔
+
+> 💁 آپ اس کوڈ کو [code-record/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-record/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا آڈیو ریکارڈنگ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md
new file mode 100644
index 00000000..e38b632a
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md
@@ -0,0 +1,157 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7e45d884493c5222348b43fbc4481b6a",
+  "translation_date": "2025-08-27T00:30:30+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-microphone.md",
+  "language_code": "ur"
+}
+-->
+# اپنے مائیکروفون اور اسپیکرز کو ترتیب دیں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنے راسپبیری پائی میں مائیکروفون اور اسپیکرز شامل کریں گے۔
+
+## ہارڈویئر
+
+راسپبیری پائی کو ایک مائیکروفون کی ضرورت ہے۔
+
+پائی میں مائیکروفون بلٹ ان نہیں ہوتا، آپ کو ایک بیرونی مائیکروفون شامل کرنا ہوگا۔ اس کے کئی طریقے ہیں:
+
+* یو ایس بی مائیکروفون
+* یو ایس بی ہیڈسیٹ
+* یو ایس بی آل ان ون اسپیکر فون
+* یو ایس بی آڈیو اڈاپٹر اور 3.5 ملی میٹر جیک کے ساتھ مائیکروفون
+* [ری اسپیکر 2-مائکس پائی ہیٹ](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+
+> 💁 بلوٹوتھ مائیکروفونز راسپبیری پائی پر مکمل طور پر سپورٹ نہیں ہوتے، لہذا اگر آپ کے پاس بلوٹوتھ مائیکروفون یا ہیڈسیٹ ہے، تو آپ کو جوڑنے یا آڈیو کیپچر کرنے میں مسائل ہو سکتے ہیں۔
+
+راسپبیری پائی میں 3.5 ملی میٹر ہیڈ فون جیک ہوتا ہے۔ آپ اسے ہیڈ فون، ہیڈسیٹ یا اسپیکر سے جوڑنے کے لیے استعمال کر سکتے ہیں۔ آپ اسپیکرز کو درج ذیل طریقوں سے بھی شامل کر سکتے ہیں:
+
+* HDMI آڈیو مانیٹر یا ٹی وی کے ذریعے
+* یو ایس بی اسپیکرز
+* یو ایس بی ہیڈسیٹ
+* یو ایس بی آل ان ون اسپیکر فون
+* [ری اسپیکر 2-مائکس پائی ہیٹ](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) کے ساتھ اسپیکر جوڑا ہوا، یا تو 3.5 ملی میٹر جیک یا JST پورٹ کے ذریعے
+
+## مائیکروفون اور اسپیکرز کو جوڑیں اور ترتیب دیں
+
+مائیکروفون اور اسپیکرز کو جوڑنا اور ترتیب دینا ضروری ہے۔
+
+### کام - مائیکروفون کو جوڑیں اور ترتیب دیں
+
+1. مائیکروفون کو مناسب طریقے سے جوڑیں۔ مثال کے طور پر، اسے یو ایس بی پورٹس میں سے کسی ایک کے ذریعے جوڑیں۔
+
+1. اگر آپ ری اسپیکر 2-مائکس پائی ہیٹ استعمال کر رہے ہیں، تو آپ گروو بیس ہیٹ کو ہٹا سکتے ہیں، پھر ری اسپیکر ہیٹ کو اس کی جگہ لگا سکتے ہیں۔
+
+    ![ری اسپیکر ہیٹ کے ساتھ ایک راسپبیری پائی](../../../../../translated_images/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.ur.png)
+
+    آپ کو اس سبق کے بعد ایک گروو بٹن کی ضرورت ہوگی، لیکن یہ ہیٹ میں بلٹ ان ہے، لہذا گروو بیس ہیٹ کی ضرورت نہیں ہے۔
+
+    ہیٹ کو لگانے کے بعد، آپ کو کچھ ڈرائیورز انسٹال کرنے ہوں گے۔ ڈرائیور انسٹالیشن کے لیے [سیڈ کے شروع کرنے کے ہدایات](https://wiki.seeedstudio.com/ReSpeaker_2_Mics_Pi_HAT_Raspberry/#getting-started) دیکھیں۔
+
+    > ⚠️ ہدایات `git` استعمال کرتی ہیں ایک ریپوزیٹری کلون کرنے کے لیے۔ اگر آپ کے پائی پر `git` انسٹال نہیں ہے، تو آپ درج ذیل کمانڈ چلا کر اسے انسٹال کر سکتے ہیں:
+    >
+    > ```sh
+    > sudo apt install git --yes
+    > ```
+
+1. اپنے ٹرمینل میں درج ذیل کمانڈ چلائیں، یا تو پائی پر یا VS کوڈ اور ریموٹ SSH سیشن کے ذریعے جڑے ہوئے، تاکہ جوڑے ہوئے مائیکروفون کی معلومات دیکھ سکیں:
+
+    ```sh
+    arecord -l
+    ```
+
+    آپ کو جوڑے ہوئے مائیکروفونز کی فہرست نظر آئے گی۔ یہ کچھ اس طرح ہوگا:
+
+    ```output
+    pi@raspberrypi:~ $ arecord -l
+    **** List of CAPTURE Hardware Devices ****
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    فرض کریں کہ آپ کے پاس صرف ایک مائیکروفون ہے، تو آپ کو صرف ایک اندراج نظر آئے گا۔ لینکس پر مائیکروفونز کی ترتیب مشکل ہو سکتی ہے، لہذا سب سے آسان طریقہ یہ ہے کہ صرف ایک مائیکروفون استعمال کریں اور دیگر کو ان پلگ کریں۔
+
+    کارڈ نمبر نوٹ کریں، کیونکہ آپ کو یہ بعد میں ضرورت ہوگی۔ اوپر دیے گئے آؤٹ پٹ میں کارڈ نمبر 1 ہے۔
+
+### کام - اسپیکر کو جوڑیں اور ترتیب دیں
+
+1. اسپیکرز کو مناسب طریقے سے جوڑیں۔
+
+1. اپنے ٹرمینل میں درج ذیل کمانڈ چلائیں، یا تو پائی پر یا VS کوڈ اور ریموٹ SSH سیشن کے ذریعے جڑے ہوئے، تاکہ جوڑے ہوئے اسپیکرز کی معلومات دیکھ سکیں:
+
+    ```sh
+    aplay -l
+    ```
+
+    آپ کو جوڑے ہوئے اسپیکرز کی فہرست نظر آئے گی۔ یہ کچھ اس طرح ہوگا:
+
+    ```output
+    pi@raspberrypi:~ $ aplay -l
+    **** List of PLAYBACK Hardware Devices ****
+    card 0: Headphones [bcm2835 Headphones], device 0: bcm2835 Headphones [bcm2835 Headphones]
+      Subdevices: 8/8
+      Subdevice #0: subdevice #0
+      Subdevice #1: subdevice #1
+      Subdevice #2: subdevice #2
+      Subdevice #3: subdevice #3
+      Subdevice #4: subdevice #4
+      Subdevice #5: subdevice #5
+      Subdevice #6: subdevice #6
+      Subdevice #7: subdevice #7
+    card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]
+      Subdevices: 1/1
+      Subdevice #0: subdevice #0
+    ```
+
+    آپ ہمیشہ `card 0: Headphones` دیکھیں گے کیونکہ یہ بلٹ ان ہیڈ فون جیک ہے۔ اگر آپ نے اضافی اسپیکرز شامل کیے ہیں، جیسے یو ایس بی اسپیکر، تو یہ بھی فہرست میں نظر آئے گا۔
+
+1. اگر آپ اضافی اسپیکر استعمال کر رہے ہیں، اور بلٹ ان ہیڈ فون جیک سے جڑے اسپیکر یا ہیڈ فون استعمال نہیں کر رہے، تو آپ کو اسے ڈیفالٹ کے طور پر ترتیب دینا ہوگا۔ ایسا کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+    ```sh
+    sudo nano /usr/share/alsa/alsa.conf
+    ```
+
+    یہ کمانڈ `nano` میں ایک کنفیگریشن فائل کھولے گی، جو ایک ٹرمینل پر مبنی ٹیکسٹ ایڈیٹر ہے۔ اپنے کی بورڈ کے ایرو کیز کا استعمال کرتے ہوئے نیچے اس لائن تک جائیں:
+
+    ```output
+    defaults.pcm.card 0
+    ```
+
+    اس ویلیو کو `0` سے تبدیل کر کے اس کارڈ نمبر پر سیٹ کریں جسے آپ `aplay -l` کمانڈ کے آؤٹ پٹ سے استعمال کرنا چاہتے ہیں۔ مثال کے طور پر، اوپر دیے گئے آؤٹ پٹ میں ایک دوسرا ساؤنڈ کارڈ ہے جسے `card 1: M0 [eMeet M0], device 0: USB Audio [USB Audio]` کہا گیا ہے، جو کارڈ 1 استعمال کر رہا ہے۔ اسے استعمال کرنے کے لیے، میں اس لائن کو اس طرح اپ ڈیٹ کروں گا:
+
+    ```output
+    defaults.pcm.card 1
+    ```
+
+    اس ویلیو کو مناسب کارڈ نمبر پر سیٹ کریں۔ آپ اپنے کی بورڈ کے ایرو کیز کا استعمال کرتے ہوئے نمبر تک جا سکتے ہیں، پھر ٹیکسٹ فائلز میں ترمیم کرتے وقت عام طریقے سے ڈیلیٹ اور نیا نمبر ٹائپ کر سکتے ہیں۔
+
+1. تبدیلیاں محفوظ کریں اور فائل کو بند کریں `Ctrl+x` دبانے سے۔ فائل کو محفوظ کرنے کے لیے `y` دبائیں، پھر فائل کا نام منتخب کرنے کے لیے `return` دبائیں۔
+
+### کام - مائیکروفون اور اسپیکر کو ٹیسٹ کریں
+
+1. درج ذیل کمانڈ چلائیں تاکہ مائیکروفون کے ذریعے 5 سیکنڈ کا آڈیو ریکارڈ کیا جا سکے:
+
+    ```sh
+    arecord --format=S16_LE --duration=5 --rate=16000 --file-type=wav out.wav
+    ```
+
+    جب یہ کمانڈ چل رہی ہو، مائیکروفون میں شور کریں جیسے بات کرنا، گانا، بیٹ باکسنگ، کوئی ساز بجانا یا جو بھی آپ کو پسند ہو۔
+
+1. 5 سیکنڈ کے بعد، ریکارڈنگ رک جائے گی۔ درج ذیل کمانڈ چلائیں تاکہ آڈیو کو واپس چلایا جا سکے:
+
+    ```sh
+    aplay --format=S16_LE --rate=16000 out.wav
+    ```
+
+    آپ اسپیکرز کے ذریعے آڈیو کو چلتا ہوا سنیں گے۔ اپنے اسپیکر پر آؤٹ پٹ والیوم کو ضرورت کے مطابق ایڈجسٹ کریں۔
+
+1. اگر آپ کو بلٹ ان مائیکروفون پورٹ کے والیوم کو ایڈجسٹ کرنے کی ضرورت ہو، یا مائیکروفون کے گین کو ایڈجسٹ کرنا ہو، تو آپ `alsamixer` یوٹیلیٹی استعمال کر سکتے ہیں۔ اس یوٹیلیٹی کے بارے میں مزید معلومات [لینکس alsamixer مین پیج](https://linux.die.net/man/1/alsamixer) پر پڑھ سکتے ہیں۔
+
+1. اگر آپ کو آڈیو چلانے میں ایررز ملیں، تو اس کارڈ کو چیک کریں جسے آپ نے `alsa.conf` فائل میں `defaults.pcm.card` کے طور پر سیٹ کیا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
new file mode 100644
index 00000000..b9dd47a7
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md
@@ -0,0 +1,126 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "af249a24d4fe4f4de4806adbc3bc9d86",
+  "translation_date": "2025-08-27T00:32:47+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/pi-speech-to-text.md",
+  "language_code": "ur"
+}
+-->
+# تقریر کو متن میں تبدیل کرنا - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ ایسا کوڈ لکھیں گے جو ریکارڈ شدہ آڈیو میں تقریر کو متن میں تبدیل کرے گا، اس کے لیے اسپیک سروس کا استعمال کیا جائے گا۔
+
+## آڈیو کو اسپیک سروس پر بھیجنا
+
+آڈیو کو اسپیک سروس پر REST API کے ذریعے بھیجا جا سکتا ہے۔ اسپیک سروس استعمال کرنے کے لیے، سب سے پہلے آپ کو ایک ایکسیس ٹوکن کی درخواست کرنی ہوگی، پھر اس ٹوکن کو REST API تک رسائی کے لیے استعمال کریں۔ یہ ایکسیس ٹوکن 10 منٹ کے بعد ختم ہو جاتے ہیں، اس لیے آپ کے کوڈ کو باقاعدگی سے ان کی درخواست کرنی چاہیے تاکہ یہ ہمیشہ تازہ رہیں۔
+
+### کام - ایکسیس ٹوکن حاصل کریں
+
+1. اپنے پائی پر `smart-timer` پروجیکٹ کھولیں۔
+
+1. `play_audio` فنکشن کو ہٹا دیں۔ یہ اب ضروری نہیں ہے کیونکہ آپ نہیں چاہتے کہ اسمارٹ ٹائمر آپ کی کہی ہوئی بات کو دہرا دے۔
+
+1. `app.py` فائل کے شروع میں درج ذیل امپورٹ شامل کریں:
+
+    ```python
+    import requests
+    ```
+
+1. `while True` لوپ سے اوپر درج ذیل کوڈ شامل کریں تاکہ اسپیک سروس کے لیے کچھ سیٹنگز ڈکلیئر کی جا سکیں:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+    ```
+
+    `<key>` کو اپنی اسپیک سروس ریسورس کی API key سے تبدیل کریں۔ `<location>` کو اس مقام سے تبدیل کریں جو آپ نے اسپیک سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+    `<language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بات کریں گے، مثلاً انگریزی کے لیے `en-GB` یا کینٹونیز کے لیے `zn-HK`۔ آپ مائیکروسافٹ ڈاکس پر [Language and voice support documentation](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں سپورٹ شدہ زبانوں اور ان کے لوکیل ناموں کی فہرست دیکھ سکتے ہیں۔
+
+1. اس کے نیچے، ایک فنکشن شامل کریں جو ایکسیس ٹوکن حاصل کرے:
+
+    ```python
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_api_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    یہ ایک ٹوکن جاری کرنے والے اینڈ پوائنٹ کو کال کرتا ہے، API key کو ہیڈر کے طور پر پاس کرتے ہوئے۔ یہ کال ایک ایکسیس ٹوکن واپس کرتی ہے جسے اسپیک سروسز کو کال کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+1. اس کے نیچے، ایک فنکشن ڈکلیئر کریں جو ریکارڈ شدہ آڈیو میں تقریر کو REST API کے ذریعے متن میں تبدیل کرے:
+
+    ```python
+    def convert_speech_to_text(buffer):
+    ```
+
+1. اس فنکشن کے اندر، REST API URL اور ہیڈرز سیٹ کریں:
+
+    ```python
+    url = f'https://{location}.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1'
+
+    headers = {
+        'Authorization': 'Bearer ' + get_access_token(),
+        'Content-Type': f'audio/wav; codecs=audio/pcm; samplerate={rate}',
+        'Accept': 'application/json;text/xml'
+    }
+
+    params = {
+        'language': language
+    }
+    ```
+
+    یہ اسپیک سروسز ریسورس کے مقام کا استعمال کرتے ہوئے ایک URL بناتا ہے۔ پھر یہ `get_access_token` فنکشن سے ایکسیس ٹوکن کے ساتھ ہیڈرز کو پاپولیٹ کرتا ہے، اور آڈیو کیپچر کرنے کے لیے استعمال ہونے والے سیمپل ریٹ کو بھی شامل کرتا ہے۔ آخر میں، یہ کچھ پیرامیٹرز کو URL کے ساتھ پاس کرتا ہے جو آڈیو کی زبان پر مشتمل ہوتے ہیں۔
+
+1. اس کے نیچے، REST API کو کال کرنے اور متن واپس حاصل کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, data=buffer)
+    response_json = response.json()
+
+    if response_json['RecognitionStatus'] == 'Success':
+        return response_json['DisplayText']
+    else:
+        return ''
+    ```
+
+    یہ URL کو کال کرتا ہے اور JSON ویلیو کو ڈی کوڈ کرتا ہے جو رسپانس میں آتی ہے۔ رسپانس میں `RecognitionStatus` ویلیو یہ ظاہر کرتی ہے کہ آیا کال نے تقریر کو کامیابی سے متن میں تبدیل کیا یا نہیں، اور اگر یہ `Success` ہو تو فنکشن سے متن واپس کیا جاتا ہے، ورنہ ایک خالی سٹرنگ واپس کی جاتی ہے۔
+
+1. `while True:` لوپ سے اوپر، ایک فنکشن ڈکلیئر کریں جو اسپیک ٹو ٹیکسٹ سروس سے واپس کیے گئے متن کو پروسیس کرے۔ یہ فنکشن فی الحال صرف کنسول پر متن پرنٹ کرے گا۔
+
+    ```python
+    def process_text(text):
+        print(text)
+    ```
+
+1. آخر میں، `while True` لوپ میں `play_audio` کال کو `convert_speech_to_text` فنکشن کی کال سے تبدیل کریں، اور متن کو `process_text` فنکشن میں پاس کریں:
+
+    ```python
+    text = convert_speech_to_text(buffer)
+    process_text(text)
+    ```
+
+1. کوڈ چلائیں۔ بٹن دبائیں اور مائیکروفون میں بولیں۔ جب آپ بولنا ختم کریں تو بٹن چھوڑ دیں، اور آڈیو کو متن میں تبدیل کر کے کنسول پر پرنٹ کیا جائے گا۔
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    مختلف قسم کے جملے آزمائیں، ساتھ ہی ایسے جملے بھی جہاں الفاظ کی آواز ایک جیسی ہو لیکن ان کے معنی مختلف ہوں۔ مثال کے طور پر، اگر آپ انگریزی میں بول رہے ہیں، تو کہیں 'I want to buy two bananas and an apple too'، اور دیکھیں کہ یہ کس طرح سیاق و سباق کی بنیاد پر درست to، two اور too کا استعمال کرتا ہے، نہ کہ صرف ان کی آواز پر۔
+
+> 💁 آپ اس کوڈ کو [code-speech-to-text/pi](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا اسپیک ٹو ٹیکسٹ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
new file mode 100644
index 00000000..902c0d17
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-audio.md
@@ -0,0 +1,17 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "e4f2925acb211765889c3b51b9116ceb",
+  "translation_date": "2025-08-27T00:33:42+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-audio.md",
+  "language_code": "ur"
+}
+-->
+# آڈیو ریکارڈ کریں - ورچوئل آئی او ٹی ڈیوائس
+
+اس سبق میں جس Python لائبریری کا آپ بعد میں استعمال کریں گے، وہ تقریر کو متن میں تبدیل کرنے کے لیے ونڈوز، میک او ایس اور لینکس پر بلٹ ان آڈیو کیپچر فراہم کرتی ہے۔ یہاں آپ کو کچھ کرنے کی ضرورت نہیں ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
new file mode 100644
index 00000000..bb5c75d1
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7a65ee743f916276a2848b8a9491feb7",
+  "translation_date": "2025-08-27T00:34:04+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-microphone.md",
+  "language_code": "ur"
+}
+-->
+# اپنے مائیکروفون اور اسپیکرز کو ترتیب دیں - ورچوئل IoT ہارڈویئر
+
+ورچوئل IoT ہارڈویئر آپ کے کمپیوٹر سے منسلک مائیکروفون اور اسپیکرز استعمال کرے گا۔
+
+اگر آپ کے کمپیوٹر میں مائیکروفون اور اسپیکرز پہلے سے موجود نہیں ہیں، تو آپ کو اپنی پسند کے ہارڈویئر کے ذریعے انہیں منسلک کرنا ہوگا، جیسے:
+
+* USB مائیکروفون
+* USB اسپیکرز
+* HDMI کے ذریعے منسلک مانیٹر میں موجود اسپیکرز
+* بلوٹوتھ ہیڈسیٹ
+
+اپنے ہارڈویئر کے مینوفیکچرر کی ہدایات کا حوالہ دیں تاکہ اس ہارڈویئر کو انسٹال اور ترتیب دیا جا سکے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
new file mode 100644
index 00000000..150c738f
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md
@@ -0,0 +1,113 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c0550b254b9ba2539baf1e6bb5fc05f8",
+  "translation_date": "2025-08-27T00:23:57+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/virtual-device-speech-to-text.md",
+  "language_code": "ur"
+}
+-->
+# تقریر سے متن - ورچوئل IoT ڈیوائس
+
+اس سبق کے اس حصے میں، آپ مائیکروفون سے حاصل کردہ تقریر کو متن میں تبدیل کرنے کے لیے اسپیچ سروس کا استعمال کرتے ہوئے کوڈ لکھیں گے۔
+
+## تقریر کو متن میں تبدیل کریں
+
+ونڈوز، لینکس، اور میک او ایس پر، اسپیچ سروسز کا پائتھون SDK آپ کے مائیکروفون کو سننے اور کسی بھی معلوم شدہ تقریر کو متن میں تبدیل کرنے کے لیے استعمال کیا جا سکتا ہے۔ یہ مسلسل سنتا ہے، آڈیو لیولز کا پتہ لگاتا ہے اور جب آڈیو لیول کم ہوتا ہے، جیسے تقریر کے بلاک کے اختتام پر، تو تقریر کو متن میں تبدیل کرنے کے لیے بھیجتا ہے۔
+
+### کام - تقریر کو متن میں تبدیل کریں
+
+1. اپنے کمپیوٹر پر `smart-timer` نامی فولڈر میں ایک نیا پائتھون ایپ بنائیں، جس میں ایک فائل `app.py` ہو اور ایک پائتھون ورچوئل ماحول ہو۔
+
+1. اسپیچ سروسز کے لیے Pip پیکیج انسٹال کریں۔ یقینی بنائیں کہ آپ یہ انسٹالیشن ایک ایسے ٹرمینل سے کر رہے ہیں جس میں ورچوئل ماحول فعال ہو۔
+
+    ```sh
+    pip install azure-cognitiveservices-speech
+    ```
+
+    > ⚠️ اگر آپ کو درج ذیل ایرر ملے:
+    >
+    > ```output
+    > ERROR: Could not find a version that satisfies the requirement azure-cognitiveservices-speech (from versions: none)
+    > ERROR: No matching distribution found for azure-cognitiveservices-speech
+    > ```
+    >
+    > تو آپ کو Pip کو اپ ڈیٹ کرنے کی ضرورت ہوگی۔ یہ درج ذیل کمانڈ کے ذریعے کریں، پھر دوبارہ پیکیج انسٹال کرنے کی کوشش کریں:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. `app.py` فائل میں درج ذیل امپورٹس شامل کریں:
+
+    ```python
+    import requests
+    import time
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer
+    ```
+
+    یہ کچھ کلاسز کو امپورٹ کرتا ہے جو تقریر کو پہچاننے کے لیے استعمال ہوتی ہیں۔
+
+1. کچھ کنفیگریشن کو ڈکلیئر کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    speech_api_key = '<key>'
+    location = '<location>'
+    language = '<language>'
+
+    recognizer_config = SpeechConfig(subscription=speech_api_key,
+                                     region=location,
+                                     speech_recognition_language=language)
+    ```
+
+    `<key>` کو اپنی اسپیچ سروس کے API کلید سے تبدیل کریں۔ `<location>` کو اس مقام سے تبدیل کریں جو آپ نے اسپیچ سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+    `<language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بات کریں گے، مثلاً `en-GB` انگریزی کے لیے، یا `zn-HK` کینٹونیز کے لیے۔ آپ مائیکروسافٹ ڈاکس پر [زبان اور آواز کی سپورٹ کی دستاویزات](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں سپورٹ شدہ زبانوں اور ان کے لوکیل ناموں کی فہرست دیکھ سکتے ہیں۔
+
+    یہ کنفیگریشن ایک `SpeechConfig` آبجیکٹ بنانے کے لیے استعمال ہوتی ہے جو اسپیچ سروسز کو کنفیگر کرے گا۔
+
+1. ایک اسپیچ ریکگنائزر بنانے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```python
+    recognizer = SpeechRecognizer(speech_config=recognizer_config)
+    ```
+
+1. اسپیچ ریکگنائزر ایک بیک گراؤنڈ تھریڈ پر چلتا ہے، آڈیو سنتا ہے اور اس میں موجود تقریر کو متن میں تبدیل کرتا ہے۔ آپ کال بیک فنکشن کے ذریعے متن حاصل کر سکتے ہیں - ایک ایسا فنکشن جو آپ ڈیفائن کرتے ہیں اور ریکگنائزر کو پاس کرتے ہیں۔ جب بھی تقریر کا پتہ چلتا ہے، کال بیک کو کال کیا جاتا ہے۔ درج ذیل کوڈ شامل کریں تاکہ ایک کال بیک ڈیفائن کریں، اور اس کال بیک کو ریکگنائزر کو پاس کریں، ساتھ ہی ایک فنکشن ڈیفائن کریں جو متن کو پروسیس کرے اور کنسول پر لکھے:
+
+    ```python
+    def process_text(text):
+        print(text)
+
+    def recognized(args):
+        process_text(args.result.text)
+    
+    recognizer.recognized.connect(recognized)
+    ```
+
+1. ریکگنائزر صرف اس وقت سننا شروع کرتا ہے جب آپ اسے واضح طور پر شروع کریں۔ ریکگنیشن شروع کرنے کے لیے درج ذیل کوڈ شامل کریں۔ یہ بیک گراؤنڈ میں چلتا ہے، اس لیے آپ کی ایپلیکیشن کو ایک لامتناہی لوپ کی بھی ضرورت ہوگی جو ایپلیکیشن کو چلتا رکھنے کے لیے سوتی رہے۔
+
+    ```python
+    recognizer.start_continuous_recognition()
+
+    while True:
+        time.sleep(1)
+    ```
+
+1. اس ایپ کو چلائیں۔ اپنے مائیکروفون میں بولیں اور آڈیو کو متن میں تبدیل کر کے کنسول پر آؤٹ پٹ کیا جائے گا۔
+
+    ```output
+    (.venv) ➜  smart-timer python3 app.py
+    Hello world.
+    Welcome to IoT for beginners.
+    ```
+
+    مختلف قسم کے جملے آزمائیں، ساتھ ہی ایسے جملے جہاں الفاظ ایک جیسے لگتے ہیں لیکن ان کے معنی مختلف ہوتے ہیں۔ مثال کے طور پر، اگر آپ انگریزی میں بول رہے ہیں، تو کہیں 'I want to buy two bananas and an apple too'، اور دیکھیں کہ یہ سیاق و سباق کی بنیاد پر صحیح to، two اور too کا استعمال کیسے کرتا ہے، نہ کہ صرف ان کی آواز پر۔
+
+> 💁 آپ اس کوڈ کو [code-speech-to-text/virtual-iot-device](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا تقریر سے متن پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
new file mode 100644
index 00000000..52bc8332
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md
@@ -0,0 +1,538 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2f336726b9410e97c3aaed76cc89b0d8",
+  "translation_date": "2025-08-27T00:25:44+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md",
+  "language_code": "ur"
+}
+-->
+# آڈیو کیپچر - وائیو ٹرمینل
+
+اس سبق کے اس حصے میں، آپ کوڈ لکھیں گے تاکہ اپنے وائیو ٹرمینل پر آڈیو کیپچر کر سکیں۔ آڈیو کیپچر وائیو ٹرمینل کے اوپر موجود ایک بٹن کے ذریعے کنٹرول کیا جائے گا۔
+
+## ڈیوائس کو آڈیو کیپچر کرنے کے لیے پروگرام کریں
+
+آپ مائیکروفون سے آڈیو C++ کوڈ کے ذریعے کیپچر کر سکتے ہیں۔ وائیو ٹرمینل میں صرف 192KB کی RAM ہے، جو چند سیکنڈ سے زیادہ آڈیو کیپچر کرنے کے لیے کافی نہیں ہے۔ اس میں 4MB کی فلیش میموری بھی ہے، جسے استعمال کیا جا سکتا ہے، اور کیپچر شدہ آڈیو کو فلیش میموری میں محفوظ کیا جا سکتا ہے۔
+
+بلٹ ان مائیکروفون ایک اینالاگ سگنل کیپچر کرتا ہے، جو ڈیجیٹل سگنل میں تبدیل ہوتا ہے جسے وائیو ٹرمینل استعمال کر سکتا ہے۔ آڈیو کیپچر کرتے وقت، ڈیٹا کو صحیح وقت پر کیپچر کرنا ضروری ہے - مثال کے طور پر، 16KHz پر آڈیو کیپچر کرنے کے لیے، آڈیو کو بالکل 16,000 بار فی سیکنڈ کیپچر کرنا ہوگا، ہر سیمپل کے درمیان برابر وقفوں کے ساتھ۔ آپ کے کوڈ کے ذریعے ایسا کرنے کے بجائے، آپ ڈائریکٹ میموری ایکسیس کنٹرولر (DMAC) استعمال کر سکتے ہیں۔ یہ ایک سرکٹ ہے جو کسی جگہ سے سگنل کیپچر کر سکتا ہے اور میموری میں لکھ سکتا ہے، بغیر آپ کے پروسیسر پر چلنے والے کوڈ میں خلل ڈالے۔
+
+✅ DMAC کے بارے میں مزید پڑھیں [ویکیپیڈیا پر ڈائریکٹ میموری ایکسیس صفحہ](https://wikipedia.org/wiki/Direct_memory_access)۔
+
+![مائیک سے آڈیو ADC میں جاتا ہے پھر DMAC میں۔ یہ ایک بفر میں لکھتا ہے۔ جب یہ بفر بھر جاتا ہے، تو اسے پروسیس کیا جاتا ہے اور DMAC دوسرے بفر میں لکھتا ہے](../../../../../translated_images/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.ur.png)
+
+DMAC ADC سے آڈیو کو مقررہ وقفوں پر کیپچر کر سکتا ہے، جیسے 16KHz آڈیو کے لیے فی سیکنڈ 16,000 بار۔ یہ کیپچر شدہ ڈیٹا کو پہلے سے مختص میموری بفر میں لکھ سکتا ہے، اور جب یہ بھر جائے تو آپ کے کوڈ کو پروسیس کرنے کے لیے دستیاب کر سکتا ہے۔ اس میموری کا استعمال آڈیو کیپچر میں تاخیر کر سکتا ہے، لیکن آپ متعدد بفرز سیٹ کر سکتے ہیں۔ DMAC بفر 1 میں لکھتا ہے، پھر جب یہ بھر جاتا ہے، آپ کے کوڈ کو بفر 1 پروسیس کرنے کے لیے مطلع کرتا ہے، جبکہ DMAC بفر 2 میں لکھتا ہے۔ جب بفر 2 بھر جاتا ہے، تو یہ آپ کے کوڈ کو مطلع کرتا ہے، اور واپس بفر 1 میں لکھنے کے لیے جاتا ہے۔ اس طرح جب تک آپ ہر بفر کو بھرنے میں لگنے والے وقت سے کم وقت میں پروسیس کرتے ہیں، آپ کوئی ڈیٹا نہیں کھوئیں گے۔
+
+جب ہر بفر کیپچر ہو جائے، تو اسے فلیش میموری میں لکھا جا سکتا ہے۔ فلیش میموری کو مخصوص ایڈریسز کا استعمال کرتے ہوئے لکھا جانا چاہیے، یہ بتاتے ہوئے کہ کہاں لکھنا ہے اور کتنی بڑی مقدار میں لکھنا ہے، بالکل میموری میں بائٹس کے ایک ارے کو اپ ڈیٹ کرنے کی طرح۔ فلیش میموری میں گرینولیریٹی ہوتی ہے، یعنی مٹانے اور لکھنے کے آپریشنز نہ صرف ایک مقررہ سائز کے ہونے پر منحصر ہوتے ہیں بلکہ اس سائز کے مطابق ہونے پر بھی۔ مثال کے طور پر، اگر گرینولیریٹی 4096 بائٹس ہے اور آپ ایڈریس 4200 پر مٹانے کی درخواست کرتے ہیں، تو یہ ایڈریس 4096 سے 8192 تک کا تمام ڈیٹا مٹا سکتا ہے۔ اس کا مطلب ہے کہ جب آپ آڈیو ڈیٹا کو فلیش میموری میں لکھتے ہیں، تو اسے صحیح سائز کے چنکس میں ہونا چاہیے۔
+
+### کام - فلیش میموری کو ترتیب دیں
+
+1. ایک نیا وائیو ٹرمینل پروجیکٹ پلیٹ فارم آئی او کا استعمال کرتے ہوئے بنائیں۔ اس پروجیکٹ کا نام `smart-timer` رکھیں۔ سیریل پورٹ کو ترتیب دینے کے لیے `setup` فنکشن میں کوڈ شامل کریں۔
+
+1. فلیش میموری تک رسائی فراہم کرنے کے لیے درج ذیل لائبریری ڈیپینڈینسیز کو `platformio.ini` فائل میں شامل کریں:
+
+    ```ini
+    lib_deps =
+        seeed-studio/Seeed Arduino FS @ 2.1.1
+        seeed-studio/Seeed Arduino SFUD @ 2.0.2
+    ```
+
+1. `main.cpp` فائل کھولیں اور فلیش میموری لائبریری کے لیے درج ذیل انکلوڈ ڈائریکٹو کو فائل کے اوپر شامل کریں:
+
+    ```cpp
+    #include <sfud.h>
+    #include <SPI.h>
+    ```
+
+    > 🎓 SFUD کا مطلب ہے سیریل فلیش یونیورسل ڈرائیور، اور یہ ایک لائبریری ہے جو تمام فلیش میموری چپس کے ساتھ کام کرنے کے لیے ڈیزائن کی گئی ہے۔
+
+1. `setup` فنکشن میں، فلیش اسٹوریج لائبریری کو ترتیب دینے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    while (!(sfud_init() == SFUD_SUCCESS))
+        ;
+
+    sfud_qspi_fast_read_enable(sfud_get_device(SFUD_W25Q32_DEVICE_INDEX), 2);
+    ```
+
+    یہ اس وقت تک لوپ کرتا ہے جب تک SFUD لائبریری انیشیلائز نہ ہو جائے، پھر تیز رفتار پڑھنے کو آن کرتا ہے۔ بلٹ ان فلیش میموری کو کیوڈ سیریل پیریفرل انٹرفیس (QSPI) کا استعمال کرتے ہوئے رسائی حاصل کی جا سکتی ہے، جو SPI کنٹرولر کی ایک قسم ہے جو کم سے کم پروسیسر کے استعمال کے ساتھ قطار کے ذریعے مسلسل رسائی کی اجازت دیتا ہے۔ یہ فلیش میموری کو پڑھنے اور لکھنے کو تیز تر بناتا ہے۔
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `flash_writer.h` ہو۔
+
+1. اس فائل کے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <sfud.h>
+    ```
+
+    اس میں کچھ ضروری ہیڈر فائلز شامل ہیں، جن میں فلیش میموری کے ساتھ تعامل کے لیے SFUD لائبریری کی ہیڈر فائل شامل ہے۔
+
+1. اس نئی ہیڈر فائل میں `FlashWriter` نامی کلاس کی تعریف کریں:
+
+    ```cpp
+    class FlashWriter
+    {
+    public:
+    
+    private:
+    };
+    ```
+
+1. `private` سیکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    byte *_sfudBuffer;
+    size_t _sfudBufferSize;
+    size_t _sfudBufferPos;
+    size_t _sfudBufferWritePos;
+
+    const sfud_flash *_flash;
+    ```
+
+    یہ ڈیٹا کو فلیش میموری میں لکھنے سے پہلے اسٹور کرنے کے لیے استعمال کرنے کے لیے بفر کے لیے کچھ فیلڈز کی وضاحت کرتا ہے۔ ایک بائٹ ارے `_sfudBuffer` ہے، جس میں ڈیٹا لکھا جاتا ہے، اور جب یہ بھر جاتا ہے، تو ڈیٹا فلیش میموری میں لکھا جاتا ہے۔ `_sfudBufferPos` فیلڈ اس بفر میں لکھنے کے لیے موجودہ مقام کو اسٹور کرتا ہے، اور `_sfudBufferWritePos` فلیش میموری میں لکھنے کے مقام کو اسٹور کرتا ہے۔ `_flash` ایک پوائنٹر ہے جسے فلیش میموری میں لکھنا ہے - کچھ مائیکرو کنٹرولرز میں متعدد فلیش میموری چپس ہوتی ہیں۔
+
+1. اس کلاس کو انیشیلائز کرنے کے لیے `public` سیکشن میں درج ذیل میتھڈ شامل کریں:
+
+    ```cpp
+    void init()
+    {
+        _flash = sfud_get_device_table() + 0;
+        _sfudBufferSize = _flash->chip.erase_gran;
+        _sfudBuffer = new byte[_sfudBufferSize];
+        _sfudBufferPos = 0;
+        _sfudBufferWritePos = 0;
+    }
+    ```
+
+    یہ وائیو ٹرمینل پر فلیش میموری کو لکھنے کے لیے ترتیب دیتا ہے، اور فلیش میموری کے گرین سائز کی بنیاد پر بفرز کو سیٹ کرتا ہے۔ یہ ایک `init` میتھڈ میں ہے، کنسٹرکٹر کے بجائے، کیونکہ اسے `setup` فنکشن میں فلیش میموری سیٹ اپ ہونے کے بعد کال کرنے کی ضرورت ہے۔
+
+1. `public` سیکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void writeSfudBuffer(byte b)
+    {
+        _sfudBuffer[_sfudBufferPos++] = b;
+        if (_sfudBufferPos == _sfudBufferSize)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+
+    void writeSfudBuffer(byte *b, size_t len)
+    {
+        for (size_t i = 0; i < len; ++i)
+        {
+            writeSfudBuffer(b[i]);
+        }
+    }
+
+    void flushSfudBuffer()
+    {
+        if (_sfudBufferPos > 0)
+        {
+            sfud_erase_write(_flash, _sfudBufferWritePos, _sfudBufferSize, _sfudBuffer);
+            _sfudBufferWritePos += _sfudBufferSize;
+            _sfudBufferPos = 0;
+        }
+    }
+    ```
+
+    یہ کوڈ بائٹس کو فلیش اسٹوریج سسٹم میں لکھنے کے لیے میتھڈز کی وضاحت کرتا ہے۔ یہ ایک ان میموری بفر میں لکھ کر کام کرتا ہے جو فلیش میموری کے لیے صحیح سائز کا ہوتا ہے، اور جب یہ بھر جاتا ہے، تو یہ فلیش میموری میں لکھا جاتا ہے، اس مقام پر موجود کسی بھی موجودہ ڈیٹا کو مٹا دیتا ہے۔ ایک `flushSfudBuffer` بھی ہے تاکہ ایک نامکمل بفر لکھا جا سکے، کیونکہ کیپچر کیا گیا ڈیٹا گرین سائز کے عین مطابق ضرب نہیں ہوگا، اس لیے ڈیٹا کے آخری حصے کو لکھنے کی ضرورت ہے۔
+
+    > 💁 ڈیٹا کے آخری حصے میں اضافی غیر ضروری ڈیٹا لکھا جائے گا، لیکن یہ ٹھیک ہے کیونکہ صرف مطلوبہ ڈیٹا ہی پڑھا جائے گا۔
+
+### کام - آڈیو کیپچر سیٹ اپ کریں
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `config.h` ہو۔
+
+1. اس فائل کے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #pragma once
+
+    #define RATE 16000
+    #define SAMPLE_LENGTH_SECONDS 4
+    #define SAMPLES RATE * SAMPLE_LENGTH_SECONDS
+    #define BUFFER_SIZE (SAMPLES * 2) + 44
+    #define ADC_BUF_LEN 1600
+    ```
+
+    یہ کوڈ آڈیو کیپچر کے لیے کچھ کانسٹینٹس سیٹ کرتا ہے۔
+
+    | کانسٹینٹ              | ویلیو  | وضاحت |
+    | --------------------- | -----: | - |
+    | RATE                  | 16000  | آڈیو کے لیے سیمپل ریٹ۔ 16,000 یعنی 16KHz |
+    | SAMPLE_LENGTH_SECONDS | 4      | آڈیو کیپچر کی لمبائی۔ یہ 4 سیکنڈ پر سیٹ ہے۔ لمبے آڈیو ریکارڈ کرنے کے لیے، اس کو بڑھائیں۔ |
+    | SAMPLES               | 64000  | کل آڈیو سیمپلز کی تعداد جو کیپچر کی جائے گی۔ سیمپل ریٹ * سیکنڈز کی تعداد پر سیٹ کریں |
+    | BUFFER_SIZE           | 128044 | آڈیو بفر کا سائز کیپچر کرنے کے لیے۔ آڈیو کو WAV فائل کے طور پر کیپچر کیا جائے گا، جس میں 44 بائٹس کا ہیڈر ہوگا، پھر 128,000 بائٹس آڈیو ڈیٹا (ہر سیمپل 2 بائٹس ہے) |
+    | ADC_BUF_LEN           | 1600   | بفرز کا سائز جو DMAC سے آڈیو کیپچر کرنے کے لیے استعمال ہوگا |
+
+    > 💁 اگر آپ کو لگے کہ 4 سیکنڈ ٹائمر کی درخواست کے لیے بہت کم ہیں، تو آپ `SAMPLE_LENGTH_SECONDS` ویلیو کو بڑھا سکتے ہیں، اور باقی تمام ویلیوز دوبارہ کیلکولیٹ ہو جائیں گی۔
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `mic.h` ہو۔
+
+1. اس فائل کے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+
+    #include "config.h"
+    #include "flash_writer.h"
+    ```
+
+    اس میں کچھ ضروری ہیڈر فائلز شامل ہیں، جن میں `config.h` اور `FlashWriter` ہیڈر فائلز شامل ہیں۔
+
+1. مائیکروفون سے کیپچر کرنے کے لیے ایک `Mic` کلاس کی تعریف کریں:
+
+    ```cpp
+    class Mic
+    {
+    public:
+        Mic()
+        {
+            _isRecording = false;
+            _isRecordingReady = false;
+        }
+    
+        void startRecording()
+        {
+            _isRecording = true;
+            _isRecordingReady = false;
+        }
+    
+        bool isRecording()
+        {
+            return _isRecording;
+        }
+    
+        bool isRecordingReady()
+        {
+            return _isRecordingReady;
+        }
+    
+    private:
+        volatile bool _isRecording;
+        volatile bool _isRecordingReady;
+        FlashWriter _writer;
+    };
+    
+    Mic mic;
+    ```
+
+    اس کلاس میں فی الحال صرف چند فیلڈز ہیں تاکہ ٹریک کیا جا سکے کہ ریکارڈنگ شروع ہوئی ہے یا نہیں، اور آیا ریکارڈنگ استعمال کے لیے تیار ہے یا نہیں۔ جب DMAC سیٹ اپ ہوتا ہے، تو یہ مسلسل میموری بفرز میں لکھتا ہے، اس لیے `_isRecording` فلیگ یہ طے کرتا ہے کہ ان کو پروسیس کیا جائے یا نظر انداز کیا جائے۔ `_isRecordingReady` فلیگ اس وقت سیٹ کیا جائے گا جب مطلوبہ 4 سیکنڈ کا آڈیو کیپچر ہو جائے۔ `_writer` فیلڈ آڈیو ڈیٹا کو فلیش میموری میں محفوظ کرنے کے لیے استعمال ہوتا ہے۔
+
+    ایک گلوبل ویری ایبل پھر `Mic` کلاس کے ایک انسٹینس کے لیے ڈکلیئر کیا جاتا ہے۔
+
+1. `Mic` کلاس کے `private` سیکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    typedef struct
+    {
+        uint16_t btctrl;
+        uint16_t btcnt;
+        uint32_t srcaddr;
+        uint32_t dstaddr;
+        uint32_t descaddr;
+    } dmacdescriptor;
+
+    // Globals - DMA and ADC
+    volatile dmacdescriptor _wrb[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor_section[DMAC_CH_NUM] __attribute__((aligned(16)));
+    dmacdescriptor _descriptor __attribute__((aligned(16)));
+
+    void configureDmaAdc()
+    {
+        // Configure DMA to sample from ADC at a regular interval (triggered by timer/counter)
+        DMAC->BASEADDR.reg = (uint32_t)_descriptor_section;                    // Specify the location of the descriptors
+        DMAC->WRBADDR.reg = (uint32_t)_wrb;                                    // Specify the location of the write back descriptors
+        DMAC->CTRL.reg = DMAC_CTRL_DMAENABLE | DMAC_CTRL_LVLEN(0xf);           // Enable the DMAC peripheral
+        DMAC->Channel[1].CHCTRLA.reg = DMAC_CHCTRLA_TRIGSRC(TC5_DMAC_ID_OVF) | // Set DMAC to trigger on TC5 timer overflow
+                                        DMAC_CHCTRLA_TRIGACT_BURST;             // DMAC burst transfer
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[1];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_0 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_0 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[0], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        _descriptor.descaddr = (uint32_t)&_descriptor_section[0];                    // Set up a circular descriptor
+        _descriptor.srcaddr = (uint32_t)&ADC1->RESULT.reg;                           // Take the result from the ADC0 RESULT register
+        _descriptor.dstaddr = (uint32_t)_adc_buf_1 + sizeof(uint16_t) * ADC_BUF_LEN; // Place it in the adc_buf_1 array
+        _descriptor.btcnt = ADC_BUF_LEN;                                             // Beat count
+        _descriptor.btctrl = DMAC_BTCTRL_BEATSIZE_HWORD |                            // Beat size is HWORD (16-bits)
+                                DMAC_BTCTRL_DSTINC |                                    // Increment the destination address
+                                DMAC_BTCTRL_VALID |                                     // Descriptor is valid
+                                DMAC_BTCTRL_BLOCKACT_SUSPEND;                           // Suspend DMAC channel 0 after block transfer
+        memcpy(&_descriptor_section[1], &_descriptor, sizeof(_descriptor));          // Copy the descriptor to the descriptor section
+
+        // Configure NVIC
+        NVIC_SetPriority(DMAC_1_IRQn, 0); // Set the Nested Vector Interrupt Controller (NVIC) priority for DMAC1 to 0 (highest)
+        NVIC_EnableIRQ(DMAC_1_IRQn);      // Connect DMAC1 to Nested Vector Interrupt Controller (NVIC)
+
+        // Activate the suspend (SUSP) interrupt on DMAC channel 1
+        DMAC->Channel[1].CHINTENSET.reg = DMAC_CHINTENSET_SUSP;
+
+        // Configure ADC
+        ADC1->INPUTCTRL.bit.MUXPOS = ADC_INPUTCTRL_MUXPOS_AIN12_Val; // Set the analog input to ADC0/AIN2 (PB08 - A4 on Metro M4)
+        while (ADC1->SYNCBUSY.bit.INPUTCTRL)
+            ;                              // Wait for synchronization
+        ADC1->SAMPCTRL.bit.SAMPLEN = 0x00; // Set max Sampling Time Length to half divided ADC clock pulse (2.66us)
+        while (ADC1->SYNCBUSY.bit.SAMPCTRL)
+            ;                                         // Wait for synchronization
+        ADC1->CTRLA.reg = ADC_CTRLA_PRESCALER_DIV128; // Divide Clock ADC GCLK by 128 (48MHz/128 = 375kHz)
+        ADC1->CTRLB.reg = ADC_CTRLB_RESSEL_12BIT |    // Set ADC resolution to 12 bits
+                            ADC_CTRLB_FREERUN;          // Set ADC to free run mode
+        while (ADC1->SYNCBUSY.bit.CTRLB)
+            ;                       // Wait for synchronization
+        ADC1->CTRLA.bit.ENABLE = 1; // Enable the ADC
+        while (ADC1->SYNCBUSY.bit.ENABLE)
+            ;                       // Wait for synchronization
+        ADC1->SWTRIG.bit.START = 1; // Initiate a software trigger to start an ADC conversion
+        while (ADC1->SYNCBUSY.bit.SWTRIG)
+            ; // Wait for synchronization
+
+        // Enable DMA channel 1
+        DMAC->Channel[1].CHCTRLA.bit.ENABLE = 1;
+
+        // Configure Timer/Counter 5
+        GCLK->PCHCTRL[TC5_GCLK_ID].reg = GCLK_PCHCTRL_CHEN |     // Enable peripheral channel for TC5
+                                            GCLK_PCHCTRL_GEN_GCLK1; // Connect generic clock 0 at 48MHz
+
+        TC5->COUNT16.WAVE.reg = TC_WAVE_WAVEGEN_MFRQ; // Set TC5 to Match Frequency (MFRQ) mode
+        TC5->COUNT16.CC[0].reg = 3000 - 1;            // Set the trigger to 16 kHz: (4Mhz / 16000) - 1
+        while (TC5->COUNT16.SYNCBUSY.bit.CC0)
+            ; // Wait for synchronization
+
+        // Start Timer/Counter 5
+        TC5->COUNT16.CTRLA.bit.ENABLE = 1; // Enable the TC5 timer
+        while (TC5->COUNT16.SYNCBUSY.bit.ENABLE)
+            ; // Wait for synchronization
+    }
+
+    uint16_t _adc_buf_0[ADC_BUF_LEN];
+    uint16_t _adc_buf_1[ADC_BUF_LEN];
+    ```
+
+    یہ ایک `configureDmaAdc` میتھڈ کی وضاحت کرتا ہے جو DMAC کو ترتیب دیتا ہے، اسے ADC سے جوڑتا ہے اور اسے دو مختلف متبادل بفرز، `_adc_buf_0` اور `_adc_buf_0` کو پاپولیٹ کرنے کے لیے سیٹ کرتا ہے۔
+
+    > 💁 مائیکرو کنٹرولر ڈیولپمنٹ کے نقصانات میں سے ایک ہارڈویئر کے ساتھ تعامل کے لیے درکار کوڈ کی پیچیدگی ہے، کیونکہ آپ کا کوڈ بہت کم سطح پر براہ راست ہارڈویئر کے ساتھ تعامل کرتا ہے۔ یہ کوڈ اس سے زیادہ پیچیدہ ہے جو آپ سنگل بورڈ کمپیوٹر یا ڈیسک ٹاپ کمپیوٹر کے لیے لکھیں گے کیونکہ یہاں کوئی آپریٹنگ سسٹم مدد کے لیے موجود نہیں ہے۔ کچھ لائبریریاں دستیاب ہیں جو اسے آسان بنا سکتی ہیں، لیکن پھر بھی بہت زیادہ پیچیدگی موجود ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    // WAV files have a header. This struct defines that header
+    struct wavFileHeader
+    {
+        char riff[4];         /* "RIFF"                                  */
+        long flength;         /* file length in bytes                    */
+        char wave[4];         /* "WAVE"                                  */
+        char fmt[4];          /* "fmt "                                  */
+        long chunk_size;      /* size of FMT chunk in bytes (usually 16) */
+        short format_tag;     /* 1=PCM, 257=Mu-Law, 258=A-Law, 259=ADPCM */
+        short num_chans;      /* 1=mono, 2=stereo                        */
+        long srate;           /* Sampling rate in samples per second     */
+        long bytes_per_sec;   /* bytes per second = srate*bytes_per_samp */
+        short bytes_per_samp; /* 2=16-bit mono, 4=16-bit stereo          */
+        short bits_per_samp;  /* Number of bits per sample               */
+        char data[4];         /* "data"                                  */
+        long dlength;         /* data length in bytes (filelength - 44)  */
+    };
+
+    void initBufferHeader()
+    {
+        wavFileHeader wavh;
+
+        strncpy(wavh.riff, "RIFF", 4);
+        strncpy(wavh.wave, "WAVE", 4);
+        strncpy(wavh.fmt, "fmt ", 4);
+        strncpy(wavh.data, "data", 4);
+
+        wavh.chunk_size = 16;
+        wavh.format_tag = 1; // PCM
+        wavh.num_chans = 1;  // mono
+        wavh.srate = RATE;
+        wavh.bytes_per_sec = (RATE * 1 * 16 * 1) / 8;
+        wavh.bytes_per_samp = 2;
+        wavh.bits_per_samp = 16;
+        wavh.dlength = RATE * 2 * 1 * 16 / 2;
+        wavh.flength = wavh.dlength + 44;
+
+        _writer.writeSfudBuffer((byte *)&wavh, 44);
+    }
+    ```
+
+    یہ کوڈ WAV ہیڈر کو ایک اسٹرک کے طور پر بیان کرتا ہے جو 44 بائٹس میموری لیتا ہے۔ یہ آڈیو فائل ریٹ، سائز، اور چینلز کے بارے میں تفصیلات اس میں لکھتا ہے۔ یہ ہیڈر پھر فلیش میموری میں لکھا جاتا ہے۔
+
+1. اس کوڈ کے نیچے، آڈیو بفرز کے پروسیس ہونے کے لیے تیار ہونے پر کال کیے جانے والے میتھڈ کو ڈکلیئر کرنے کے لیے درج ذیل شامل کریں:
+
+    ```cpp
+    void audioCallback(uint16_t *buf, uint32_t buf_len)
+    {
+        static uint32_t idx = 44;
+
+        if (_isRecording)
+        {
+            for (uint32_t i = 0; i < buf_len; i++)
+            {
+                int16_t audio_value = ((int16_t)buf[i] - 2048) * 16;
+
+                _writer.writeSfudBuffer(audio_value & 0xFF);
+                _writer.writeSfudBuffer((audio_value >> 8) & 0xFF);
+            }
+
+            idx += buf_len;
+                
+            if (idx >= BUFFER_SIZE)
+            {
+                _writer.flushSfudBuffer();
+                idx = 44;
+                _isRecording = false;
+                _isRecordingReady = true;
+            }
+        }
+    }
+    ```
+
+    آڈیو بفرز 16 بٹ انٹیجرز کے ارے ہیں جن میں ADC سے آڈیو ہوتا ہے۔ ADC 12 بٹ ان سائنڈ ویلیوز (0-1023) واپس کرتا ہے، اس لیے ان کو 16 بٹ سائنڈ ویلیوز میں تبدیل کرنے کی ضرورت ہے، اور پھر انہیں 2 بائٹس میں تبدیل کرنے کی ضرورت ہے تاکہ انہیں را بائنری ڈیٹا کے طور پر محفوظ کیا جا سکے۔
+
+    یہ بائٹس فلیش میموری بفرز میں لکھی جاتی ہیں۔ لکھنا انڈیکس 44 پر شروع ہوتا ہے - یہ WAV فائل ہیڈر کے طور پر لکھے گئے 44 بائٹس سے آفسیٹ ہے۔ ایک بار جب مطلوبہ آڈیو لمبائی کے لیے درکار تمام بائٹس کیپچر ہو جائیں، تو باقی ڈیٹا فلیش میموری میں لکھا جاتا ہے۔
+
+1. `Mic` کلاس کے `public` سیکشن میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void dmaHandler()
+    {
+        static uint8_t count = 0;
+
+        if (DMAC->Channel[1].CHINTFLAG.bit.SUSP)
+        {
+            DMAC->Channel[1].CHCTRLB.reg = DMAC_CHCTRLB_CMD_RESUME;
+            DMAC->Channel[1].CHINTFLAG.bit.SUSP = 1;
+
+            if (count)
+            {
+                audioCallback(_adc_buf_0, ADC_BUF_LEN);
+            }
+            else
+            {
+                audioCallback(_adc_buf_1, ADC_BUF_LEN);
+            }
+
+            count = (count + 1) % 2;
+        }
+    }
+    ```
+
+    یہ کوڈ DMAC کے ذریعے آپ کے کوڈ کو بفرز پروسیس کرنے کے لیے بتانے کے لیے کال کیا جائے گا۔ یہ چیک کرتا ہے کہ پروسیس کرنے کے لیے ڈیٹا موجود ہے، اور متعلقہ بفر کے ساتھ `audioCallback` میتھڈ کو کال کرتا ہے۔
+
+1. کلاس کے باہر، `Mic mic;` ڈکلیریشن کے بعد، درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void DMAC_1_Handler()
+    {
+        mic.dmaHandler();
+    }
+    ```
+
+    `DMAC_1_Handler` DMAC کے ذریعے اس وقت کال کیا جائے گا جب بفرز پروسیس کرنے کے لیے تیار ہوں۔ یہ فنکشن نام کے ذریعے پایا جاتا ہے، اس لیے صرف موجود ہونا کافی ہے تاکہ اسے کال کیا جا سکے۔
+
+1. `Mic` کلاس کے `public` سیکشن میں درج ذیل دو میتھڈز شامل کریں:
+
+    ```cpp
+    void init()
+    {
+        analogReference(AR_INTERNAL2V23);
+
+        _writer.init();
+
+        initBufferHeader();
+        configureDmaAdc();
+    }
+
+    void reset()
+    {
+        _isRecordingReady = false;
+        _isRecording = false;
+
+        _writer.reset();
+
+        initBufferHeader();
+    }
+    ```
+
+    `init` میتھڈ `Mic` کلاس کو انیشیلائز کرنے کے لیے کوڈ پر مشتمل ہے۔ یہ میتھڈ مائیک پن کے لیے صحیح وولٹیج سیٹ کرتا ہے، فلیش میموری رائٹر کو سیٹ اپ کرتا ہے، WAV فائل ہیڈر لکھتا ہے، اور DMAC کو ترتیب دیتا ہے۔ `reset` میتھڈ فلیش میموری کو ری سیٹ کرتا ہے اور آڈیو کیپچر اور استعمال کے بعد ہیڈر کو دوبارہ لکھتا ہے۔
+
+### کام - آڈیو کیپچر کریں
+
+1. `main.cpp` فائل میں، `mic.h` ہیڈر فائل کے لیے ایک انکلوڈ ڈائریکٹو شامل کریں:
+
+    ```cpp
+    #include "mic.h"
+    ```
+
+1. `setup` فنکشن میں، C بٹن کو انیشیلائز کریں۔ آڈیو کیپچر اس بٹن کو دبانے پر شروع ہوگا، اور 4 سیکنڈ تک جاری رہے گا:
+
+    ```cpp
+    pinMode(WIO_KEY_C, INPUT_PULLUP);
+    ```
+
+1. اس کے نیچے، مائیکروفون کو انیشیلائز کریں، پھر کنسول پر پرنٹ کریں کہ آڈیو کیپچر کے لیے تیار ہے:
+
+    ```cpp
+    mic.init();
+
+    Serial.println("Ready.");
+    ```
+
+1. `loop` فنکشن سے اوپر، کیپچر شدہ آڈیو کو پروسیس کرنے کے لیے ایک فنکشن ڈکلیئر کریں۔ فی الحال یہ کچھ نہیں کرتا، لیکن بعد میں اس سبق میں یہ تقریر کو متن میں تبدیل کرنے کے لیے بھیجے گا:
+
+    ```cpp
+    void processAudio()
+    {
+    
+    }
+    ```
+
+1. `loop` فنکشن میں درج ذیل شامل کریں:
+
+    ```cpp
+    void loop()
+    {
+        if (digitalRead(WIO_KEY_C) == LOW && !mic.isRecording())
+        {
+            Serial.println("Starting recording...");
+            mic.startRecording();
+        }
+    
+        if (!mic.isRecording() && mic.isRecordingReady())
+        {
+            Serial.println("Finished recording");
+    
+            processAudio();
+    
+            mic.reset();
+        }
+    }
+    ```
+
+    یہ کوڈ C بٹن کو چیک کرتا ہے، اور اگر یہ دبایا گیا ہے اور ریکارڈنگ شروع نہیں ہوئی ہے، تو `Mic` کلاس کے `_isRecording` فیلڈ کو `true` پر سیٹ کرتا ہے۔ یہ `Mic` کلاس کے `audioCallback` میتھڈ کو 4 سیکنڈ تک آڈیو اسٹور کرنے کا سبب بنائے گا۔ ایک بار جب 4 سیکنڈ کا آڈیو کیپچر ہو جائے، `_isRecording` فیلڈ کو `false` پر سیٹ کیا جاتا ہے، اور `_isRecordingReady` فیلڈ کو `true` پر سیٹ کیا جاتا ہے۔ پھر `loop` فنکشن میں اس کی جانچ کی جاتی ہے، اور جب یہ `true` ہوتا ہے تو `processAudio` فنکشن کو کال کیا جاتا ہے، پھر مائیک کلاس کو ری سیٹ کیا جاتا ہے۔
+
+1. اس کوڈ کو بنائیں، اسے اپنے وائیو ٹرمینل پر اپ لوڈ کریں اور
+💁 آپ اس کوڈ کو [code-record/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-record/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+😀 آپ کا آڈیو ریکارڈنگ پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
new file mode 100644
index 00000000..e39bdf00
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md
@@ -0,0 +1,89 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "93d352de36526b8990e41dd538100324",
+  "translation_date": "2025-08-27T00:31:43+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-microphone.md",
+  "language_code": "ur"
+}
+-->
+# اپنے مائیکروفون اور اسپیکرز کو ترتیب دیں - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ اپنے Wio Terminal میں اسپیکرز شامل کریں گے۔ Wio Terminal میں پہلے سے ہی ایک مائیکروفون موجود ہے، جو تقریر کو ریکارڈ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+## ہارڈویئر
+
+Wio Terminal میں پہلے سے ہی ایک مائیکروفون موجود ہے، جو تقریر کی شناخت کے لیے آڈیو ریکارڈ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+![Wio Terminal پر موجود مائیکروفون](../../../../../translated_images/wio-mic.3f8c843dbe8ad917424037a93e3d25c62634add00a04dd8e091317b5a7a90088.ur.png)
+
+اسپیکر شامل کرنے کے لیے، آپ [ReSpeaker 2-Mics Pi Hat](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) استعمال کر سکتے ہیں۔ یہ ایک بیرونی بورڈ ہے جس میں 2 MEMS مائیکروفونز، اسپیکر کنیکٹر، اور ہیڈفون ساکٹ شامل ہیں۔
+
+![ReSpeaker 2-Mics Pi Hat](../../../../../translated_images/respeaker.f5d19d1c6b14ab1676d24ac2764e64fac5339046ae07be8b45ce07633d61b79b.ur.png)
+
+آپ کو یا تو ہیڈفونز، 3.5mm جیک کے ساتھ اسپیکر، یا JST کنکشن کے ساتھ اسپیکر جیسے [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html) شامل کرنے کی ضرورت ہوگی۔
+
+ReSpeaker 2-Mics Pi Hat کو جوڑنے کے لیے، آپ کو 40 پن-ٹو-پن (جسے مرد-ٹو-مرد بھی کہا جاتا ہے) جمپر کیبلز کی ضرورت ہوگی۔
+
+> 💁 اگر آپ سولڈرنگ میں مہارت رکھتے ہیں، تو آپ [40 Pin Raspberry Pi Hat Adapter Board For Wio Terminal](https://www.seeedstudio.com/40-Pin-Raspberry-Pi-Hat-Adapter-Board-For-Wio-Terminal-p-4730.html) استعمال کر سکتے ہیں تاکہ ReSpeaker کو جوڑ سکیں۔
+
+آپ کو آڈیو ڈاؤنلوڈ اور پلے بیک کے لیے SD کارڈ کی بھی ضرورت ہوگی۔ Wio Terminal صرف 16GB تک کے SD کارڈز کو سپورٹ کرتا ہے، اور انہیں FAT32 یا exFAT فارمیٹ میں ہونا چاہیے۔
+
+### کام - ReSpeaker Pi Hat کو جوڑیں
+
+1. Wio Terminal کو بند حالت میں رکھیں، اور ReSpeaker 2-Mics Pi Hat کو Wio Terminal کے ساتھ جمپر لیڈز اور GPIO ساکٹس کے ذریعے جوڑیں:
+
+    پنز کو اس طرح جوڑنا ہوگا:
+
+    ![پن ڈایاگرام](../../../../../translated_images/wio-respeaker-wiring-0.767f80aa6508103880d256cdf99ee7219e190db257c7261e4aec219759dc67b9.ur.png)
+
+1. ReSpeaker اور Wio Terminal کو GPIO ساکٹس کے ساتھ اوپر کی طرف اور بائیں جانب رکھیں۔
+
+1. ReSpeaker کے GPIO ساکٹ کے اوپر بائیں جانب سے شروع کریں۔ جمپر کیبل کو ReSpeaker کے اوپر بائیں ساکٹ سے Wio Terminal کے اوپر بائیں ساکٹ تک جوڑیں۔
+
+1. اس عمل کو بائیں جانب کے GPIO ساکٹس کے ساتھ نیچے تک دہرائیں۔ یقینی بنائیں کہ پنز مضبوطی سے جڑے ہوئے ہیں۔
+
+    ![ReSpeaker کے بائیں جانب کے پنز Wio Terminal کے بائیں جانب کے پنز کے ساتھ جڑے ہوئے](../../../../../translated_images/wio-respeaker-wiring-1.8d894727f2ba24004824ee5e06b83b6d10952550003a3efb603182121521b0ef.ur.png)
+
+    ![ReSpeaker کے بائیں جانب کے پنز Wio Terminal کے بائیں جانب کے پنز کے ساتھ جڑے ہوئے](../../../../../translated_images/wio-respeaker-wiring-2.329e1cbd306e754f8ffe56f9294794f4a8fa123860d76067a79e9ea385d1bf56.ur.png)
+
+    > 💁 اگر آپ کے جمپر کیبلز ربنز میں جڑے ہوئے ہیں، تو انہیں ایک ساتھ رکھیں - اس سے یہ یقینی بنانا آسان ہو جاتا ہے کہ تمام کیبلز ترتیب میں جڑے ہوئے ہیں۔
+
+1. اس عمل کو ReSpeaker اور Wio Terminal کے دائیں جانب کے GPIO ساکٹس کے ساتھ دہرائیں۔ یہ کیبلز پہلے سے موجود کیبلز کے ارد گرد جائیں گی۔
+
+    ![ReSpeaker کے دائیں جانب کے پنز Wio Terminal کے دائیں جانب کے پنز کے ساتھ جڑے ہوئے](../../../../../translated_images/wio-respeaker-wiring-3.75b0be447e2fa9307a6a954f9ae8a71b77e39ada6a5ef1a059d341dc850fd90c.ur.png)
+
+    ![ReSpeaker کے دائیں جانب کے پنز Wio Terminal کے دائیں جانب کے پنز کے ساتھ جڑے ہوئے](../../../../../translated_images/wio-respeaker-wiring-4.aa9cd434d8779437de720cba2719d83992413caed1b620b6148f6c8924889afb.ur.png)
+
+    > 💁 اگر آپ کے جمپر کیبلز ربنز میں جڑے ہوئے ہیں، تو انہیں دو ربنز میں تقسیم کریں۔ ایک کو موجودہ کیبلز کے ہر طرف سے گزاریں۔
+
+    > 💁 آپ پنز کو بلاک میں رکھنے کے لیے چپکنے والی ٹیپ استعمال کر سکتے ہیں تاکہ انہیں جوڑتے وقت کوئی باہر نہ نکلے۔
+    >
+    > ![پنز کو ٹیپ کے ذریعے بلاک میں فکس کیا گیا](../../../../../translated_images/wio-respeaker-wiring-5.af117c20acf622f3cd656ccd8f4053f8845d6aaa3af164d24cb7dbd54a4bb470.ur.png)
+
+1. آپ کو اسپیکر شامل کرنے کی ضرورت ہوگی۔
+
+    * اگر آپ JST کیبل کے ساتھ اسپیکر استعمال کر رہے ہیں، تو اسے ReSpeaker کے JST پورٹ سے جوڑیں۔
+
+      ![JST کیبل کے ذریعے ReSpeaker سے جڑا اسپیکر](../../../../../translated_images/respeaker-jst-speaker.a441d177809df9458041a2012dd336dbb22c00a5c9642647109d2940a50d6fcc.ur.png)
+
+    * اگر آپ 3.5mm جیک کے ساتھ اسپیکر یا ہیڈفونز استعمال کر رہے ہیں، تو انہیں 3.5mm جیک ساکٹ میں داخل کریں۔
+
+      ![3.5mm جیک ساکٹ کے ذریعے ReSpeaker سے جڑا اسپیکر](../../../../../translated_images/respeaker-35mm-speaker.ad79ef4f128c7751f0abf854869b6b779c90c12ae3e48909944a7e48aeee3c7e.ur.png)
+
+### کام - SD کارڈ کو ترتیب دیں
+
+1. SD کارڈ کو اپنے کمپیوٹر سے جوڑیں، اگر آپ کے پاس SD کارڈ سلاٹ نہیں ہے تو بیرونی ریڈر استعمال کریں۔
+
+1. اپنے کمپیوٹر پر مناسب ٹول استعمال کرتے ہوئے SD کارڈ کو فارمیٹ کریں، اور FAT32 یا exFAT فائل سسٹم کا انتخاب کریں۔
+
+1. SD کارڈ کو Wio Terminal کے بائیں جانب SD کارڈ سلاٹ میں داخل کریں، جو پاور بٹن کے نیچے ہے۔ یقینی بنائیں کہ کارڈ مکمل طور پر اندر ہے اور کلک کرتا ہے - آپ کو اسے مکمل طور پر اندر دھکیلنے کے لیے پتلے ٹول یا دوسرے SD کارڈ کی ضرورت ہو سکتی ہے۔
+
+    ![SD کارڈ کو پاور سوئچ کے نیچے SD کارڈ سلاٹ میں داخل کرنا](../../../../../translated_images/wio-sd-card.acdcbe322fa4ee7f8f9c8cc015b3263964bb26ab5c7e25b41747988cc5280d64.ur.png)
+
+    > 💁 SD کارڈ کو نکالنے کے لیے، آپ کو اسے تھوڑا سا اندر دھکیلنا ہوگا اور یہ باہر نکل جائے گا۔ آپ کو ایسا کرنے کے لیے پتلے ٹول کی ضرورت ہوگی جیسے فلیٹ ہیڈ سکریو ڈرایور یا دوسرا SD کارڈ۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا خامیاں ہو سکتی ہیں۔ اصل دستاویز، جو اس کی اصل زبان میں ہے، کو مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
new file mode 100644
index 00000000..c2faa0ba
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md
@@ -0,0 +1,544 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3f92edf2975175577174910caca4a389",
+  "translation_date": "2025-08-27T00:28:19+00:00",
+  "source_file": "6-consumer/lessons/1-speech-recognition/wio-terminal-speech-to-text.md",
+  "language_code": "ur"
+}
+-->
+# تقریر کو متن میں تبدیل کرنا - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ کوڈ لکھیں گے تاکہ کیپچر کیے گئے آڈیو میں تقریر کو متن میں تبدیل کیا جا سکے، اس کے لیے اسپیکنگ سروس کا استعمال کیا جائے گا۔
+
+## آڈیو کو اسپیکنگ سروس پر بھیجیں
+
+آڈیو کو اسپیکنگ سروس پر REST API کے ذریعے بھیجا جا سکتا ہے۔ اسپیکنگ سروس استعمال کرنے کے لیے، پہلے آپ کو ایک ایکسیس ٹوکن کی درخواست کرنی ہوگی، پھر اس ٹوکن کو REST API تک رسائی کے لیے استعمال کریں۔ یہ ایکسیس ٹوکن 10 منٹ کے بعد ختم ہو جاتے ہیں، اس لیے آپ کے کوڈ کو باقاعدگی سے ان کی درخواست کرنی چاہیے تاکہ یہ ہمیشہ اپ ٹو ڈیٹ رہیں۔
+
+### کام - ایکسیس ٹوکن حاصل کریں
+
+1. `smart-timer` پروجیکٹ کھولیں اگر یہ پہلے سے کھلا نہیں ہے۔
+
+1. `platformio.ini` فائل میں درج ذیل لائبریری ڈیپینڈنسیز شامل کریں تاکہ WiFi تک رسائی حاصل کی جا سکے اور JSON کو ہینڈل کیا جا سکے:
+
+    ```ini
+    seeed-studio/Seeed Arduino rpcWiFi @ 1.0.5
+    seeed-studio/Seeed Arduino rpcUnified @ 2.1.3
+    seeed-studio/Seeed_Arduino_mbedtls @ 3.0.1
+    seeed-studio/Seeed Arduino RTC @ 2.0.0
+    bblanchon/ArduinoJson @ 6.17.3
+    ```
+
+1. `config.h` ہیڈر فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    const char *SSID = "<SSID>";
+    const char *PASSWORD = "<PASSWORD>";
+    
+    const char *SPEECH_API_KEY = "<API_KEY>";
+    const char *SPEECH_LOCATION = "<LOCATION>";
+    const char *LANGUAGE = "<LANGUAGE>";
+
+    const char *TOKEN_URL = "https://%s.api.cognitive.microsoft.com/sts/v1.0/issuetoken";
+    ```
+
+    `<SSID>` اور `<PASSWORD>` کو اپنے WiFi کے متعلقہ ویلیوز سے تبدیل کریں۔
+
+    `<API_KEY>` کو اپنی اسپیکنگ سروس ریسورس کے API کلید سے تبدیل کریں۔ `<LOCATION>` کو اس مقام سے تبدیل کریں جو آپ نے اسپیکنگ سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+    `<LANGUAGE>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بات کریں گے، مثلاً `en-GB` انگریزی کے لیے، یا `zn-HK` کینٹونیز کے لیے۔ آپ مائیکروسافٹ ڈاکس پر [Language and voice support documentation](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں سپورٹ شدہ زبانوں اور ان کے لوکیل ناموں کی فہرست دیکھ سکتے ہیں۔
+
+    `TOKEN_URL` کانسٹنٹ ٹوکن جاری کرنے والے کا URL ہے بغیر مقام کے۔ یہ بعد میں مقام کے ساتھ ملایا جائے گا تاکہ مکمل URL حاصل کیا جا سکے۔
+
+1. بالکل اسی طرح جیسے Custom Vision سے جڑنے کے لیے HTTPS کنکشن استعمال کیا گیا تھا، آپ کو ٹوکن جاری کرنے والی سروس سے جڑنے کے لیے HTTPS کنکشن استعمال کرنا ہوگا۔ `config.h` کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    const char *TOKEN_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQAueRcfuAIek/4tmDg0xQwDANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwNjCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBALVGARl56bx3KBUSGuPc4H5uoNFkFH4e7pvTCxRi4j/+z+Xb\r\n"
+        "wjEz+5CipDOqjx9/jWjskL5dk7PaQkzItidsAAnDCW1leZBOIi68Lff1bjTeZgMY\r\n"
+        "iwdRd3Y39b/lcGpiuP2d23W95YHkMMT8IlWosYIX0f4kYb62rphyfnAjYb/4Od99\r\n"
+        "ThnhlAxGtfvSbXcBVIKCYfZgqRvV+5lReUnd1aNjRYVzPOoifgSx2fRyy1+pO1Uz\r\n"
+        "aMMNnIOE71bVYW0A1hr19w7kOb0KkJXoALTDDj1ukUEDqQuBfBxReL5mXiu1O7WG\r\n"
+        "0vltg0VZ/SZzctBsdBlx1BkmWYBW261KZgBivrql5ELTKKd8qgtHcLQA5fl6JB0Q\r\n"
+        "gs5XDaWehN86Gps5JW8ArjGtjcWAIP+X8CQaWfaCnuRm6Bk/03PQWhgdi84qwA0s\r\n"
+        "sRfFJwHUPTNSnE8EiGVk2frt0u8PG1pwSQsFuNJfcYIHEv1vOzP7uEOuDydsmCjh\r\n"
+        "lxuoK2n5/2aVR3BMTu+p4+gl8alXoBycyLmj3J/PUgqD8SL5fTCUegGsdia/Sa60\r\n"
+        "N2oV7vQ17wjMN+LXa2rjj/b4ZlZgXVojDmAjDwIRdDUujQu0RVsJqFLMzSIHpp2C\r\n"
+        "Zp7mIoLrySay2YYBu7SiNwL95X6He2kS8eefBBHjzwW/9FxGqry57i71c2cDAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQU1cFnOsKjnfR3UltZEjgp5lVou6UwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQB2oWc93fB8esci/8esixj++N22meiGDjgF\r\n"
+        "+rA2LUK5IOQOgcUSTGKSqF9lYfAxPjrqPjDCUPHCURv+26ad5P/BYtXtbmtxJWu+\r\n"
+        "cS5BhMDPPeG3oPZwXRHBJFAkY4O4AF7RIAAUW6EzDflUoDHKv83zOiPfYGcpHc9s\r\n"
+        "kxAInCedk7QSgXvMARjjOqdakor21DTmNIUotxo8kHv5hwRlGhBJwps6fEVi1Bt0\r\n"
+        "trpM/3wYxlr473WSPUFZPgP1j519kLpWOJ8z09wxay+Br29irPcBYv0GMXlHqThy\r\n"
+        "8y4m/HyTQeI2IMvMrQnwqPpY+rLIXyviI2vLoI+4xKE4Rn38ZZ8m\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+    یہ وہی سرٹیفکیٹ ہے جو آپ نے Custom Vision سے جڑنے کے وقت استعمال کیا تھا۔
+
+1. `main.cpp` فائل کے شروع میں WiFi ہیڈر فائل اور config ہیڈر فائل کے لیے انکلوڈ شامل کریں:
+
+    ```cpp
+    #include <rpcWiFi.h>
+
+    #include "config.h"
+    ```
+
+1. `main.cpp` میں `setup` فنکشن کے اوپر WiFi سے جڑنے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    void connectWiFi()
+    {
+        while (WiFi.status() != WL_CONNECTED)
+        {
+            Serial.println("Connecting to WiFi..");
+            WiFi.begin(SSID, PASSWORD);
+            delay(500);
+        }
+    
+        Serial.println("Connected!");
+    }
+    ```
+
+1. اس فنکشن کو `setup` فنکشن میں سیریل کنکشن قائم ہونے کے بعد کال کریں:
+
+    ```cpp
+    connectWiFi();
+    ```
+
+1. `src` فولڈر میں ایک نئی ہیڈر فائل بنائیں جس کا نام `speech_to_text.h` ہو۔ اس ہیڈر فائل میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "mic.h"
+    
+    class SpeechToText
+    {
+    public:
+
+    private:
+
+    };
+
+    SpeechToText speechToText;
+    ```
+
+    یہ HTTP کنکشن، کنفیگریشن، اور `mic.h` ہیڈر فائل کے لیے ضروری ہیڈر فائلز شامل کرتا ہے، اور `SpeechToText` نامی ایک کلاس کو ڈیفائن کرتا ہے، پھر اس کلاس کی ایک انسٹینس کو ڈکلیئر کرتا ہے جو بعد میں استعمال کی جا سکتی ہے۔
+
+1. اس کلاس کے `private` سیکشن میں درج ذیل 2 فیلڈز شامل کریں:
+
+    ```cpp
+    WiFiClientSecure _token_client;
+    String _access_token;
+    ```
+
+    `_token_client` ایک WiFi کلائنٹ ہے جو HTTPS استعمال کرتا ہے اور ایکسیس ٹوکن حاصل کرنے کے لیے استعمال ہوگا۔ یہ ٹوکن پھر `_access_token` میں محفوظ کیا جائے گا۔
+
+1. `private` سیکشن میں درج ذیل میتھڈ شامل کریں:
+
+    ```cpp
+    String getAccessToken()
+    {
+        char url[128];
+        sprintf(url, TOKEN_URL, SPEECH_LOCATION);
+    
+        HTTPClient httpClient;
+        httpClient.begin(_token_client, url);
+    
+        httpClient.addHeader("Ocp-Apim-Subscription-Key", SPEECH_API_KEY);
+        int httpResultCode = httpClient.POST("{}");
+    
+        if (httpResultCode != 200)
+        {
+            Serial.println("Error getting access token, trying again...");
+            delay(10000);
+            return getAccessToken();
+        }
+    
+        Serial.println("Got access token.");
+        String result = httpClient.getString();
+    
+        httpClient.end();
+    
+        return result;
+    }
+    ```
+
+    یہ کوڈ اسپیکنگ ریسورس کے مقام کا استعمال کرتے ہوئے ٹوکن جاری کرنے والے API کے لیے URL بناتا ہے۔ پھر ایک `HTTPClient` بناتا ہے تاکہ ویب درخواست کی جا سکے، اور اسے ٹوکن اینڈ پوائنٹس سرٹیفکیٹ کے ساتھ کنفیگر کردہ WiFi کلائنٹ کے ساتھ سیٹ کرتا ہے۔ یہ API کلید کو کال کے لیے ہیڈر کے طور پر سیٹ کرتا ہے۔ پھر یہ سرٹیفکیٹ حاصل کرنے کے لیے POST درخواست کرتا ہے، اور اگر کوئی ایرر آتا ہے تو دوبارہ کوشش کرتا ہے۔ آخر میں ایکسیس ٹوکن واپس کیا جاتا ہے۔
+
+1. `public` سیکشن میں ایک میتھڈ شامل کریں تاکہ ایکسیس ٹوکن حاصل کیا جا سکے۔ یہ بعد کے اسباق میں متن کو تقریر میں تبدیل کرنے کے لیے ضروری ہوگا۔
+
+    ```cpp
+    String AccessToken()
+    {
+        return _access_token;
+    }
+    ```
+
+1. `public` سیکشن میں ایک `init` میتھڈ شامل کریں جو ٹوکن کلائنٹ کو سیٹ اپ کرے:
+
+    ```cpp
+    void init()
+    {
+        _token_client.setCACert(TOKEN_CERTIFICATE);
+        _access_token = getAccessToken();
+    }
+    ```
+
+    یہ WiFi کلائنٹ پر سرٹیفکیٹ سیٹ کرتا ہے، پھر ایکسیس ٹوکن حاصل کرتا ہے۔
+
+1. `main.cpp` میں اس نئی ہیڈر فائل کو انکلوڈ ڈائریکٹیوز میں شامل کریں:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. `setup` فنکشن کے آخر میں `SpeechToText` کلاس کو انیشیالائز کریں، `mic.init` کال کے بعد لیکن `Ready` کو سیریل مانیٹر پر لکھنے سے پہلے:
+
+    ```cpp
+    speechToText.init();
+    ```
+
+### کام - فلیش میموری سے آڈیو پڑھیں
+
+1. سبق کے ایک پہلے حصے میں، آڈیو کو فلیش میموری میں ریکارڈ کیا گیا تھا۔ اس آڈیو کو اسپیکنگ سروس REST API پر بھیجنے کی ضرورت ہوگی، اس لیے اسے فلیش میموری سے پڑھنے کی ضرورت ہے۔ اسے ان میموری بفر میں لوڈ نہیں کیا جا سکتا کیونکہ یہ بہت بڑا ہوگا۔ `HTTPClient` کلاس جو REST کالز کرتی ہے، Arduino Stream کا استعمال کرتے ہوئے ڈیٹا کو اسٹریم کر سکتی ہے - ایک کلاس جو ڈیٹا کو چھوٹے حصوں میں لوڈ کر سکتی ہے، اور ایک وقت میں ایک حصہ بھیج سکتی ہے۔ ہر بار جب آپ `read` کو اسٹریم پر کال کرتے ہیں تو یہ اگلا ڈیٹا بلاک واپس کرتا ہے۔ ایک Arduino اسٹریم بنایا جا سکتا ہے جو فلیش میموری سے پڑھ سکتا ہے۔ `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `flash_stream.h` ہو، اور اس میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <HTTPClient.h>
+    #include <sfud.h>
+
+    #include "config.h"
+    
+    class FlashStream : public Stream
+    {
+    public:
+        virtual size_t write(uint8_t val)
+        {    
+        }
+    
+        virtual int available()
+        {
+        }
+    
+        virtual int read()
+        {
+        }
+    
+        virtual int peek()
+        {
+        }
+    private:
+    
+    };
+    ```
+
+    یہ `FlashStream` کلاس کو ڈکلیئر کرتا ہے، جو Arduino `Stream` کلاس سے ماخوذ ہے۔ یہ ایک ایبسٹریکٹ کلاس ہے - ماخوذ کلاسز کو چند میتھڈز کو امپلیمنٹ کرنا ہوتا ہے اس سے پہلے کہ کلاس کو انسٹینشیٹ کیا جا سکے، اور یہ میتھڈز اس کلاس میں ڈیفائن کیے گئے ہیں۔
+
+    ✅ Arduino Streams کے بارے میں مزید پڑھیں [Arduino Stream documentation](https://www.arduino.cc/reference/en/language/functions/communication/stream/) میں۔
+
+1. `private` سیکشن میں درج ذیل فیلڈز شامل کریں:
+
+    ```cpp
+    size_t _pos;
+    size_t _flash_address;
+    const sfud_flash *_flash;
+
+    byte _buffer[HTTP_TCP_BUFFER_SIZE];
+    ```
+
+    یہ ایک عارضی بفر ڈیفائن کرتا ہے تاکہ فلیش میموری سے پڑھے گئے ڈیٹا کو اسٹور کیا جا سکے، ساتھ ہی موجودہ پوزیشن کو اسٹور کرنے کے لیے فیلڈز، فلیش میموری سے پڑھنے کے لیے موجودہ ایڈریس، اور فلیش میموری ڈیوائس۔
+
+1. `private` سیکشن میں درج ذیل میتھڈ شامل کریں:
+
+    ```cpp
+    void populateBuffer()
+    {
+        sfud_read(_flash, _flash_address, HTTP_TCP_BUFFER_SIZE, _buffer);
+        _flash_address += HTTP_TCP_BUFFER_SIZE;
+        _pos = 0;
+    }
+    ```
+
+    یہ کوڈ موجودہ ایڈریس پر فلیش میموری سے پڑھتا ہے اور ڈیٹا کو بفر میں اسٹور کرتا ہے۔ پھر ایڈریس کو انکریمنٹ کرتا ہے، تاکہ اگلی کال میموری کے اگلے بلاک کو پڑھے۔ بفر کا سائز REST API پر ایک وقت میں بھیجے جانے والے سب سے بڑے بلاک کے مطابق ہے۔
+
+    > 💁 فلیش میموری کو مٹانا گرین سائز کے ساتھ کرنا ہوتا ہے، لیکن پڑھنا اس طرح نہیں ہوتا۔
+
+1. اس کلاس کے `public` سیکشن میں ایک کنسٹرکٹر شامل کریں:
+
+    ```cpp
+    FlashStream()
+    {
+        _pos = 0;
+        _flash_address = 0;
+        _flash = sfud_get_device_table() + 0;
+        
+        populateBuffer();
+    }
+    ```
+
+    یہ کنسٹرکٹر تمام فیلڈز کو سیٹ کرتا ہے تاکہ فلیش میموری بلاک کے آغاز سے پڑھنا شروع کیا جا سکے، اور پہلے ڈیٹا بلاک کو بفر میں لوڈ کرتا ہے۔
+
+1. `write` میتھڈ کو امپلیمنٹ کریں۔ یہ اسٹریم صرف ڈیٹا پڑھے گا، اس لیے یہ کچھ نہیں کرے گا اور 0 واپس کرے گا:
+
+    ```cpp
+    virtual size_t write(uint8_t val)
+    {
+        return 0;
+    }
+    ```
+
+1. `peek` میتھڈ کو امپلیمنٹ کریں۔ یہ موجودہ پوزیشن پر ڈیٹا واپس کرتا ہے بغیر اسٹریم کو آگے بڑھائے۔ `peek` کو متعدد بار کال کرنے سے ہمیشہ وہی ڈیٹا واپس آئے گا جب تک کہ اسٹریم سے کوئی ڈیٹا نہ پڑھا جائے۔
+
+    ```cpp
+    virtual int peek()
+    {
+        return _buffer[_pos];
+    }
+    ```
+
+1. `available` فنکشن کو امپلیمنٹ کریں۔ یہ بتاتا ہے کہ اسٹریم سے کتنے بائٹس پڑھے جا سکتے ہیں، یا -1 اگر اسٹریم مکمل ہو گیا ہو۔ اس کلاس کے لیے، زیادہ سے زیادہ دستیاب HTTPClient کے بلاک سائز سے زیادہ نہیں ہوگا۔ جب یہ اسٹریم HTTP کلائنٹ میں استعمال ہوتا ہے تو یہ فنکشن دیکھتا ہے کہ کتنا ڈیٹا دستیاب ہے، پھر REST API پر بھیجنے کے لیے اتنا ڈیٹا مانگتا ہے۔ ہم نہیں چاہتے کہ ہر بلاک HTTP کلائنٹ کے بلاک سائز سے زیادہ ہو، اس لیے اگر زیادہ دستیاب ہو تو بلاک سائز واپس کیا جاتا ہے۔ اگر کم ہو، تو جو دستیاب ہے وہ واپس کیا جاتا ہے۔ ایک بار جب تمام ڈیٹا اسٹریم ہو جائے، -1 واپس کیا جاتا ہے۔
+
+    ```cpp
+    virtual int available()
+    {
+        int remaining = BUFFER_SIZE - ((_flash_address - HTTP_TCP_BUFFER_SIZE) + _pos);
+        int bytes_available = min(HTTP_TCP_BUFFER_SIZE, remaining);
+
+        if (bytes_available == 0)
+        {
+            bytes_available = -1;
+        }
+
+        return bytes_available;
+    }
+    ```
+
+1. `read` میتھڈ کو امپلیمنٹ کریں تاکہ بفر سے اگلا بائٹ واپس کرے، پوزیشن کو انکریمنٹ کرتے ہوئے۔ اگر پوزیشن بفر کے سائز سے تجاوز کر جائے، تو یہ بفر کو فلیش میموری سے اگلے بلاک کے ساتھ پاپولیٹ کرتا ہے اور پوزیشن کو ری سیٹ کرتا ہے۔
+
+    ```cpp
+    virtual int read()
+    {
+        int retVal = _buffer[_pos++];
+
+        if (_pos == HTTP_TCP_BUFFER_SIZE)
+        {
+            populateBuffer();
+        }
+
+        return retVal;
+    }
+    ```
+
+1. `speech_to_text.h` ہیڈر فائل میں اس نئی ہیڈر فائل کے لیے انکلوڈ ڈائریکٹیو شامل کریں:
+
+    ```cpp
+    #include "flash_stream.h"
+    ```
+
+### کام - تقریر کو متن میں تبدیل کریں
+
+1. تقریر کو متن میں تبدیل کرنے کے لیے آڈیو کو REST API کے ذریعے اسپیکنگ سروس پر بھیجا جا سکتا ہے۔ اس REST API کا سرٹیفکیٹ ٹوکن جاری کرنے والے سے مختلف ہے، اس لیے `config.h` ہیڈر فائل میں درج ذیل کوڈ شامل کریں تاکہ اس سرٹیفکیٹ کو ڈیفائن کیا جا سکے:
+
+    ```cpp
+    const char *SPEECH_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIF8zCCBNugAwIBAgIQCq+mxcpjxFFB6jvh98dTFzANBgkqhkiG9w0BAQwFADBh\r\n"
+        "MQswCQYDVQQGEwJVUzEVMBMGA1UEChMMRGlnaUNlcnQgSW5jMRkwFwYDVQQLExB3\r\n"
+        "d3cuZGlnaWNlcnQuY29tMSAwHgYDVQQDExdEaWdpQ2VydCBHbG9iYWwgUm9vdCBH\r\n"
+        "MjAeFw0yMDA3MjkxMjMwMDBaFw0yNDA2MjcyMzU5NTlaMFkxCzAJBgNVBAYTAlVT\r\n"
+        "MR4wHAYDVQQKExVNaWNyb3NvZnQgQ29ycG9yYXRpb24xKjAoBgNVBAMTIU1pY3Jv\r\n"
+        "c29mdCBBenVyZSBUTFMgSXNzdWluZyBDQSAwMTCCAiIwDQYJKoZIhvcNAQEBBQAD\r\n"
+        "ggIPADCCAgoCggIBAMedcDrkXufP7pxVm1FHLDNA9IjwHaMoaY8arqqZ4Gff4xyr\r\n"
+        "RygnavXL7g12MPAx8Q6Dd9hfBzrfWxkF0Br2wIvlvkzW01naNVSkHp+OS3hL3W6n\r\n"
+        "l/jYvZnVeJXjtsKYcXIf/6WtspcF5awlQ9LZJcjwaH7KoZuK+THpXCMtzD8XNVdm\r\n"
+        "GW/JI0C/7U/E7evXn9XDio8SYkGSM63aLO5BtLCv092+1d4GGBSQYolRq+7Pd1kR\r\n"
+        "EkWBPm0ywZ2Vb8GIS5DLrjelEkBnKCyy3B0yQud9dpVsiUeE7F5sY8Me96WVxQcb\r\n"
+        "OyYdEY/j/9UpDlOG+vA+YgOvBhkKEjiqygVpP8EZoMMijephzg43b5Qi9r5UrvYo\r\n"
+        "o19oR/8pf4HJNDPF0/FJwFVMW8PmCBLGstin3NE1+NeWTkGt0TzpHjgKyfaDP2tO\r\n"
+        "4bCk1G7pP2kDFT7SYfc8xbgCkFQ2UCEXsaH/f5YmpLn4YPiNFCeeIida7xnfTvc4\r\n"
+        "7IxyVccHHq1FzGygOqemrxEETKh8hvDR6eBdrBwmCHVgZrnAqnn93JtGyPLi6+cj\r\n"
+        "WGVGtMZHwzVvX1HvSFG771sskcEjJxiQNQDQRWHEh3NxvNb7kFlAXnVdRkkvhjpR\r\n"
+        "GchFhTAzqmwltdWhWDEyCMKC2x/mSZvZtlZGY+g37Y72qHzidwtyW7rBetZJAgMB\r\n"
+        "AAGjggGtMIIBqTAdBgNVHQ4EFgQUDyBd16FXlduSzyvQx8J3BM5ygHYwHwYDVR0j\r\n"
+        "BBgwFoAUTiJUIBiV5uNu5g/6+rkS7QYXjzkwDgYDVR0PAQH/BAQDAgGGMB0GA1Ud\r\n"
+        "JQQWMBQGCCsGAQUFBwMBBggrBgEFBQcDAjASBgNVHRMBAf8ECDAGAQH/AgEAMHYG\r\n"
+        "CCsGAQUFBwEBBGowaDAkBggrBgEFBQcwAYYYaHR0cDovL29jc3AuZGlnaWNlcnQu\r\n"
+        "Y29tMEAGCCsGAQUFBzAChjRodHRwOi8vY2FjZXJ0cy5kaWdpY2VydC5jb20vRGln\r\n"
+        "aUNlcnRHbG9iYWxSb290RzIuY3J0MHsGA1UdHwR0MHIwN6A1oDOGMWh0dHA6Ly9j\r\n"
+        "cmwzLmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5jcmwwN6A1oDOG\r\n"
+        "MWh0dHA6Ly9jcmw0LmRpZ2ljZXJ0LmNvbS9EaWdpQ2VydEdsb2JhbFJvb3RHMi5j\r\n"
+        "cmwwHQYDVR0gBBYwFDAIBgZngQwBAgEwCAYGZ4EMAQICMBAGCSsGAQQBgjcVAQQD\r\n"
+        "AgEAMA0GCSqGSIb3DQEBDAUAA4IBAQAlFvNh7QgXVLAZSsNR2XRmIn9iS8OHFCBA\r\n"
+        "WxKJoi8YYQafpMTkMqeuzoL3HWb1pYEipsDkhiMnrpfeYZEA7Lz7yqEEtfgHcEBs\r\n"
+        "K9KcStQGGZRfmWU07hPXHnFz+5gTXqzCE2PBMlRgVUYJiA25mJPXfB00gDvGhtYa\r\n"
+        "+mENwM9Bq1B9YYLyLjRtUz8cyGsdyTIG/bBM/Q9jcV8JGqMU/UjAdh1pFyTnnHEl\r\n"
+        "Y59Npi7F87ZqYYJEHJM2LGD+le8VsHjgeWX2CJQko7klXvcizuZvUEDTjHaQcs2J\r\n"
+        "+kPgfyMIOY1DMJ21NxOJ2xPRC/wAh/hzSBRVtoAnyuxtkZ4VjIOh\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. اس فائل میں اسپیکنگ URL کے لیے ایک کانسٹنٹ شامل کریں بغیر مقام کے۔ یہ بعد میں مقام اور زبان کے ساتھ ملایا جائے گا تاکہ مکمل URL حاصل کیا جا سکے۔
+
+    ```cpp
+    const char *SPEECH_URL = "https://%s.stt.speech.microsoft.com/speech/recognition/conversation/cognitiveservices/v1?language=%s";
+    ```
+
+1. `speech_to_text.h` ہیڈر فائل میں، `SpeechToText` کلاس کے `private` سیکشن میں، اسپیکنگ سرٹیفکیٹ کے ساتھ کنفیگر کردہ WiFi کلائنٹ کے لیے ایک فیلڈ ڈیفائن کریں:
+
+    ```cpp
+    WiFiClientSecure _speech_client;
+    ```
+
+1. `init` میتھڈ میں، اس WiFi کلائنٹ پر سرٹیفکیٹ سیٹ کریں:
+
+    ```cpp
+    _speech_client.setCACert(SPEECH_CERTIFICATE);
+    ```
+
+1. `SpeechToText` کلاس کے `public` سیکشن میں تقریر کو متن میں تبدیل کرنے کے لیے ایک میتھڈ ڈیفائن کریں:
+
+    ```cpp
+    String convertSpeechToText()
+    {
+        
+    }
+    ```
+
+1. اس میتھڈ میں درج ذیل کوڈ شامل کریں تاکہ اسپیکنگ سرٹیفکیٹ کے ساتھ کنفیگر کردہ WiFi کلائنٹ کا استعمال کرتے ہوئے ایک HTTP کلائنٹ بنایا جا سکے، اور اسپیکنگ URL کو مقام اور زبان کے ساتھ سیٹ کیا جا سکے:
+
+    ```cpp
+    char url[128];
+    sprintf(url, SPEECH_URL, SPEECH_LOCATION, LANGUAGE);
+
+    HTTPClient httpClient;
+    httpClient.begin(_speech_client, url);
+    ```
+
+1. کنکشن پر کچھ ہیڈرز سیٹ کرنے کی ضرورت ہے:
+
+    ```cpp
+    httpClient.addHeader("Authorization", String("Bearer ") + _access_token);
+    httpClient.addHeader("Content-Type", String("audio/wav; codecs=audio/pcm; samplerate=") + String(RATE));
+    httpClient.addHeader("Accept", "application/json;text/xml");
+    ```
+
+    یہ ایکسیس ٹوکن کے ذریعے آتھورائزیشن، سیمپل ریٹ کے ذریعے آڈیو فارمیٹ، اور JSON کے طور پر نتیجہ کی توقع سیٹ کرتا ہے۔
+
+1. اس کے بعد، REST API کال کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    Serial.println("Sending speech...");
+
+    FlashStream stream;
+    int httpResponseCode = httpClient.sendRequest("POST", &stream, BUFFER_SIZE);
+
+    Serial.println("Speech sent!");
+    ```
+
+    یہ ایک `FlashStream` بناتا ہے اور اسے REST API پر ڈیٹا اسٹریم کرنے کے لیے استعمال کرتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    String text = "";
+
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        text = obj["DisplayText"].as<String>();
+    }
+    else if (httpResponseCode == 401)
+    {
+        Serial.println("Access token expired, trying again with a new token");
+        _access_token = getAccessToken();
+        return convertSpeechToText();
+    }
+    else
+    {
+        Serial.print("Failed to convert text to speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    یہ کوڈ ریسپانس کوڈ چیک کرتا ہے۔
+
+    اگر یہ 200 ہے، جو کامیابی کا کوڈ ہے، تو نتیجہ حاصل کیا جاتا ہے، JSON سے ڈیکوڈ کیا جاتا ہے، اور `DisplayText` پراپرٹی کو `text` ویریبل میں سیٹ کیا جاتا ہے۔ یہ وہ پراپرٹی ہے جس میں تقریر کا متن ورژن واپس کیا جاتا ہے۔
+
+    اگر ریسپانس کوڈ 401 ہے، تو ایکسیس ٹوکن ختم ہو چکا ہے (یہ ٹوکن صرف 10 منٹ تک رہتے ہیں)۔ ایک نیا ایکسیس ٹوکن طلب کیا جاتا ہے، اور کال دوبارہ کی جاتی ہے۔
+
+    ورنہ، ایک ایرر سیریل مانیٹر پر بھیجا جاتا ہے، اور `text` خالی چھوڑ دیا جاتا ہے۔
+
+1. اس میتھڈ کے آخر میں درج ذیل کوڈ شامل کریں تاکہ HTTP کلائنٹ کو بند کیا جا سکے اور متن واپس کیا جا سکے:
+
+    ```cpp
+    httpClient.end();
+
+    return text;
+    ```
+
+1. `main.cpp` میں اس نئے `convertSpeechToText` میتھڈ کو `processAudio` فنکشن میں کال کریں، پھر تقریر کو سیریل مانیٹر پر لاگ کریں:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    Serial.println(text);
+    ```
+
+1. اس کوڈ کو بلڈ کریں، اسے اپنے Wio Terminal پر اپلوڈ کریں اور سیریل مانیٹر کے ذریعے اسے ٹیسٹ کریں۔ جب آپ سیریل مانیٹر میں `Ready` دیکھیں، تو C بٹن دبائیں (جو بائیں جانب ہے، پاور سوئچ کے قریب)، اور بولیں۔ 4 سیکنڈ کا آڈیو کیپچر کیا جائے گا، پھر اسے متن میں تبدیل کیا جائے گا۔
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    ```
+
+> 💁 آپ اس کوڈ کو [code-speech-to-text/wio-terminal](../../../../../6-consumer/lessons/1-speech-recognition/code-speech-to-text/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا تقریر کو متن میں تبدیل کرنے کا پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/2-language-understanding/README.md b/translations/ur/6-consumer/lessons/2-language-understanding/README.md
new file mode 100644
index 00000000..c3f8f226
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/2-language-understanding/README.md
@@ -0,0 +1,574 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "6f4ba69d77f16c4a5110623a96a215c3",
+  "translation_date": "2025-08-27T00:03:49+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/README.md",
+  "language_code": "ur"
+}
+-->
+# زبان کو سمجھنا
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/43)
+
+## تعارف
+
+پچھلے سبق میں آپ نے تقریر کو متن میں تبدیل کیا تھا۔ اگر آپ اس کو ایک سمارٹ ٹائمر پروگرام کرنے کے لیے استعمال کرنا چاہتے ہیں، تو آپ کے کوڈ کو یہ سمجھنا ہوگا کہ کیا کہا گیا ہے۔ آپ فرض کر سکتے ہیں کہ صارف ایک مقررہ جملہ بولے گا، جیسے "3 منٹ کا ٹائمر سیٹ کریں"، اور اس جملے کو تجزیہ کرکے معلوم کریں گے کہ ٹائمر کتنی دیر کے لیے ہونا چاہیے۔ لیکن یہ طریقہ صارف کے لیے زیادہ آسان نہیں ہے۔ اگر کوئی صارف کہے "3 منٹ کے لیے ٹائمر سیٹ کریں"، تو آپ یا میں سمجھ جائیں گے کہ اس کا مطلب کیا ہے، لیکن آپ کا کوڈ نہیں سمجھے گا کیونکہ وہ ایک مقررہ جملے کی توقع کر رہا ہوگا۔
+
+یہاں زبان کو سمجھنے کی ضرورت پیش آتی ہے، جہاں AI ماڈلز متن کو سمجھ کر مطلوبہ تفصیلات فراہم کرتے ہیں۔ مثال کے طور پر، "3 منٹ کا ٹائمر سیٹ کریں" اور "3 منٹ کے لیے ٹائمر سیٹ کریں" دونوں کو سمجھنا کہ 3 منٹ کا ٹائمر درکار ہے۔
+
+اس سبق میں آپ زبان کو سمجھنے والے ماڈلز کے بارے میں سیکھیں گے، انہیں کیسے بنانا، تربیت دینا، اور اپنے کوڈ میں استعمال کرنا۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [زبان کو سمجھنا](../../../../../6-consumer/lessons/2-language-understanding)
+* [زبان کو سمجھنے والا ماڈل بنائیں](../../../../../6-consumer/lessons/2-language-understanding)
+* [ارادے اور ادارے](../../../../../6-consumer/lessons/2-language-understanding)
+* [زبان کو سمجھنے والے ماڈل کا استعمال کریں](../../../../../6-consumer/lessons/2-language-understanding)
+
+## زبان کو سمجھنا
+
+انسان ہزاروں سالوں سے زبان کے ذریعے بات چیت کر رہے ہیں۔ ہم الفاظ، آوازوں، یا حرکات کے ذریعے بات چیت کرتے ہیں اور نہ صرف ان کے معنی بلکہ ان کے سیاق و سباق کو بھی سمجھتے ہیں۔ ہم خلوص اور طنز کو سمجھتے ہیں، جس سے ایک ہی الفاظ مختلف معنی دے سکتے ہیں، ہماری آواز کے لہجے پر منحصر۔
+
+✅ حالیہ گفتگو کے بارے میں سوچیں جو آپ نے کی ہیں۔ ان میں سے کتنی گفتگو کمپیوٹر کے لیے سمجھنا مشکل ہوگی کیونکہ انہیں سیاق و سباق کی ضرورت ہے؟
+
+زبان کو سمجھنا، جسے قدرتی زبان کو سمجھنا بھی کہا جاتا ہے، مصنوعی ذہانت کے ایک شعبے کا حصہ ہے جسے قدرتی زبان کی پروسیسنگ (NLP) کہا جاتا ہے۔ یہ پڑھنے کی سمجھ بوجھ سے متعلق ہے، یعنی الفاظ یا جملوں کی تفصیلات کو سمجھنا۔ اگر آپ نے Alexa یا Siri جیسے وائس اسسٹنٹ کا استعمال کیا ہے، تو آپ نے زبان کو سمجھنے والی خدمات استعمال کی ہیں۔ یہ وہ AI خدمات ہیں جو "Alexa، Taylor Swift کا تازہ ترین البم چلائیں" کو میری بیٹی کے پسندیدہ گانوں پر ناچنے میں تبدیل کرتی ہیں۔
+
+> 💁 کمپیوٹر، اپنی تمام ترقی کے باوجود، متن کو واقعی سمجھنے میں ابھی بہت پیچھے ہیں۔ جب ہم کمپیوٹر کے ساتھ زبان کو سمجھنے کی بات کرتے ہیں، تو ہمارا مطلب انسانی بات چیت جیسا کچھ بھی نہیں ہوتا، بلکہ صرف کچھ الفاظ لے کر کلیدی تفصیلات نکالنا ہوتا ہے۔
+
+انسان کے طور پر، ہم زبان کو بغیر سوچے سمجھے سمجھتے ہیں۔ اگر میں کسی دوسرے انسان سے کہوں "Taylor Swift کا تازہ ترین البم چلائیں"، تو وہ فوراً سمجھ جائے گا کہ میرا مطلب کیا ہے۔ کمپیوٹر کے لیے یہ مشکل ہے۔ اسے الفاظ کو، تقریر سے متن میں تبدیل کرکے، درج ذیل معلومات نکالنی ہوں گی:
+
+* موسیقی چلانی ہے
+* موسیقی Taylor Swift کی ہے
+* مخصوص موسیقی ایک پورا البم ہے جس میں کئی ٹریک ہیں
+* Taylor Swift کے کئی البم ہیں، لہذا انہیں ترتیب دینا ہوگا اور سب سے حالیہ شائع شدہ البم درکار ہے
+
+✅ ان جملوں کے بارے میں سوچیں جو آپ نے درخواست کرتے وقت بولے ہیں، جیسے کافی کا آرڈر دینا یا کسی خاندان کے فرد سے کچھ پاس کرنے کو کہنا۔ ان جملوں کو ان معلومات میں تقسیم کرنے کی کوشش کریں جو کمپیوٹر کو جملہ سمجھنے کے لیے نکالنی ہوں گی۔
+
+زبان کو سمجھنے والے ماڈلز AI ماڈلز ہیں جو زبان سے مخصوص تفصیلات نکالنے کے لیے تربیت یافتہ ہوتے ہیں، اور پھر مخصوص کاموں کے لیے تربیت دیے جاتے ہیں، جیسے آپ نے Custom Vision ماڈل کو تصاویر کے ایک چھوٹے سیٹ کے ساتھ تربیت دی تھی۔ آپ ایک ماڈل لے سکتے ہیں، پھر اسے اس متن کے ساتھ تربیت دے سکتے ہیں جسے آپ سمجھنا چاہتے ہیں۔
+
+## زبان کو سمجھنے والا ماڈل بنائیں
+
+![LUIS کا لوگو](../../../../../translated_images/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.ur.png)
+
+آپ LUIS کا استعمال کرتے ہوئے زبان کو سمجھنے والے ماڈلز بنا سکتے ہیں، جو Microsoft کی Cognitive Services کا حصہ ہے۔
+
+### کام - ایک مصنف کا وسیلہ بنائیں
+
+LUIS استعمال کرنے کے لیے، آپ کو ایک مصنف کا وسیلہ بنانا ہوگا۔
+
+1. اپنے `smart-timer` ریسورس گروپ میں مصنف کا وسیلہ بنانے کے لیے درج ذیل کمانڈ استعمال کریں:
+
+    ```python
+    az cognitiveservices account create --name smart-timer-luis-authoring \
+                                        --resource-group smart-timer \
+                                        --kind LUIS.Authoring \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے ریسورس گروپ بناتے وقت استعمال کیا تھا۔
+
+    > ⚠️ LUIS تمام علاقوں میں دستیاب نہیں ہے، لہذا اگر آپ کو درج ذیل خرابی ملے:
+    >
+    > ```output
+    > InvalidApiSetId: The account type 'LUIS.Authoring' is either invalid or unavailable in given region.
+    > ```
+    >
+    > تو ایک مختلف علاقہ منتخب کریں۔
+
+    یہ ایک مفت درجے کا LUIS مصنف کا وسیلہ بنائے گا۔
+
+### کام - ایک زبان کو سمجھنے والی ایپ بنائیں
+
+1. اپنے براؤزر میں [luis.ai](https://luis.ai?WT.mc_id=academic-17441-jabenn) پورٹل کھولیں، اور اسی اکاؤنٹ سے سائن ان کریں جو آپ Azure کے لیے استعمال کر رہے ہیں۔
+
+1. ڈائیلاگ پر دی گئی ہدایات پر عمل کریں تاکہ اپنی Azure سبسکرپشن منتخب کریں، پھر وہ `smart-timer-luis-authoring` وسیلہ منتخب کریں جو آپ نے ابھی بنایا ہے۔
+
+1. *Conversation apps* کی فہرست سے، **New app** بٹن منتخب کریں تاکہ ایک نئی ایپلیکیشن بنائی جا سکے۔ نئی ایپ کا نام `smart-timer` رکھیں، اور *Culture* کو اپنی زبان پر سیٹ کریں۔
+
+    > 💁 پیش گوئی کے وسیلے کے لیے ایک فیلڈ ہے۔ آپ پیش گوئی کے لیے ایک الگ وسیلہ بنا سکتے ہیں، لیکن مفت مصنف کا وسیلہ ایک مہینے میں 1,000 پیش گوئیاں فراہم کرتا ہے جو ترقی کے لیے کافی ہونی چاہیے، لہذا آپ اسے خالی چھوڑ سکتے ہیں۔
+
+1. ایپ بنانے کے بعد ظاہر ہونے والے گائیڈ کو پڑھیں تاکہ زبان کو سمجھنے والے ماڈل کو تربیت دینے کے مراحل کو سمجھ سکیں۔ جب آپ گائیڈ پڑھ لیں تو اسے بند کر دیں۔
+
+## ارادے اور ادارے
+
+زبان کو سمجھنا *ارادوں* اور *اداروں* کے گرد گھومتا ہے۔ ارادے الفاظ کے مقصد کو ظاہر کرتے ہیں، جیسے موسیقی چلانا، ٹائمر سیٹ کرنا، یا کھانے کا آرڈر دینا۔ ادارے وہ چیزیں ہیں جن کا ارادہ حوالہ دیتا ہے، جیسے البم، ٹائمر کی مدت، یا کھانے کی قسم۔ ماڈل کے ذریعے تشریح کیے گئے ہر جملے میں کم از کم ایک ارادہ اور اختیاری طور پر ایک یا زیادہ ادارے ہونے چاہئیں۔
+
+کچھ مثالیں:
+
+| جملہ                                                | ارادہ            | ادارے                                      |
+| --------------------------------------------------- | ---------------- | ------------------------------------------ |
+| "Taylor Swift کا تازہ ترین البم چلائیں"             | *موسیقی چلائیں*  | *Taylor Swift کا تازہ ترین البم*           |
+| "3 منٹ کا ٹائمر سیٹ کریں"                           | *ٹائمر سیٹ کریں* | *3 منٹ*                                    |
+| "میرا ٹائمر منسوخ کریں"                             | *ٹائمر منسوخ کریں* | کوئی نہیں                                   |
+| "3 بڑے انناس کے پیزا اور ایک سیزر سلاد آرڈر کریں"   | *کھانے کا آرڈر دیں* | *3 بڑے انناس کے پیزا*, *سیزر سلاد*         |
+
+✅ ان جملوں کے بارے میں سوچیں جو آپ نے پہلے سوچے تھے۔ ان جملوں میں ارادہ اور ادارے کیا ہوں گے؟
+
+LUIS کو تربیت دینے کے لیے، پہلے آپ ادارے سیٹ کرتے ہیں۔ یہ مقررہ اصطلاحات کی فہرست ہو سکتی ہیں، یا متن سے سیکھے جا سکتے ہیں۔ مثال کے طور پر، آپ اپنے مینو سے دستیاب کھانے کی ایک مقررہ فہرست فراہم کر سکتے ہیں، ہر لفظ کے مختلف ورژن (یا مترادفات) کے ساتھ، جیسے *egg plant* اور *aubergine* کو *aubergine* کے مترادفات کے طور پر۔
+
+ٹائمر سیٹ کرنے کے لیے، آپ کے پاس وقت کے لیے ایک ادارہ ہو سکتا ہے جو پہلے سے موجود نمبر ادارے استعمال کرتا ہے، اور دوسرا یونٹس کے لیے، جیسے منٹ اور سیکنڈ۔ ہر یونٹ کے لیے متعدد ورژن ہوں گے تاکہ واحد اور جمع شکلوں کا احاطہ کیا جا سکے - جیسے منٹ اور منٹس۔
+
+جب ادارے کی وضاحت ہو جائے، تو آپ ارادے بناتے ہیں۔ یہ ماڈل کے ذریعے فراہم کردہ مثال جملوں (جنہیں *utterances* کہا جاتا ہے) کی بنیاد پر سیکھے جاتے ہیں۔ مثال کے طور پر، *ٹائمر سیٹ کریں* ارادے کے لیے، آپ درج ذیل جملے فراہم کر سکتے ہیں:
+
+* `1 سیکنڈ کا ٹائمر سیٹ کریں`
+* `1 منٹ اور 12 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+* `3 منٹ کے لیے ٹائمر سیٹ کریں`
+* `9 منٹ 30 سیکنڈ کا ٹائمر سیٹ کریں`
+
+پھر آپ LUIS کو بتاتے ہیں کہ ان جملوں کے کون سے حصے اداروں سے متعلق ہیں:
+
+![جملہ "1 منٹ اور 12 سیکنڈ کے لیے ٹائمر سیٹ کریں" اداروں میں تقسیم](../../../../../translated_images/sentence-as-intent-entities.301401696f9922590a99343f5c5d211b710b906f212f0d4d034cee3ffb610272.ur.png)
+
+جملہ `1 منٹ اور 12 سیکنڈ کے لیے ٹائمر سیٹ کریں` کا ارادہ `ٹائمر سیٹ کریں` ہے۔ اس میں 2 ادارے ہیں جن کے 2 اقدار ہیں:
+
+|            | وقت | یونٹ   |
+| ---------- | ---: | ------ |
+| 1 منٹ      | 1    | منٹ    |
+| 12 سیکنڈ   | 12   | سیکنڈ  |
+
+ایک اچھا ماڈل تربیت دینے کے لیے، آپ کو مختلف مثال جملوں کی ضرورت ہوتی ہے تاکہ کسی چیز کے لیے مختلف طریقوں سے درخواست کرنے کے تمام ممکنہ طریقے شامل ہوں۔
+
+> 💁 کسی بھی AI ماڈل کی طرح، جتنا زیادہ اور جتنا درست ڈیٹا آپ تربیت کے لیے استعمال کریں گے، ماڈل اتنا ہی بہتر ہوگا۔
+
+✅ ان مختلف طریقوں کے بارے میں سوچیں جن سے آپ ایک ہی چیز کی درخواست کر سکتے ہیں اور توقع کریں گے کہ انسان اسے سمجھ لے۔
+
+### کام - زبان کو سمجھنے والے ماڈلز میں ادارے شامل کریں
+
+ٹائمر کے لیے، آپ کو 2 ادارے شامل کرنے کی ضرورت ہے - ایک وقت کی اکائی (منٹ یا سیکنڈ) کے لیے، اور دوسرا منٹ یا سیکنڈ کی تعداد کے لیے۔
+
+LUIS پورٹل استعمال کرنے کے لیے ہدایات Microsoft Docs پر [Quickstart: Build your app in LUIS portal documentation](https://docs.microsoft.com/azure/cognitive-services/luis/luis-get-started-create-app?WT.mc_id=academic-17441-jabenn) میں مل سکتی ہیں۔
+
+1. LUIS پورٹل سے، *Entities* ٹیب منتخب کریں اور **Add prebuilt entity** بٹن منتخب کرکے *number* پہلے سے موجود ادارہ شامل کریں۔
+
+1. وقت کی اکائی کے لیے ایک نیا ادارہ **Create** بٹن کے ذریعے بنائیں۔ ادارے کا نام `time unit` رکھیں اور قسم کو *List* پر سیٹ کریں۔ *Normalized values* فہرست میں `minute` اور `second` کے لیے اقدار شامل کریں، اور *synonyms* فہرست میں واحد اور جمع شکلیں شامل کریں۔ ہر مترادف شامل کرنے کے بعد `return` دبائیں تاکہ اسے فہرست میں شامل کیا جا سکے۔
+
+    | معمول کی قدر | مترادفات        |
+    | ------------ | --------------- |
+    | منٹ          | منٹ، منٹس       |
+    | سیکنڈ        | سیکنڈ، سیکنڈز  |
+
+### کام - زبان کو سمجھنے والے ماڈلز میں ارادے شامل کریں
+
+1. *Intents* ٹیب سے، **Create** بٹن منتخب کریں تاکہ ایک نیا ارادہ بنایا جا سکے۔ اس ارادے کا نام `set timer` رکھیں۔
+
+1. مثالوں میں، مختلف طریقوں سے ٹائمر سیٹ کرنے کے جملے درج کریں، جن میں منٹ، سیکنڈ، اور منٹ اور سیکنڈ دونوں شامل ہوں۔ مثالیں ہو سکتی ہیں:
+
+    * `1 سیکنڈ کا ٹائمر سیٹ کریں`
+    * `4 منٹ کا ٹائمر سیٹ کریں`
+    * `چار منٹ چھ سیکنڈ کا ٹائمر سیٹ کریں`
+    * `9 منٹ 30 سیکنڈ کا ٹائمر سیٹ کریں`
+    * `1 منٹ اور 12 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+    * `3 منٹ کے لیے ٹائمر سیٹ کریں`
+    * `3 منٹ اور 1 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+    * `تین منٹ اور ایک سیکنڈ کے لیے ٹائمر سیٹ کریں`
+    * `1 منٹ اور 1 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+    * `30 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+    * `1 سیکنڈ کے لیے ٹائمر سیٹ کریں`
+
+    الفاظ اور عددی شکلوں کو مکس کریں تاکہ ماڈل دونوں کو سنبھالنا سیکھے۔
+
+1. جب آپ ہر مثال درج کریں، تو LUIS اداروں کا پتہ لگانا شروع کرے گا، اور کسی بھی ادارے کو انڈر لائن اور لیبل کرے گا۔
+
+    ![LUIS کے ذریعے مثالوں میں نمبر اور وقت کی اکائیوں کو انڈر لائن کیا گیا](../../../../../translated_images/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.ur.png)
+
+### کام - ماڈل کو تربیت دیں اور جانچ کریں
+
+1. جب ادارے اور ارادے ترتیب دیے جائیں، تو **Train** بٹن منتخب کرکے ماڈل کو تربیت دیں۔ یہ بٹن چند سیکنڈ میں ماڈل کو تربیت دے گا۔ تربیت کے دوران بٹن غیر فعال ہوگا، اور تربیت مکمل ہونے کے بعد دوبارہ فعال ہو جائے گا۔
+
+1. **Test** بٹن منتخب کریں تاکہ زبان کو سمجھنے والے ماڈل کی جانچ کی جا سکے۔ متن درج کریں جیسے `5 منٹ اور 4 سیکنڈ کے لیے ٹائمر سیٹ کریں` اور `return` دبائیں۔ جملہ اس ٹیکسٹ باکس کے نیچے ظاہر ہوگا جس میں آپ نے متن درج کیا تھا، اور اس کے نیچے *top intent* ہوگا، یا وہ ارادہ جو سب سے زیادہ امکان کے ساتھ پہچانا گیا۔ یہ `set timer` ہونا چاہیے۔ ارادے کے نام کے ساتھ اس کے درست ہونے کے امکان کی فیصد ہوگی۔
+
+1. **Inspect** آپشن منتخب کریں تاکہ نتائج کا تجزیہ کیا جا سکے۔ آپ کو سب سے زیادہ اسکور کرنے والے ارادے کے ساتھ اس کی فیصد امکان، اور پہچانے گئے اداروں کی فہرستیں نظر آئیں گی۔
+
+1. *Test* پین بند کریں جب آپ جانچ مکمل کر لیں۔
+
+### کام - ماڈل کو شائع کریں
+
+اس ماڈل کو کوڈ سے استعمال کرنے کے لیے، آپ کو اسے شائع کرنا ہوگا۔ LUIS سے شائع کرتے وقت، آپ اسے یا تو جانچ کے لیے ایک اسٹیجنگ ماحول میں شائع کر سکتے ہیں، یا مکمل ریلیز کے لیے ایک پروڈکٹ ماحول میں۔ اس سبق میں، اسٹیجنگ ماحول کافی ہے۔
+
+1. LUIS پورٹل سے، **Publish** بٹن منتخب کریں۔
+
+1. یقینی بنائیں کہ *Staging slot* منتخب ہے، پھر **Done** منتخب کریں۔ آپ کو ایک اطلاع نظر آئے گی جب ایپ شائع ہو جائے۔
+
+1. آپ اسے curl کے ذریعے جانچ سکتے ہیں۔ curl کمانڈ بنانے کے لیے، آپ کو تین اقدار کی ضرورت ہوگی - endpoint، application ID (App ID) اور API key۔ یہ **MANAGE** ٹیب سے حاصل کیے جا سکتے ہیں جو اوپر کے مینو سے منتخب کیا جا سکتا ہے۔
+
+    1. *Settings* سیکشن سے App ID کاپی کریں
+1. *Azure Resources* کے سیکشن سے *Authoring Resource* منتخب کریں، اور *Primary Key* اور *Endpoint URL* کو کاپی کریں۔
+
+1. اپنے کمانڈ پرامپٹ یا ٹرمینل میں درج ذیل curl کمانڈ چلائیں:
+
+    ```sh
+    curl "<endpoint url>/luis/prediction/v3.0/apps/<app id>/slots/staging/predict" \
+          --request GET \
+          --get \
+          --data "subscription-key=<primary key>" \
+          --data "verbose=false" \
+          --data "show-all-intents=true" \
+          --data-urlencode "query=<sentence>"
+    ```
+
+    `<endpoint url>` کو *Azure Resources* سیکشن سے حاصل کردہ Endpoint URL سے تبدیل کریں۔
+
+    `<app id>` کو *Settings* سیکشن سے حاصل کردہ App ID سے تبدیل کریں۔
+
+    `<primary key>` کو *Azure Resources* سیکشن سے حاصل کردہ Primary Key سے تبدیل کریں۔
+
+    `<sentence>` کو اس جملے سے تبدیل کریں جسے آپ ٹیسٹ کرنا چاہتے ہیں۔
+
+1. اس کال کا نتیجہ ایک JSON دستاویز ہوگا جو کوئری، سب سے اوپر کی نیت، اور مختلف اقسام کے لحاظ سے تقسیم شدہ entities کی فہرست کو تفصیل سے بیان کرے گا۔
+
+    ```JSON
+    {
+        "query": "set a timer for 45 minutes and 12 seconds",
+        "prediction": {
+            "topIntent": "set timer",
+            "intents": {
+                "set timer": {
+                    "score": 0.97031575
+                },
+                "None": {
+                    "score": 0.02205793
+                }
+            },
+            "entities": {
+                "number": [
+                    45,
+                    12
+                ],
+                "time-unit": [
+                    [
+                        "minute"
+                    ],
+                    [
+                        "second"
+                    ]
+                ]
+            }
+        }
+    }
+    ```
+
+    اوپر دیا گیا JSON `set a timer for 45 minutes and 12 seconds` کے ساتھ کوئری کرنے سے آیا ہے:
+
+    * `set timer` سب سے اوپر کی نیت تھی جس کی امکانیت 97% تھی۔
+    * دو *number* entities کا پتہ چلا، `45` اور `12`۔
+    * دو *time-unit* entities کا پتہ چلا، `minute` اور `second`۔
+
+## زبان کو سمجھنے والے ماڈل کا استعمال کریں
+
+جب LUIS ماڈل شائع ہو جائے، تو اسے کوڈ سے کال کیا جا سکتا ہے۔ پچھلے اسباق میں، آپ نے IoT Hub استعمال کیا تھا تاکہ کلاؤڈ سروسز کے ساتھ مواصلات کو سنبھالا جا سکے، ٹیلیمیٹری بھیجنے اور کمانڈز سننے کے لیے۔ یہ بہت غیر متزامن ہے - ایک بار ٹیلیمیٹری بھیجنے کے بعد آپ کا کوڈ جواب کا انتظار نہیں کرتا، اور اگر کلاؤڈ سروس بند ہو جائے، تو آپ کو معلوم نہیں ہوگا۔
+
+ایک سمارٹ ٹائمر کے لیے، ہم فوری جواب چاہتے ہیں تاکہ ہم صارف کو بتا سکیں کہ ٹائمر سیٹ ہو گیا ہے، یا انہیں خبردار کر سکیں کہ کلاؤڈ سروسز دستیاب نہیں ہیں۔ ایسا کرنے کے لیے، ہمارا IoT ڈیوائس براہ راست ویب endpoint کو کال کرے گا، IoT Hub پر انحصار کرنے کے بجائے۔
+
+LUIS کو IoT ڈیوائس سے کال کرنے کے بجائے، آپ سرور لیس کوڈ استعمال کر سکتے ہیں جس میں ایک مختلف قسم کا trigger ہو - ایک HTTP trigger۔ یہ آپ کی function app کو REST درخواستوں کے لیے سننے اور ان کا جواب دینے کی اجازت دیتا ہے۔ یہ فنکشن ایک REST endpoint ہوگا جسے آپ کا ڈیوائس کال کر سکتا ہے۔
+
+> 💁 اگرچہ آپ LUIS کو براہ راست اپنے IoT ڈیوائس سے کال کر سکتے ہیں، لیکن سرور لیس کوڈ جیسا کچھ استعمال کرنا بہتر ہے۔ اس طرح جب آپ اس LUIS ایپ کو تبدیل کرنا چاہیں جسے آپ کال کر رہے ہیں، مثال کے طور پر جب آپ ایک بہتر ماڈل ٹرین کریں یا کسی مختلف زبان میں ماڈل ٹرین کریں، تو آپ کو صرف اپنے کلاؤڈ کوڈ کو اپ ڈیٹ کرنا ہوگا، نہ کہ ہزاروں یا لاکھوں IoT ڈیوائسز پر کوڈ کو دوبارہ تعینات کرنا۔
+
+### کام - ایک سرور لیس فنکشنز ایپ بنائیں
+
+1. ایک Azure Functions ایپ بنائیں جس کا نام `smart-timer-trigger` ہو، اور اسے VS Code میں کھولیں۔
+
+1. اس ایپ میں ایک HTTP trigger شامل کریں جس کا نام `speech-trigger` ہو، درج ذیل کمانڈ کو VS Code ٹرمینل کے اندر سے چلائیں:
+
+    ```sh
+    func new --name text-to-timer --template "HTTP trigger"
+    ```
+
+    یہ ایک HTTP trigger بنائے گا جس کا نام `text-to-timer` ہوگا۔
+
+1. HTTP trigger کو فنکشنز ایپ چلا کر ٹیسٹ کریں۔ جب یہ چلے گا تو آپ کو آؤٹ پٹ میں endpoint نظر آئے گا:
+
+    ```output
+    Functions:
+    
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    ```
+
+    اسے اپنے براؤزر میں [http://localhost:7071/api/text-to-timer](http://localhost:7071/api/text-to-timer) URL لوڈ کر کے ٹیسٹ کریں۔
+
+    ```output
+    This HTTP triggered function executed successfully. Pass a name in the query string or in the request body for a personalized response.
+    ```
+
+### کام - زبان کو سمجھنے والے ماڈل کا استعمال کریں
+
+1. LUIS کے لیے SDK ایک Pip پیکج کے ذریعے دستیاب ہے۔ `requirements.txt` فائل میں درج ذیل لائن شامل کریں تاکہ اس پیکج پر انحصار شامل کیا جا سکے:
+
+    ```sh
+    azure-cognitiveservices-language-luis
+    ```
+
+1. یقینی بنائیں کہ VS Code ٹرمینل میں ورچوئل ماحول فعال ہے، اور درج ذیل کمانڈ چلائیں تاکہ Pip پیکجز انسٹال کیے جا سکیں:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > 💁 اگر آپ کو غلطیاں ملیں، تو آپ کو درج ذیل کمانڈ کے ذریعے pip کو اپ گریڈ کرنے کی ضرورت ہو سکتی ہے:
+    >
+    > ```sh
+    > pip install --upgrade pip
+    > ```
+
+1. `local.settings.json` فائل میں اپنے LUIS API Key، Endpoint URL، اور App ID کے لیے نئے اندراجات شامل کریں جو LUIS پورٹل کے **MANAGE** ٹیب سے حاصل کیے گئے ہیں:
+
+    ```JSON
+    "LUIS_KEY": "<primary key>",
+    "LUIS_ENDPOINT_URL": "<endpoint url>",
+    "LUIS_APP_ID": "<app id>"
+    ```
+
+    `<endpoint url>` کو **MANAGE** ٹیب کے *Azure Resources* سیکشن سے حاصل کردہ Endpoint URL سے تبدیل کریں۔ یہ `https://<location>.api.cognitive.microsoft.com/` ہوگا۔
+
+    `<app id>` کو **MANAGE** ٹیب کے *Settings* سیکشن سے حاصل کردہ App ID سے تبدیل کریں۔
+
+    `<primary key>` کو **MANAGE** ٹیب کے *Azure Resources* سیکشن سے حاصل کردہ Primary Key سے تبدیل کریں۔
+
+1. `__init__.py` فائل میں درج ذیل درآمدات شامل کریں:
+
+    ```python
+    import json
+    import os
+    from azure.cognitiveservices.language.luis.runtime import LUISRuntimeClient
+    from msrest.authentication import CognitiveServicesCredentials
+    ```
+
+    یہ کچھ سسٹم لائبریریوں کے ساتھ ساتھ LUIS کے ساتھ تعامل کرنے کے لیے لائبریریوں کو درآمد کرتا ہے۔
+
+1. `main` میتھڈ کے مواد کو حذف کریں، اور درج ذیل کوڈ شامل کریں:
+
+    ```python
+    luis_key = os.environ['LUIS_KEY']
+    endpoint_url = os.environ['LUIS_ENDPOINT_URL']
+    app_id = os.environ['LUIS_APP_ID']
+    
+    credentials = CognitiveServicesCredentials(luis_key)
+    client = LUISRuntimeClient(endpoint=endpoint_url, credentials=credentials)
+    ```
+
+    یہ آپ کے LUIS ایپ کے لیے `local.settings.json` فائل میں شامل کردہ اقدار کو لوڈ کرتا ہے، آپ کے API key کے ساتھ ایک credentials object بناتا ہے، پھر آپ کے LUIS ایپ کے ساتھ تعامل کرنے کے لیے ایک LUIS client object بناتا ہے۔
+
+1. یہ HTTP trigger JSON کے طور پر سمجھنے کے لیے متن پاس کرتے ہوئے کال کیا جائے گا، جس میں متن `text` پراپرٹی میں ہوگا۔ درج ذیل کوڈ HTTP درخواست کے باڈی سے قدر نکالتا ہے، اور اسے کنسول میں لاگ کرتا ہے۔ یہ کوڈ `main` فنکشن میں شامل کریں:
+
+    ```python
+    req_body = req.get_json()
+    text = req_body['text']
+    logging.info(f'Request - {text}')
+    ```
+
+1. LUIS سے پیش گوئی کی درخواستیں بھیج کر پیش گوئی کی جاتی ہیں - ایک JSON دستاویز جس میں پیش گوئی کرنے کے لیے متن شامل ہوتا ہے۔ درج ذیل کوڈ کے ساتھ یہ بنائیں:
+
+    ```python
+    prediction_request = { 'query' : text }
+    ```
+
+1. یہ درخواست LUIS کو بھیجی جا سکتی ہے، اس staging slot کا استعمال کرتے ہوئے جس پر آپ کی ایپ شائع ہوئی تھی:
+
+    ```python
+    prediction_response = client.prediction.get_slot_prediction(app_id, 'Staging', prediction_request)
+    ```
+
+1. پیش گوئی کے جواب میں سب سے اوپر کی نیت شامل ہوتی ہے - سب سے زیادہ پیش گوئی سکور کے ساتھ نیت، اور entities۔ اگر سب سے اوپر کی نیت `set timer` ہے، تو entities کو پڑھا جا سکتا ہے تاکہ ٹائمر کے لیے مطلوبہ وقت حاصل کیا جا سکے:
+
+    ```python
+    if prediction_response.prediction.top_intent == 'set timer':
+        numbers = prediction_response.prediction.entities['number']
+        time_units = prediction_response.prediction.entities['time unit']
+        total_seconds = 0
+    ```
+
+    `number` entities ایک نمبروں کی array ہوگی۔ مثال کے طور پر، اگر آپ نے کہا *"Set a four minute 17 second timer."*، تو `number` array میں 2 integers ہوں گے - 4 اور 17۔
+
+    `time unit` entities arrays کی arrays ہوں گی جن میں ہر وقت کی اکائی ایک array کے اندر ہوگی۔ مثال کے طور پر، اگر آپ نے کہا *"Set a four minute 17 second timer."*، تو `time unit` array میں 2 arrays ہوں گے جن میں ہر ایک میں ایک قدر ہوگی - `['minute']` اور `['second']`۔
+
+    *"Set a four minute 17 second timer."* کے لیے ان entities کا JSON ورژن:
+
+    ```json
+    {
+        "number": [4, 17],
+        "time unit": [
+            ["minute"],
+            ["second"]
+        ]
+    }
+    ```
+
+    یہ کوڈ ٹائمر کے لیے کل وقت سیکنڈز میں شمار کرنے کے لیے ایک count بھی بیان کرتا ہے۔ یہ entities کی اقدار سے بھرا جائے گا۔
+
+1. entities آپس میں جڑے ہوئے نہیں ہیں، لیکن ہم ان کے بارے میں کچھ مفروضے بنا سکتے ہیں۔ یہ بولے گئے ترتیب میں ہوں گے، لہذا array میں پوزیشن کا استعمال کیا جا سکتا ہے تاکہ یہ معلوم کیا جا سکے کہ کون سا نمبر کس وقت کی اکائی سے میل کھاتا ہے۔ مثال کے طور پر:
+
+    * *"Set a 30 second timer"* - اس میں ایک نمبر ہوگا، `30`, اور ایک وقت کی اکائی، `second`، لہذا واحد نمبر واحد وقت کی اکائی سے میل کھائے گا۔
+    * *"Set a 2 minute and 30 second timer"* - اس میں دو نمبر ہوں گے، `2` اور `30`, اور دو وقت کی اکائیاں، `minute` اور `second`, لہذا پہلا نمبر پہلی وقت کی اکائی کے لیے ہوگا (2 منٹ)، اور دوسرا نمبر دوسری وقت کی اکائی کے لیے ہوگا (30 سیکنڈ)۔
+
+    درج ذیل کوڈ number entities میں اشیاء کی تعداد حاصل کرتا ہے، اور اس کا استعمال کرتے ہوئے ہر array سے پہلے آئٹم کو نکالتا ہے، پھر دوسرا اور اسی طرح۔ اسے `if` بلاک کے اندر شامل کریں۔
+
+    ```python
+    for i in range(0, len(numbers)):
+        number = numbers[i]
+        time_unit = time_units[i][0]
+    ```
+
+    *"Set a four minute 17 second timer."* کے لیے، یہ دو بار loop کرے گا، درج ذیل اقدار دے گا:
+
+    | loop count | `number` | `time_unit` |
+    | ---------: | -------: | ----------- |
+    | 0          | 4        | minute      |
+    | 1          | 17       | second      |
+
+1. اس loop کے اندر، نمبر اور وقت کی اکائی کا استعمال کرتے ہوئے ٹائمر کے لیے کل وقت کا حساب لگائیں، ہر منٹ کے لیے 60 سیکنڈز شامل کریں، اور کسی بھی سیکنڈز کے لیے نمبر شامل کریں۔
+
+    ```python
+    if time_unit == 'minute':
+        total_seconds += number * 60
+    else:
+        total_seconds += number
+    ```
+
+1. entities کے ذریعے loop کے باہر، ٹائمر کے لیے کل وقت کو لاگ کریں:
+
+    ```python
+    logging.info(f'Timer required for {total_seconds} seconds')
+    ```
+
+1. سیکنڈز کی تعداد کو HTTP جواب کے طور پر فنکشن سے واپس کرنے کی ضرورت ہے۔ `if` بلاک کے آخر میں درج ذیل شامل کریں:
+
+    ```python
+    payload = {
+        'seconds': total_seconds
+    }
+    return func.HttpResponse(json.dumps(payload), status_code=200)
+    ```
+
+    یہ کوڈ ایک payload بناتا ہے جس میں ٹائمر کے لیے کل سیکنڈز کی تعداد شامل ہوتی ہے، اسے JSON string میں تبدیل کرتا ہے اور اسے HTTP نتیجے کے طور پر واپس کرتا ہے جس کا status code 200 ہوتا ہے، جو کامیاب کال کو ظاہر کرتا ہے۔
+
+1. آخر میں، `if` بلاک کے باہر، اگر نیت کو پہچانا نہ گیا ہو تو ایک error code واپس کریں:
+
+    ```python
+    return func.HttpResponse(status_code=404)
+    ```
+
+    404 *not found* کے لیے status code ہے۔
+
+1. فنکشن ایپ چلائیں اور اسے curl کے ذریعے ٹیسٹ کریں۔
+
+    ```sh
+    curl --request POST 'http://localhost:7071/api/text-to-timer' \
+         --header 'Content-Type: application/json' \
+         --include \
+         --data '{"text":"<text>"}'
+    ```
+
+    `<text>` کو اپنی درخواست کے متن سے تبدیل کریں، مثال کے طور پر `set a 2 minutes 27 second timer`۔
+
+    آپ فنکشنز ایپ سے درج ذیل آؤٹ پٹ دیکھیں گے:
+
+    ```output
+    Functions:
+
+            text-to-timer: [GET,POST] http://localhost:7071/api/text-to-timer
+    
+    For detailed output, run func with --verbose flag.
+    [2021-06-26T19:45:14.502Z] Worker process started and initialized.
+    [2021-06-26T19:45:19.338Z] Host lock lease acquired by instance ID '000000000000000000000000951CAE4E'.
+    [2021-06-26T19:45:52.059Z] Executing 'Functions.text-to-timer' (Reason='This function was programmatically called via the host APIs.', Id=f68bfb90-30e4-47a5-99da-126b66218e81)
+    [2021-06-26T19:45:53.577Z] Timer required for 147 seconds
+    [2021-06-26T19:45:53.746Z] Executed 'Functions.text-to-timer' (Succeeded, Id=f68bfb90-30e4-47a5-99da-126b66218e81, Duration=1750ms)
+    ```
+
+    curl کی کال درج ذیل واپس کرے گی:
+
+    ```output
+    HTTP/1.1 200 OK
+    Date: Tue, 29 Jun 2021 01:14:11 GMT
+    Content-Type: text/plain; charset=utf-8
+    Server: Kestrel
+    Transfer-Encoding: chunked
+    
+    {"seconds": 147}
+    ```
+
+    ٹائمر کے لیے سیکنڈز کی تعداد `"seconds"` قدر میں ہوگی۔
+
+> 💁 آپ اس کوڈ کو [code/functions](../../../../../6-consumer/lessons/2-language-understanding/code/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - اپنے فنکشن کو اپنے IoT ڈیوائس کے لیے دستیاب بنائیں
+
+1. آپ کے IoT ڈیوائس کو آپ کے REST endpoint کو کال کرنے کے لیے URL جاننے کی ضرورت ہوگی۔ جب آپ نے اسے پہلے رسائی حاصل کی، تو آپ نے `localhost` استعمال کیا، جو آپ کے مقامی کمپیوٹر پر REST endpoints تک رسائی حاصل کرنے کے لیے ایک شارٹ کٹ ہے۔ اپنے IoT ڈیوائس کو رسائی حاصل کرنے کی اجازت دینے کے لیے، آپ کو یا تو کلاؤڈ پر شائع کرنا ہوگا، یا اپنے IP ایڈریس کو مقامی طور پر رسائی حاصل کرنے کے لیے حاصل کرنا ہوگا۔
+
+    > ⚠️ اگر آپ Wio Terminal استعمال کر رہے ہیں، تو فنکشن ایپ کو مقامی طور پر چلانا آسان ہے، کیونکہ لائبریریوں پر انحصار ہوگا جو آپ کو فنکشن ایپ کو اسی طرح تعینات کرنے کی اجازت نہیں دے گا جیسا کہ آپ نے پہلے کیا تھا۔ فنکشن ایپ کو مقامی طور پر چلائیں اور اپنے کمپیوٹر کے IP ایڈریس کے ذریعے رسائی حاصل کریں۔ اگر آپ کلاؤڈ پر تعینات کرنا چاہتے ہیں، تو بعد کے سبق میں اس کے طریقے کے بارے میں معلومات فراہم کی جائیں گی۔
+
+    * فنکشنز ایپ شائع کریں - اپنی فنکشنز ایپ کو کلاؤڈ پر شائع کرنے کے لیے پہلے کے اسباق میں دی گئی ہدایات پر عمل کریں۔ ایک بار شائع ہونے کے بعد، URL `https://<APP_NAME>.azurewebsites.net/api/text-to-timer` ہوگا، جہاں `<APP_NAME>` آپ کی فنکشنز ایپ کا نام ہوگا۔ یقینی بنائیں کہ اپنی مقامی ترتیبات بھی شائع کریں۔
+
+      HTTP triggers کے ساتھ کام کرتے وقت، وہ ڈیفالٹ طور پر ایک فنکشن ایپ key کے ساتھ محفوظ ہوتے ہیں۔ اس key کو حاصل کرنے کے لیے درج ذیل کمانڈ چلائیں:
+
+      ```sh
+      az functionapp keys list --resource-group smart-timer \
+                               --name <APP_NAME>                               
+      ```
+
+      `functionKeys` سیکشن سے `default` اندراج کی قدر کو کاپی کریں۔
+
+      ```output
+      {
+        "functionKeys": {
+          "default": "sQO1LQaeK9N1qYD6SXeb/TctCmwQEkToLJU6Dw8TthNeUH8VA45hlA=="
+        },
+        "masterKey": "RSKOAIlyvvQEQt9dfpabJT018scaLpQu9p1poHIMCxx5LYrIQZyQ/g==",
+        "systemKeys": {}
+      }
+      ```
+
+      اس key کو URL میں query parameter کے طور پر شامل کرنے کی ضرورت ہوگی، لہذا حتمی URL `https://<APP_NAME>.azurewebsites.net/api/text-to-timer?code=<FUNCTION_KEY>` ہوگا، جہاں `<APP_NAME>` آپ کی فنکشنز ایپ کا نام ہوگا، اور `<FUNCTION_KEY>` آپ کا ڈیفالٹ فنکشن key ہوگا۔
+
+      > 💁 آپ HTTP trigger کی authorization کی قسم کو `authlevel` سیٹنگ کے ذریعے `function.json` فائل میں تبدیل کر سکتے ہیں۔ آپ اس کے بارے میں مزید پڑھ سکتے ہیں [Azure Functions HTTP trigger documentation on Microsoft docs](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python#configuration) کے configuration سیکشن میں۔
+
+    * فنکشنز ایپ کو مقامی طور پر چلائیں، اور IP ایڈریس کا استعمال کرتے ہوئے رسائی حاصل کریں - آپ اپنے کمپیوٹر کے IP ایڈریس کو اپنے مقامی نیٹ ورک پر حاصل کر سکتے ہیں، اور اس کا استعمال کرتے ہوئے URL بنا سکتے ہیں۔
+
+      اپنا IP ایڈریس تلاش کریں:
+
+      * Windows 10 پر، [find your IP address guide](https://support.microsoft.com/windows/find-your-ip-address-f21a9bbc-c582-55cd-35e0-73431160a1b9?WT.mc_id=academic-17441-jabenn) پر عمل کریں۔
+      * macOS پر، [how to find you IP address on a Mac guide](https://www.hellotech.com/guide/for/how-to-find-ip-address-on-mac) پر عمل کریں۔
+      * linux پر، [how to find your IP address in Linux guide](https://opensource.com/article/18/5/how-find-ip-address-linux) کے سیکشن پر عمل کریں۔
+
+      ایک بار جب آپ کے پاس آپ کا IP ایڈریس ہو، تو آپ فنکشن کو `http://` کے ذریعے رسائی حاصل کر سکیں گے۔
+<آئی_پی_ایڈریس>
+:7071/api/text-to-timer`, جہاں `<IP_ADDRESS>` آپ کا IP ایڈریس ہوگا، مثال کے طور پر `http://192.168.1.10:7071/api/text-to-timer`.
+
+      > 💁 یاد رکھیں کہ یہ پورٹ 7071 استعمال کرتا ہے، لہذا IP ایڈریس کے بعد آپ کو `:7071` شامل کرنا ہوگا۔
+
+      > 💁 یہ صرف اس وقت کام کرے گا جب آپ کا IoT ڈیوائس آپ کے کمپیوٹر کے ساتھ ایک ہی نیٹ ورک پر ہو۔
+
+1. curl استعمال کرتے ہوئے endpoint کو ٹیسٹ کریں۔
+
+---
+
+## 🚀 چیلنج
+
+ایک ہی چیز کی درخواست کرنے کے کئی طریقے ہیں، جیسے کہ ٹائمر سیٹ کرنا۔ مختلف طریقوں کے بارے میں سوچیں اور انہیں اپنے LUIS ایپ میں مثالوں کے طور پر استعمال کریں۔ ان کو ٹیسٹ کریں تاکہ یہ دیکھ سکیں کہ آپ کا ماڈل مختلف طریقوں سے ٹائمر کی درخواست کو کس حد تک سمجھ سکتا ہے۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/44)
+
+## جائزہ اور خود مطالعہ
+
+* LUIS اور اس کی صلاحیتوں کے بارے میں مزید پڑھیں [Microsoft docs پر Language Understanding (LUIS) documentation صفحہ](https://docs.microsoft.com/azure/cognitive-services/luis/?WT.mc_id=academic-17441-jabenn)
+* زبان کی سمجھ کے بارے میں مزید پڑھیں [Wikipedia پر natural-language understanding صفحہ](https://wikipedia.org/wiki/Natural-language_understanding)
+* HTTP triggers کے بارے میں مزید پڑھیں [Microsoft docs پر Azure Functions HTTP trigger documentation صفحہ](https://docs.microsoft.com/azure/azure-functions/functions-bindings-http-webhook-trigger?WT.mc_id=academic-17441-jabenn&tabs=python)
+
+## اسائنمنٹ
+
+[ٹائمر منسوخ کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/2-language-understanding/assignment.md b/translations/ur/6-consumer/lessons/2-language-understanding/assignment.md
new file mode 100644
index 00000000..ee5957cb
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/2-language-understanding/assignment.md
@@ -0,0 +1,28 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a7262a0c48dfacdfe1ff91b20bf16fd",
+  "translation_date": "2025-08-27T00:06:49+00:00",
+  "source_file": "6-consumer/lessons/2-language-understanding/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ٹائمر منسوخ کریں
+
+## ہدایات
+
+اب تک اس سبق میں آپ نے ایک ماڈل کو ٹائمر سیٹ کرنے کے لیے تربیت دی ہے۔ ایک اور مفید خصوصیت ٹائمر کو منسوخ کرنا ہے - شاید آپ کی روٹی تیار ہو گئی ہو اور اسے اوون سے نکالنے کی ضرورت ہو اس سے پہلے کہ ٹائمر ختم ہو۔
+
+اپنے LUIS ایپ میں ایک نیا ارادہ شامل کریں تاکہ ٹائمر کو منسوخ کیا جا سکے۔ اس کے لیے کسی بھی ادارے (entities) کی ضرورت نہیں ہوگی، لیکن کچھ مثال جملے شامل کرنے ہوں گے۔ اگر یہ سب سے اوپر کا ارادہ ہو تو اسے اپنے سرور لیس کوڈ میں ہینڈل کریں، اس بات کو لاگ کریں کہ ارادہ پہچانا گیا ہے اور ایک مناسب جواب واپس کریں۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| LUIS ایپ میں ٹائمر منسوخ کرنے کا ارادہ شامل کریں | ارادہ شامل کرنے اور ماڈل کو تربیت دینے میں کامیاب | ارادہ شامل کرنے میں کامیاب لیکن ماڈل کو تربیت دینے میں ناکام | ارادہ شامل کرنے اور ماڈل کو تربیت دینے میں ناکام |
+| سرور لیس ایپ میں ارادے کو ہینڈل کریں | ارادے کو سب سے اوپر کے ارادے کے طور پر پہچاننے اور لاگ کرنے میں کامیاب | ارادے کو سب سے اوپر کے ارادے کے طور پر پہچاننے میں کامیاب | ارادے کو سب سے اوپر کے ارادے کے طور پر پہچاننے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md
new file mode 100644
index 00000000..765be31c
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md
@@ -0,0 +1,142 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b73fe10ec6b580fba2affb6f6e0a5c4d",
+  "translation_date": "2025-08-27T00:09:31+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/README.md",
+  "language_code": "ur"
+}
+-->
+# ٹائمر سیٹ کریں اور زبانی فیڈبیک فراہم کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی جانب سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/45)
+
+## تعارف
+
+سمارٹ اسسٹنٹس یک طرفہ مواصلاتی آلات نہیں ہیں۔ آپ ان سے بات کرتے ہیں، اور وہ جواب دیتے ہیں:
+
+"الیکسا، 3 منٹ کا ٹائمر سیٹ کرو"
+
+"ٹھیک ہے، آپ کا ٹائمر 3 منٹ کے لیے سیٹ کر دیا گیا ہے"
+
+پچھلے دو اسباق میں آپ نے سیکھا کہ آواز کو متن میں کیسے تبدیل کریں، اور پھر اس متن سے ٹائمر سیٹ کرنے کی درخواست نکالیں۔ اس سبق میں آپ سیکھیں گے کہ IoT ڈیوائس پر ٹائمر کیسے سیٹ کریں، صارف کو زبانی الفاظ کے ذریعے ان کے ٹائمر کی تصدیق کریں، اور انہیں ٹائمر ختم ہونے پر مطلع کریں۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [متن سے آواز](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [ٹائمر سیٹ کریں](../../../../../6-consumer/lessons/3-spoken-feedback)
+* [متن کو آواز میں تبدیل کریں](../../../../../6-consumer/lessons/3-spoken-feedback)
+
+## متن سے آواز
+
+متن سے آواز، جیسا کہ نام سے ظاہر ہے، وہ عمل ہے جس میں متن کو آڈیو میں تبدیل کیا جاتا ہے جو الفاظ کو بولے گئے انداز میں پیش کرتا ہے۔ بنیادی اصول یہ ہے کہ متن کے الفاظ کو ان کے بنیادی آوازوں (جنہیں فونیمز کہا جاتا ہے) میں تقسیم کیا جائے، اور ان آوازوں کے لیے آڈیو کو جوڑا جائے، چاہے وہ پہلے سے ریکارڈ شدہ آڈیو ہو یا AI ماڈلز کے ذریعے تیار کردہ آڈیو۔
+
+![عام متن سے آواز کے نظام کے تین مراحل](../../../../../translated_images/tts-overview.193843cf3f5ee09f8b3371a9fdaeb0f116698a07ca69daaa77158da4800e5453.ur.png)
+
+متن سے آواز کے نظام عام طور پر تین مراحل پر مشتمل ہوتے ہیں:
+
+* متن کا تجزیہ
+* لسانی تجزیہ
+* ویو فارم جنریشن
+
+### متن کا تجزیہ
+
+متن کا تجزیہ فراہم کردہ متن کو لے کر ایسے الفاظ میں تبدیل کرتا ہے جنہیں آواز میں تبدیل کیا جا سکتا ہے۔ مثال کے طور پر، اگر آپ "ہیلو ورلڈ" کو تبدیل کریں، تو کوئی متن کا تجزیہ درکار نہیں ہوگا، یہ دو الفاظ براہ راست آواز میں تبدیل کیے جا سکتے ہیں۔ لیکن اگر آپ کے پاس "1234" ہو، تو اسے سیاق و سباق کے مطابق "ایک ہزار دو سو چونتیس" یا "ایک، دو، تین، چار" میں تبدیل کرنا پڑے گا۔ مثال کے طور پر "میرے پاس 1234 سیب ہیں" میں یہ "ایک ہزار دو سو چونتیس" ہوگا، لیکن "بچے نے 1234 گنے" میں یہ "ایک، دو، تین، چار" ہوگا۔
+
+الفاظ نہ صرف زبان کے لحاظ سے بلکہ اس زبان کے مقام کے لحاظ سے بھی مختلف ہوتے ہیں۔ مثال کے طور پر، امریکی انگریزی میں 120 کو "ایک سو بیس" کہا جاتا ہے، جبکہ برطانوی انگریزی میں اسے "ایک سو اور بیس" کہا جاتا ہے، جہاں "اور" کا استعمال ہوتا ہے۔
+
+✅ کچھ دیگر مثالیں جو متن کے تجزیے کی ضرورت ہوتی ہیں، جیسے "in" انچ کے مختصر نام کے طور پر، اور "st" سینٹ یا اسٹریٹ کے مختصر نام کے طور پر۔ کیا آپ اپنی زبان میں ایسے الفاظ کے بارے میں سوچ سکتے ہیں جو سیاق و سباق کے بغیر مبہم ہوں؟
+
+ایک بار جب الفاظ کی وضاحت ہو جائے، انہیں لسانی تجزیے کے لیے بھیجا جاتا ہے۔
+
+### لسانی تجزیہ
+
+لسانی تجزیہ الفاظ کو فونیمز میں تقسیم کرتا ہے۔ فونیمز صرف استعمال شدہ حروف پر مبنی نہیں ہوتے بلکہ لفظ میں موجود دیگر حروف پر بھی منحصر ہوتے ہیں۔ مثال کے طور پر، انگریزی میں 'a' کی آواز 'car' اور 'care' میں مختلف ہوتی ہے۔ انگریزی زبان میں 26 حروف کے لیے 44 مختلف فونیمز ہیں، کچھ مختلف حروف کے ذریعے مشترک ہوتے ہیں، جیسے 'circle' اور 'serpent' کے آغاز میں ایک ہی فونیم استعمال ہوتا ہے۔
+
+✅ تحقیق کریں: آپ کی زبان کے فونیمز کیا ہیں؟
+
+ایک بار جب الفاظ کو فونیمز میں تبدیل کر دیا جائے، ان فونیمز کو اضافی ڈیٹا کی ضرورت ہوتی ہے تاکہ سیاق و سباق کے مطابق لہجہ، آواز کی مدت، اور دیگر پہلوؤں کو ایڈجسٹ کیا جا سکے۔ مثال کے طور پر، انگریزی میں پچ بڑھانے سے جملے کو سوال میں تبدیل کیا جا سکتا ہے، آخری لفظ کے لیے پچ بڑھانے سے سوال کا مطلب ہوتا ہے۔
+
+مثال کے طور پر - جملہ "آپ کے پاس ایک سیب ہے" ایک بیان ہے جو کہتا ہے کہ آپ کے پاس ایک سیب ہے۔ اگر آخر میں پچ بڑھ جائے، خاص طور پر لفظ "سیب" کے لیے، تو یہ سوال بن جاتا ہے "آپ کے پاس ایک سیب ہے؟"، یہ پوچھتے ہوئے کہ آیا آپ کے پاس ایک سیب ہے۔ لسانی تجزیے کو سوالیہ نشان کا استعمال کرنا پڑتا ہے تاکہ پچ بڑھائی جا سکے۔
+
+ایک بار جب فونیمز تیار ہو جائیں، انہیں ویو فارم جنریشن کے لیے بھیجا جاتا ہے تاکہ آڈیو آؤٹ پٹ تیار کیا جا سکے۔
+
+### ویو فارم جنریشن
+
+پہلے الیکٹرانک متن سے آواز کے نظام ہر فونیم کے لیے واحد آڈیو ریکارڈنگ استعمال کرتے تھے، جس کی وجہ سے آواز بہت یکساں اور روبوٹ جیسی لگتی تھی۔ لسانی تجزیہ فونیمز تیار کرتا، یہ فونیمز آوازوں کے ڈیٹا بیس سے لوڈ کیے جاتے اور آڈیو بنانے کے لیے جوڑے جاتے۔
+
+✅ تحقیق کریں: ابتدائی آواز ترکیب کے نظام سے کچھ آڈیو ریکارڈنگ تلاش کریں۔ اس کا موازنہ جدید آواز ترکیب سے کریں، جیسے کہ سمارٹ اسسٹنٹس میں استعمال ہونے والی۔
+
+جدید ویو فارم جنریشن مشین لرننگ ماڈلز کا استعمال کرتی ہے جو ڈیپ لرننگ (بہت بڑے نیورل نیٹ ورکس جو دماغ میں نیورونز کی طرح کام کرتے ہیں) کے ذریعے تیار کیے گئے ہیں تاکہ زیادہ قدرتی آوازیں پیدا کی جا سکیں جو انسانوں سے الگ نہ کی جا سکیں۔
+
+> 💁 ان میں سے کچھ مشین لرننگ ماڈلز کو ٹرانسفر لرننگ کے ذریعے دوبارہ تربیت دی جا سکتی ہے تاکہ وہ حقیقی لوگوں کی طرح آواز نکال سکیں۔ اس کا مطلب ہے کہ آواز کو سیکیورٹی سسٹم کے طور پر استعمال کرنا، جسے بینک زیادہ سے زیادہ اپنانے کی کوشش کر رہے ہیں، اب اچھا خیال نہیں رہا کیونکہ کوئی بھی آپ کی آواز کی چند منٹ کی ریکارڈنگ کے ساتھ آپ کی نقل کر سکتا ہے۔
+
+یہ بڑے مشین لرننگ ماڈلز تینوں مراحل کو ایک ساتھ جوڑ کر اختتام سے اختتام تک آواز ترکیب کرنے والے نظام بنا رہے ہیں۔
+
+## ٹائمر سیٹ کریں
+
+ٹائمر سیٹ کرنے کے لیے، آپ کے IoT ڈیوائس کو سرور لیس کوڈ کا استعمال کرتے ہوئے بنائے گئے REST اینڈ پوائنٹ کو کال کرنا ہوگا، اور پھر حاصل شدہ سیکنڈز کی تعداد کو استعمال کرتے ہوئے ٹائمر سیٹ کرنا ہوگا۔
+
+### کام - سرور لیس فنکشن کو کال کریں تاکہ ٹائمر کا وقت حاصل کیا جا سکے
+
+اپنے IoT ڈیوائس سے REST اینڈ پوائنٹ کو کال کرنے اور مطلوبہ وقت کے لیے ٹائمر سیٹ کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [آرڈوینو - وائیو ٹرمینل](wio-terminal-set-timer.md)
+* [سنگل بورڈ کمپیوٹر - راسپبیری پائی/ورچوئل IoT ڈیوائس](single-board-computer-set-timer.md)
+
+## متن کو آواز میں تبدیل کریں
+
+وہی آواز سروس جو آپ نے آواز کو متن میں تبدیل کرنے کے لیے استعمال کی تھی، متن کو واپس آواز میں تبدیل کرنے کے لیے استعمال کی جا سکتی ہے، اور یہ آپ کے IoT ڈیوائس کے اسپیکر کے ذریعے چلائی جا سکتی ہے۔ تبدیل کرنے کے لیے متن آواز سروس کو بھیجا جاتا ہے، ساتھ ہی مطلوبہ آڈیو کی قسم (جیسے سیمپل ریٹ)، اور بائنری ڈیٹا جس میں آڈیو شامل ہوتا ہے واپس کیا جاتا ہے۔
+
+جب آپ یہ درخواست بھیجتے ہیں، تو آپ اسے *Speech Synthesis Markup Language* (SSML) کا استعمال کرتے ہوئے بھیجتے ہیں، جو آواز ترکیب کے ایپلیکیشنز کے لیے XML پر مبنی مارک اپ زبان ہے۔ یہ نہ صرف تبدیل کرنے کے لیے متن کی وضاحت کرتا ہے بلکہ متن کی زبان، استعمال کرنے والی آواز، اور یہاں تک کہ کچھ یا تمام الفاظ کے لیے رفتار، حجم، اور پچ کی وضاحت بھی کر سکتا ہے۔
+
+مثال کے طور پر، یہ SSML ایک درخواست کی وضاحت کرتا ہے کہ "آپ کا 3 منٹ 5 سیکنڈ کا ٹائمر سیٹ کر دیا گیا ہے" کو برطانوی انگریزی کی آواز `en-GB-MiaNeural` کا استعمال کرتے ہوئے آواز میں تبدیل کیا جائے۔
+
+```xml
+<speak version='1.0' xml:lang='en-GB'>
+    <voice xml:lang='en-GB' name='en-GB-MiaNeural'>
+        Your 3 minute 5 second time has been set
+    </voice>
+</speak>
+```
+
+> 💁 زیادہ تر متن سے آواز کے نظام مختلف زبانوں کے لیے متعدد آوازیں رکھتے ہیں، متعلقہ لہجوں کے ساتھ جیسے کہ برطانوی انگریزی کی آواز انگریزی لہجے کے ساتھ اور نیوزی لینڈ انگریزی کی آواز نیوزی لینڈ کے لہجے کے ساتھ۔
+
+### کام - متن کو آواز میں تبدیل کریں
+
+اپنے IoT ڈیوائس کا استعمال کرتے ہوئے متن کو آواز میں تبدیل کرنے کے لیے متعلقہ گائیڈ پر عمل کریں:
+
+* [آرڈوینو - وائیو ٹرمینل](wio-terminal-text-to-speech.md)
+* [سنگل بورڈ کمپیوٹر - راسپبیری پائی](pi-text-to-speech.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-text-to-speech.md)
+
+---
+
+## 🚀 چیلنج
+
+SSML میں الفاظ کے بولنے کے انداز کو تبدیل کرنے کے طریقے موجود ہیں، جیسے کہ کچھ الفاظ پر زور دینا، وقفے شامل کرنا، یا پچ کو تبدیل کرنا۔ ان میں سے کچھ کو آزمائیں، اپنے IoT ڈیوائس سے مختلف SSML بھیجیں اور آؤٹ پٹ کا موازنہ کریں۔ آپ SSML کے بارے میں مزید پڑھ سکتے ہیں، بشمول الفاظ کے بولنے کے انداز کو تبدیل کرنے کے طریقے، [Speech Synthesis Markup Language (SSML) Version 1.1 specification from the World Wide Web consortium](https://www.w3.org/TR/speech-synthesis11/) پر۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/46)
+
+## جائزہ اور خود مطالعہ
+
+* آواز ترکیب کے بارے میں مزید پڑھیں [ویکیپیڈیا پر آواز ترکیب کے صفحے](https://wikipedia.org/wiki/Speech_synthesis) پر
+* آواز ترکیب کے ذریعے چوری کرنے کے طریقوں کے بارے میں مزید پڑھیں [بی بی سی نیوز پر جعلی آوازوں کی کہانی](https://www.bbc.com/news/technology-48908736) پر
+* آواز کے اداکاروں کے لیے خطرات کے بارے میں مزید جانیں جو ان کی آوازوں کے ترکیب شدہ ورژنز سے پیدا ہوتے ہیں [وائس پر اس مضمون میں](https://www.vice.com/en/article/z3xqwj/this-tiktok-lawsuit-is-highlighting-how-ai-is-screwing-over-voice-actors)
+
+## اسائنمنٹ
+
+[ٹائمر منسوخ کریں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/assignment.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/assignment.md
new file mode 100644
index 00000000..72722a6c
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/assignment.md
@@ -0,0 +1,26 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "da5d9360fe02fdcc1e91a725016c846d",
+  "translation_date": "2025-08-27T00:10:43+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ٹائمر منسوخ کریں
+
+## ہدایات
+
+پچھلے سبق کے اسائنمنٹ میں، آپ نے LUIS میں ایک ٹائمر منسوخ کرنے کا ارادہ شامل کیا تھا۔ اس اسائنمنٹ میں آپ کو اس ارادے کو سرور لیس کوڈ میں سنبھالنا ہوگا، IoT ڈیوائس کو ایک کمانڈ بھیجنی ہوگی، اور پھر ٹائمر منسوخ کرنا ہوگا۔
+
+## معیار
+
+| معیار | بہترین | مناسب | بہتری کی ضرورت |
+| -------- | --------- | -------- | ----------------- |
+| ارادے کو سرور لیس کوڈ میں سنبھالنا اور کمانڈ بھیجنا | ارادے کو سنبھالنے اور ڈیوائس کو کمانڈ بھیجنے میں کامیاب | ارادے کو سنبھالنے میں کامیاب لیکن ڈیوائس کو کمانڈ بھیجنے میں ناکام | ارادے کو سنبھالنے میں ناکام |
+| ڈیوائس پر ٹائمر منسوخ کرنا | کمانڈ وصول کرنے اور ٹائمر منسوخ کرنے میں کامیاب | کمانڈ وصول کرنے میں کامیاب لیکن ٹائمر منسوخ کرنے میں ناکام | کمانڈ وصول کرنے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
new file mode 100644
index 00000000..06070def
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md
@@ -0,0 +1,156 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "606f3af1c78e3741e48ce77c31cea626",
+  "translation_date": "2025-08-27T00:12:57+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/pi-text-to-speech.md",
+  "language_code": "ur"
+}
+-->
+# ٹیکسٹ کو آواز میں تبدیل کریں - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ ایسا کوڈ لکھیں گے جو ٹیکسٹ کو آواز میں تبدیل کرے گا، اسپیکنگ سروس کا استعمال کرتے ہوئے۔
+
+## اسپیکنگ سروس کے ذریعے ٹیکسٹ کو آواز میں تبدیل کریں
+
+ٹیکسٹ کو اسپیکنگ سروس کے ذریعے REST API کا استعمال کرتے ہوئے بھیجا جا سکتا ہے تاکہ اسے ایک آڈیو فائل میں تبدیل کیا جا سکے، جسے آپ کے IoT ڈیوائس پر چلایا جا سکے۔ آواز کی درخواست کرتے وقت، آپ کو وہ آواز فراہم کرنی ہوگی جو استعمال کی جائے گی، کیونکہ مختلف آوازوں کے ذریعے آواز پیدا کی جا سکتی ہے۔
+
+ہر زبان مختلف آوازوں کی ایک رینج کو سپورٹ کرتی ہے، اور آپ اسپیکنگ سروس کے خلاف REST درخواست کر سکتے ہیں تاکہ ہر زبان کے لیے سپورٹ شدہ آوازوں کی فہرست حاصل کی جا سکے۔
+
+### کام - ایک آواز حاصل کریں
+
+1. VS Code میں `smart-timer` پروجیکٹ کھولیں۔
+
+1. زبان کے لیے آوازوں کی فہرست کی درخواست کرنے کے لیے `say` فنکشن کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```python
+    def get_voice():
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token()
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        first_voice = next(x for x in voices_json if x['Locale'].lower() == language.lower() and x['VoiceType'] == 'Neural')
+        return first_voice['ShortName']
+    
+    voice = get_voice()
+    print(f'Using voice {voice}')
+    ```
+
+    یہ کوڈ ایک فنکشن `get_voice` کو ڈیفائن کرتا ہے جو اسپیکنگ سروس کا استعمال کرتے ہوئے آوازوں کی فہرست حاصل کرتا ہے۔ پھر یہ پہلی آواز تلاش کرتا ہے جو استعمال ہونے والی زبان سے میل کھاتی ہو۔
+
+    اس فنکشن کو پھر پہلی آواز کو اسٹور کرنے کے لیے کال کیا جاتا ہے، اور آواز کا نام کنسول میں پرنٹ کیا جاتا ہے۔ اس آواز کو ایک بار درخواست کیا جا سکتا ہے اور ہر بار ٹیکسٹ کو آواز میں تبدیل کرنے کے لیے اس کی ویلیو استعمال کی جا سکتی ہے۔
+
+    > 💁 آپ سپورٹ شدہ آوازوں کی مکمل فہرست [Microsoft Docs پر زبان اور آواز کی سپورٹ کی دستاویزات](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) سے حاصل کر سکتے ہیں۔ اگر آپ کسی خاص آواز کو استعمال کرنا چاہتے ہیں، تو آپ اس فنکشن کو ہٹا سکتے ہیں اور اس دستاویزات سے آواز کے نام کو ہارڈ کوڈ کر سکتے ہیں۔ مثال کے طور پر:
+    >
+    > ```python
+    > voice = 'hi-IN-SwaraNeural'
+    > ```
+
+### کام - ٹیکسٹ کو آواز میں تبدیل کریں
+
+1. اس کے نیچے، اسپیکنگ سروسز سے حاصل ہونے والے آڈیو فارمیٹ کے لیے ایک کانسٹنٹ ڈیفائن کریں۔ جب آپ آڈیو کی درخواست کرتے ہیں، تو آپ اسے مختلف فارمیٹس میں حاصل کر سکتے ہیں۔
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+    ```
+
+    آپ کے ہارڈویئر پر منحصر ہے کہ آپ کون سا فارمیٹ استعمال کر سکتے ہیں۔ اگر آپ کو آڈیو چلاتے وقت `Invalid sample rate` کی غلطیاں ملتی ہیں، تو اسے کسی اور ویلیو میں تبدیل کریں۔ آپ سپورٹ شدہ ویلیوز کی فہرست [Microsoft Docs پر ٹیکسٹ ٹو اسپیک REST API کی دستاویزات](https://docs.microsoft.com/azure/cognitive-services/speech-service/rest-text-to-speech?WT.mc_id=academic-17441-jabenn#audio-outputs) میں دیکھ سکتے ہیں۔ آپ کو `riff` فارمیٹ آڈیو استعمال کرنے کی ضرورت ہوگی، اور کوشش کرنے کے لیے ویلیوز ہیں `riff-16khz-16bit-mono-pcm`, `riff-24khz-16bit-mono-pcm` اور `riff-48khz-16bit-mono-pcm`۔
+
+1. اس کے نیچے، ایک فنکشن `get_speech` ڈیفائن کریں جو اسپیکنگ سروس REST API کا استعمال کرتے ہوئے ٹیکسٹ کو آواز میں تبدیل کرے گا:
+
+    ```python
+    def get_speech(text):
+    ```
+
+1. `get_speech` فنکشن میں، کال کرنے کے لیے URL اور پاس کرنے کے لیے ہیڈرز ڈیفائن کریں:
+
+    ```python
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    ```
+
+    یہ ہیڈرز کو ایک جنریٹڈ ایکسیس ٹوکن استعمال کرنے، مواد کو SSML پر سیٹ کرنے اور مطلوبہ آڈیو فارمیٹ کو ڈیفائن کرنے کے لیے سیٹ کرتا ہے۔
+
+1. اس کے نیچے، REST API کو بھیجنے کے لیے SSML ڈیفائن کریں:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+    یہ SSML زبان اور استعمال کرنے کے لیے آواز کو سیٹ کرتا ہے، ساتھ ہی تبدیل کرنے کے لیے ٹیکسٹ کو بھی۔
+
+1. آخر میں، اس فنکشن میں کوڈ شامل کریں تاکہ REST درخواست کی جائے اور بائنری آڈیو ڈیٹا واپس کیا جائے:
+
+    ```python
+    response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    return io.BytesIO(response.content)
+    ```
+
+### کام - آڈیو چلائیں
+
+1. `get_speech` فنکشن کے نیچے، ایک نیا فنکشن ڈیفائن کریں تاکہ REST API کال کے ذریعے واپس کیے گئے آڈیو کو چلایا جا سکے:
+
+    ```python
+    def play_speech(speech):
+    ```
+
+1. اس فنکشن کو پاس کیا گیا `speech` REST API سے واپس کیا گیا بائنری آڈیو ڈیٹا ہوگا۔ درج ذیل کوڈ کا استعمال کریں تاکہ اسے ایک ویو فائل کے طور پر کھولا جا سکے اور PyAudio کے ذریعے آڈیو چلایا جا سکے:
+
+    ```python
+    def play_speech(speech):
+        with wave.open(speech, 'rb') as wave_file:
+            stream = audio.open(format=audio.get_format_from_width(wave_file.getsampwidth()),
+                                channels=wave_file.getnchannels(),
+                                rate=wave_file.getframerate(),
+                                output_device_index=speaker_card_number,
+                                output=True)
+
+            data = wave_file.readframes(4096)
+
+            while len(data) > 0:
+                stream.write(data)
+                data = wave_file.readframes(4096)
+
+            stream.stop_stream()
+            stream.close()
+    ```
+
+    یہ کوڈ PyAudio اسٹریم کا استعمال کرتا ہے، جیسا کہ آڈیو کیپچر کرتے وقت۔ فرق یہ ہے کہ یہاں اسٹریم کو آؤٹ پٹ اسٹریم کے طور پر سیٹ کیا گیا ہے، اور آڈیو ڈیٹا سے ڈیٹا پڑھا جاتا ہے اور اسٹریم میں بھیجا جاتا ہے۔
+
+    اسٹریم کی تفصیلات جیسے سیمپل ریٹ کو ہارڈ کوڈ کرنے کے بجائے، یہ آڈیو ڈیٹا سے پڑھا جاتا ہے۔
+
+1. `say` فنکشن کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    speech = get_speech(text)
+    play_speech(speech)
+    ```
+
+    یہ کوڈ ٹیکسٹ کو بائنری آڈیو ڈیٹا کے طور پر آواز میں تبدیل کرتا ہے، اور آڈیو چلاتا ہے۔
+
+1. ایپ چلائیں، اور یقینی بنائیں کہ فنکشن ایپ بھی چل رہی ہے۔ کچھ ٹائمر سیٹ کریں، اور آپ کو ایک بولی ہوئی جواب سنائی دے گا جو کہے گا کہ آپ کا ٹائمر سیٹ ہو گیا ہے، پھر ایک اور بولی ہوئی جواب جب ٹائمر مکمل ہو جائے گا۔
+
+    اگر آپ کو `Invalid sample rate` کی غلطیاں ملتی ہیں، تو `playback_format` کو اوپر بیان کردہ کے مطابق تبدیل کریں۔
+
+> 💁 آپ اس کوڈ کو [code-spoken-response/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/pi) فولڈر میں دیکھ سکتے ہیں۔
+
+😀 آپ کا ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
new file mode 100644
index 00000000..a844e235
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md
@@ -0,0 +1,140 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "64ad4ddb4de81a18b7252e968f10b404",
+  "translation_date": "2025-08-27T00:07:35+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/single-board-computer-set-timer.md",
+  "language_code": "ur"
+}
+-->
+# ٹائمر سیٹ کریں - ورچوئل IoT ہارڈویئر اور راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ اپنی سرور لیس کوڈ کو کال کریں گے تاکہ تقریر کو سمجھا جا سکے، اور نتائج کی بنیاد پر اپنے ورچوئل IoT ڈیوائس یا راسپبیری پائی پر ایک ٹائمر سیٹ کریں۔
+
+## ٹائمر سیٹ کریں
+
+تقریر سے متن میں تبدیل ہونے والے متن کو آپ کی سرور لیس کوڈ میں بھیجنا ضروری ہے تاکہ اسے LUIS کے ذریعے پروسیس کیا جا سکے، اور ٹائمر کے لیے سیکنڈز کی تعداد واپس حاصل کی جا سکے۔ ان سیکنڈز کی تعداد کو ٹائمر سیٹ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+ٹائمرز کو Python کی `threading.Timer` کلاس کے ذریعے سیٹ کیا جا سکتا ہے۔ یہ کلاس ایک تاخیر کا وقت اور ایک فنکشن لیتی ہے، اور تاخیر کے وقت کے بعد، فنکشن کو چلایا جاتا ہے۔
+
+### کام - متن کو سرور لیس فنکشن میں بھیجیں
+
+1. VS Code میں `smart-timer` پروجیکٹ کھولیں، اور یقینی بنائیں کہ اگر آپ ورچوئل IoT ڈیوائس استعمال کر رہے ہیں تو ٹرمینل میں ورچوئل ماحول لوڈ ہو۔
+
+1. `process_text` فنکشن کے اوپر، ایک فنکشن `get_timer_time` کا اعلان کریں تاکہ آپ کے بنائے گئے REST اینڈ پوائنٹ کو کال کیا جا سکے:
+
+    ```python
+    def get_timer_time(text):
+    ```
+
+1. اس فنکشن میں درج ذیل کوڈ شامل کریں تاکہ کال کرنے کے لیے URL کو ڈیفائن کیا جا سکے:
+
+    ```python
+    url = '<URL>'
+    ```
+
+    `<URL>` کو اپنے کمپیوٹر یا کلاؤڈ میں بنائے گئے REST اینڈ پوائنٹ کے URL سے تبدیل کریں۔
+
+1. اس فنکشن میں درج ذیل کوڈ شامل کریں تاکہ متن کو JSON پراپرٹی کے طور پر کال میں پاس کیا جا سکے:
+
+    ```python
+    body = {
+        'text': text
+    }
+    
+    response = requests.post(url, json=body)
+    ```
+
+1. اس کے نیچے، رسپانس پے لوڈ سے `seconds` کو حاصل کریں، اور اگر کال ناکام ہو تو 0 واپس کریں:
+
+    ```python
+    if response.status_code != 200:
+        return 0
+    
+    payload = response.json()
+    return payload['seconds']
+    ```
+
+    کامیاب HTTP کالز 200 رینج میں اسٹیٹس کوڈ واپس کرتی ہیں، اور آپ کی سرور لیس کوڈ 200 واپس کرتی ہے اگر متن پروسیس ہو اور اسے ٹائمر سیٹ کرنے کے ارادے کے طور پر پہچانا جائے۔
+
+### کام - بیک گراؤنڈ تھریڈ پر ٹائمر سیٹ کریں
+
+1. فائل کے اوپر درج ذیل امپورٹ اسٹیٹمنٹ شامل کریں تاکہ threading Python لائبریری کو امپورٹ کیا جا سکے:
+
+    ```python
+    import threading
+    ```
+
+1. `process_text` فنکشن کے اوپر، ایک فنکشن شامل کریں تاکہ جواب کو بول سکیں۔ فی الحال یہ صرف کنسول پر لکھے گا، لیکن اس سبق کے بعد یہ متن کو بولے گا۔
+
+    ```python
+    def say(text):
+        print(text)
+    ```
+
+1. اس کے نیچے ایک فنکشن شامل کریں جو ٹائمر کے مکمل ہونے پر اعلان کرے گا:
+
+    ```python
+    def announce_timer(minutes, seconds):
+        announcement = 'Times up on your '
+        if minutes > 0:
+            announcement += f'{minutes} minute '
+        if seconds > 0:
+            announcement += f'{seconds} second '
+        announcement += 'timer.'
+        say(announcement)
+    ```
+
+    یہ فنکشن ٹائمر کے لیے منٹ اور سیکنڈز کی تعداد لیتا ہے، اور ایک جملہ بناتا ہے جو بتاتا ہے کہ ٹائمر مکمل ہو گیا ہے۔ یہ منٹ اور سیکنڈز کی تعداد کو چیک کرتا ہے، اور صرف وہی وقت شامل کرتا ہے جس کی کوئی ویلیو ہو۔ مثال کے طور پر، اگر منٹ کی تعداد 0 ہو تو صرف سیکنڈز کو پیغام میں شامل کیا جاتا ہے۔ یہ جملہ پھر `say` فنکشن کو بھیجا جاتا ہے۔
+
+1. اس کے نیچے، درج ذیل `create_timer` فنکشن شامل کریں تاکہ ایک ٹائمر بنایا جا سکے:
+
+    ```python
+    def create_timer(total_seconds):
+        minutes, seconds = divmod(total_seconds, 60)
+        threading.Timer(total_seconds, announce_timer, args=[minutes, seconds]).start()
+    ```
+
+    یہ فنکشن ٹائمر کے لیے کل سیکنڈز لیتا ہے جو کمانڈ میں بھیجے جائیں گے، اور انہیں منٹ اور سیکنڈز میں تبدیل کرتا ہے۔ پھر یہ کل سیکنڈز کا استعمال کرتے ہوئے ایک ٹائمر آبجیکٹ بناتا اور شروع کرتا ہے، `announce_timer` فنکشن اور ایک لسٹ جس میں منٹ اور سیکنڈز شامل ہوں، پاس کرتا ہے۔ جب ٹائمر ختم ہو جائے گا، یہ `announce_timer` فنکشن کو کال کرے گا، اور اس لسٹ کے مواد کو پیرامیٹرز کے طور پر پاس کرے گا - لہذا لسٹ کا پہلا آئٹم `minutes` پیرامیٹر کے طور پر پاس ہوتا ہے، اور دوسرا آئٹم `seconds` پیرامیٹر کے طور پر۔
+
+1. `create_timer` فنکشن کے آخر میں کچھ کوڈ شامل کریں تاکہ ایک پیغام بنایا جا سکے جو صارف کو بتایا جائے کہ ٹائمر شروع ہو رہا ہے:
+
+    ```python
+    announcement = ''
+    if minutes > 0:
+        announcement += f'{minutes} minute '
+    if seconds > 0:
+        announcement += f'{seconds} second '    
+    announcement += 'timer started.'
+    say(announcement)
+    ```
+
+    دوبارہ، یہ صرف وہی وقت شامل کرتا ہے جس کی کوئی ویلیو ہو۔ یہ جملہ پھر `say` فنکشن کو بھیجا جاتا ہے۔
+
+1. `process_text` فنکشن کے آخر میں درج ذیل شامل کریں تاکہ متن سے ٹائمر کے لیے وقت حاصل کیا جا سکے، پھر ٹائمر بنایا جا سکے:
+
+    ```python
+    seconds = get_timer_time(text)
+    if seconds > 0:
+        create_timer(seconds)
+    ```
+
+    ٹائمر صرف اس وقت بنایا جاتا ہے جب سیکنڈز کی تعداد 0 سے زیادہ ہو۔
+
+1. ایپ چلائیں، اور یقینی بنائیں کہ فنکشن ایپ بھی چل رہی ہو۔ کچھ ٹائمر سیٹ کریں، اور آؤٹ پٹ دکھائے گا کہ ٹائمر سیٹ ہو رہا ہے، اور پھر دکھائے گا جب یہ ختم ہو جائے:
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py 
+    Set a two minute 27 second timer.
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 آپ اس کوڈ کو [code-timer/pi](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/pi) یا [code-timer/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
new file mode 100644
index 00000000..537eb820
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md
@@ -0,0 +1,88 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "7966848a1f870e4c42edb4db67b13c57",
+  "translation_date": "2025-08-27T00:17:32+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/virtual-device-text-to-speech.md",
+  "language_code": "ur"
+}
+-->
+# متن کو آواز میں تبدیل کریں - ورچوئل IoT ڈیوائس
+
+اس سبق کے اس حصے میں، آپ کوڈ لکھیں گے تاکہ متن کو آواز میں تبدیل کیا جا سکے، اس کے لیے اسپیکنگ سروس استعمال کی جائے گی۔
+
+## متن کو آواز میں تبدیل کریں
+
+اسپیکنگ سروسز SDK، جو آپ نے پچھلے سبق میں آواز کو متن میں تبدیل کرنے کے لیے استعمال کیا تھا، متن کو دوبارہ آواز میں تبدیل کرنے کے لیے بھی استعمال کیا جا سکتا ہے۔ جب آواز کی درخواست کی جاتی ہے، تو آپ کو وہ آواز فراہم کرنی ہوگی جو استعمال کی جائے گی، کیونکہ مختلف آوازوں کے ذریعے آواز پیدا کی جا سکتی ہے۔
+
+ہر زبان مختلف آوازوں کی ایک رینج کو سپورٹ کرتی ہے، اور آپ اسپیکنگ سروسز SDK سے ہر زبان کے لیے سپورٹ شدہ آوازوں کی فہرست حاصل کر سکتے ہیں۔
+
+### کام - متن کو آواز میں تبدیل کریں
+
+1. `smart-timer` پروجیکٹ کو VS Code میں کھولیں، اور یقینی بنائیں کہ ورچوئل ماحول ٹرمینل میں لوڈ ہو چکا ہے۔
+
+1. `azure.cognitiveservices.speech` پیکج سے `SpeechSynthesizer` کو موجودہ امپورٹس میں شامل کریں:
+
+    ```python
+    from azure.cognitiveservices.speech import SpeechConfig, SpeechRecognizer, SpeechSynthesizer
+    ```
+
+1. `say` فنکشن کے اوپر، اسپیکنگ کنفیگریشن بنائیں تاکہ اسپیکنگ سِن تھیسائزر کے ساتھ استعمال ہو سکے:
+
+    ```python
+    speech_config = SpeechConfig(subscription=speech_api_key,
+                                 region=location)
+    speech_config.speech_synthesis_language = language
+    speech_synthesizer = SpeechSynthesizer(speech_config=speech_config)
+    ```
+
+    یہ وہی API key، مقام اور زبان استعمال کرتا ہے جو ریکگنائزر کے ذریعے استعمال کی گئی تھی۔
+
+1. اس کے نیچے، درج ذیل کوڈ شامل کریں تاکہ ایک آواز حاصل کی جا سکے اور اسے اسپیکنگ کنفیگریشن پر سیٹ کیا جا سکے:
+
+    ```python
+    voices = speech_synthesizer.get_voices_async().get().voices
+    first_voice = next(x for x in voices if x.locale.lower() == language.lower())
+    speech_config.speech_synthesis_voice_name = first_voice.short_name
+    ```
+
+    یہ تمام دستیاب آوازوں کی فہرست حاصل کرتا ہے، پھر پہلی آواز تلاش کرتا ہے جو استعمال کی جا رہی زبان سے مطابقت رکھتی ہے۔
+
+    > 💁 آپ مائیکروسافٹ ڈاکس پر [زبان اور آواز کی سپورٹ کی دستاویزات](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#text-to-speech) سے سپورٹ شدہ آوازوں کی مکمل فہرست حاصل کر سکتے ہیں۔ اگر آپ کسی خاص آواز کو استعمال کرنا چاہتے ہیں، تو آپ اس فنکشن کو ہٹا کر آواز کو اس دستاویزات میں دی گئی آواز کے نام سے ہارڈ کوڈ کر سکتے ہیں۔ مثال کے طور پر:
+    >
+    > ```python
+    > speech_config.speech_synthesis_voice_name = 'hi-IN-SwaraNeural'
+    > ```
+
+1. `say` فنکشن کے مواد کو اپ ڈیٹ کریں تاکہ جواب کے لیے SSML تیار کیا جا سکے:
+
+    ```python
+    ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+    ssml += f'<voice xml:lang=\'{language}\' name=\'{first_voice.short_name}\'>'
+    ssml += text
+    ssml += '</voice>'
+    ssml += '</speak>'
+    ```
+
+1. اس کے نیچے، اسپیکنگ ریکگنیشن کو روکیں، SSML کو بولیں، پھر ریکگنیشن کو دوبارہ شروع کریں:
+
+    ```python
+    recognizer.stop_continuous_recognition()
+    speech_synthesizer.speak_ssml(ssml)
+    recognizer.start_continuous_recognition()
+    ```
+
+    جب متن بولا جا رہا ہو تو ریکگنیشن کو روکا جاتا ہے تاکہ ٹائمر شروع ہونے کے اعلان کو ڈیٹیکٹ ہونے سے بچایا جا سکے، جو LUIS کو بھیجا جا سکتا ہے اور ممکنہ طور پر نئے ٹائمر سیٹ کرنے کی درخواست کے طور پر سمجھا جا سکتا ہے۔
+
+    > 💁 آپ اس کو آزما سکتے ہیں کہ ریکگنیشن کو روکنے اور دوبارہ شروع کرنے والی لائنز کو کمنٹ کر دیں۔ ایک ٹائمر سیٹ کریں، اور آپ دیکھ سکتے ہیں کہ اعلان ایک نیا ٹائمر سیٹ کرتا ہے، جو ایک نیا اعلان پیدا کرتا ہے، اور یہ سلسلہ ہمیشہ کے لیے جاری رہ سکتا ہے!
+
+1. ایپ چلائیں، اور یقینی بنائیں کہ فنکشن ایپ بھی چل رہی ہے۔ کچھ ٹائمر سیٹ کریں، اور آپ ایک بولی ہوئی جواب سنیں گے جو کہے گا کہ آپ کا ٹائمر سیٹ ہو گیا ہے، پھر ایک اور بولی ہوئی جواب جب ٹائمر مکمل ہو جائے گا۔
+
+> 💁 آپ اس کوڈ کو [code-spoken-response/virtual-iot-device](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
new file mode 100644
index 00000000..05b83c90
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md
@@ -0,0 +1,301 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012b69d57d898d670adf61304f42a137",
+  "translation_date": "2025-08-27T00:11:37+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-set-timer.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل پر ٹائمر سیٹ کریں
+
+اس سبق کے اس حصے میں، آپ اپنی سرور لیس کوڈ کو کال کریں گے تاکہ تقریر کو سمجھا جا سکے، اور نتائج کی بنیاد پر اپنے وائیو ٹرمینل پر ایک ٹائمر سیٹ کریں۔
+
+## ٹائمر سیٹ کریں
+
+تقریر کو متن میں تبدیل کرنے کے بعد جو متن واپس آتا ہے، اسے آپ کے سرور لیس کوڈ کو بھیجا جانا چاہیے تاکہ LUIS کے ذریعے پروسیس کیا جا سکے، اور ٹائمر کے لیے سیکنڈز کی تعداد واپس حاصل کی جا سکے۔ ان سیکنڈز کی تعداد کو ٹائمر سیٹ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+مائیکرو کنٹرولرز میں Arduino میں متعدد تھریڈز کے لیے مقامی طور پر سپورٹ نہیں ہوتی، اس لیے یہاں معیاری ٹائمر کلاسز موجود نہیں ہیں جیسا کہ Python یا دیگر اعلیٰ سطحی زبانوں میں ہوتا ہے۔ اس کے بجائے، آپ ٹائمر لائبریریاں استعمال کر سکتے ہیں جو `loop` فنکشن میں گزرے ہوئے وقت کو ماپ کر کام کرتی ہیں اور وقت ختم ہونے پر فنکشنز کو کال کرتی ہیں۔
+
+### کام - متن کو سرور لیس فنکشن کو بھیجیں
+
+1. اگر `smart-timer` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے VS Code میں کھولیں۔
+
+1. `config.h` ہیڈر فائل کھولیں اور اپنی فنکشن ایپ کے لیے URL شامل کریں:
+
+    ```cpp
+    const char *TEXT_TO_TIMER_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` کو اپنی فنکشن ایپ کے URL سے تبدیل کریں جو آپ نے پچھلے سبق کے آخری مرحلے میں حاصل کیا تھا، جو آپ کے مقامی مشین کے IP ایڈریس کی طرف اشارہ کرتا ہے جہاں فنکشن ایپ چل رہی ہے۔
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جس کا نام `language_understanding.h` ہو۔ یہ فائل اس کلاس کو ڈیفائن کرنے کے لیے استعمال ہوگی جو پہچانی گئی تقریر کو آپ کی فنکشن ایپ کو بھیجے گی تاکہ LUIS کے ذریعے سیکنڈز میں تبدیل کیا جا سکے۔
+
+1. اس فائل کے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    ```
+
+    یہ کچھ ضروری ہیڈر فائلز شامل کرتا ہے۔
+
+1. ایک کلاس `LanguageUnderstanding` کے نام سے ڈیفائن کریں، اور اس کلاس کا ایک انسٹینس ڈکلیئر کریں:
+
+    ```cpp
+    class LanguageUnderstanding
+    {
+    public:
+    private:
+    };
+
+    LanguageUnderstanding languageUnderstanding;
+    ```
+
+1. اپنی فنکشن ایپ کو کال کرنے کے لیے، ایک WiFi کلائنٹ ڈکلیئر کریں۔ کلاس کے `private` سیکشن میں درج ذیل شامل کریں:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. `public` سیکشن میں، ایک میتھڈ `GetTimerDuration` ڈکلیئر کریں تاکہ فنکشن ایپ کو کال کیا جا سکے:
+
+    ```cpp
+    int GetTimerDuration(String text)
+    {
+    }
+    ```
+
+1. `GetTimerDuration` میتھڈ میں، فنکشن ایپ کو بھیجے جانے والے JSON کو بنانے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    یہ کوڈ `GetTimerDuration` میتھڈ کو پاس کیے گئے متن کو درج ذیل JSON میں تبدیل کرتا ہے:
+
+    ```json
+    {
+        "text" : "<text>"
+    }
+    ```
+
+    جہاں `<text>` وہ متن ہے جو فنکشن کو پاس کیا گیا ہے۔
+
+1. اس کے نیچے، فنکشن ایپ کال کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_TIMER_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    یہ ایک POST درخواست فنکشن ایپ کو بھیجتا ہے، JSON باڈی پاس کرتا ہے اور رسپانس کوڈ حاصل کرتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    int seconds = 0;
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonObject obj = doc.as<JsonObject>();
+        seconds = obj["seconds"].as<int>();
+    }
+    else
+    {
+        Serial.print("Failed to understand text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    یہ کوڈ رسپانس کوڈ کو چیک کرتا ہے۔ اگر یہ 200 (کامیابی) ہے، تو ٹائمر کے لیے سیکنڈز کی تعداد رسپانس باڈی سے حاصل کی جاتی ہے۔ ورنہ، ایک ایرر سیریل مانیٹر پر بھیجا جاتا ہے اور سیکنڈز کی تعداد 0 پر سیٹ کی جاتی ہے۔
+
+1. اس میتھڈ کے آخر میں درج ذیل کوڈ شامل کریں تاکہ HTTP کنکشن بند کیا جا سکے اور سیکنڈز کی تعداد واپس کی جا سکے:
+
+    ```cpp
+    httpClient.end();
+
+    return seconds;
+    ```
+
+1. `main.cpp` فائل میں، اس نئے ہیڈر کو شامل کریں:
+
+    ```cpp
+    #include "speech_to_text.h"
+    ```
+
+1. `processAudio` فنکشن کے آخر میں، `GetTimerDuration` میتھڈ کو کال کریں تاکہ ٹائمر کی مدت حاصل کی جا سکے:
+
+    ```cpp
+    int total_seconds = languageUnderstanding.GetTimerDuration(text);
+    ```
+
+    یہ `SpeechToText` کلاس کی کال سے حاصل شدہ متن کو ٹائمر کے لیے سیکنڈز کی تعداد میں تبدیل کرتا ہے۔
+
+### کام - ٹائمر سیٹ کریں
+
+سیکنڈز کی تعداد کو ٹائمر سیٹ کرنے کے لیے استعمال کیا جا سکتا ہے۔
+
+1. `platformio.ini` فائل میں درج ذیل لائبریری ڈپینڈنسی شامل کریں تاکہ ٹائمر سیٹ کرنے کے لیے ایک لائبریری شامل کی جا سکے:
+
+    ```ini
+    contrem/arduino-timer @ 2.3.0
+    ```
+
+1. `main.cpp` فائل میں اس لائبریری کے لیے ایک انکلوڈ ڈائریکٹو شامل کریں:
+
+    ```cpp
+    #include <arduino-timer.h>
+    ```
+
+1. `processAudio` فنکشن کے اوپر درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    auto timer = timer_create_default();
+    ```
+
+    یہ کوڈ ایک ٹائمر `timer` ڈکلیئر کرتا ہے۔
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    void say(String text)
+    {
+        Serial.print("Saying ");
+        Serial.println(text);
+    }
+    ```
+
+    یہ `say` فنکشن آخر کار متن کو تقریر میں تبدیل کرے گا، لیکن فی الحال یہ صرف پاس کیے گئے متن کو سیریل مانیٹر پر لکھے گا۔
+
+1. `say` فنکشن کے نیچے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    bool timerExpired(void *announcement)
+    {
+        say((char *)announcement);
+        return false;
+    }
+    ```
+
+    یہ ایک کال بیک فنکشن ہے جو ٹائمر ختم ہونے پر کال کیا جائے گا۔ یہ ایک پیغام پاس کرتا ہے جو ٹائمر ختم ہونے پر کہا جائے گا۔ ٹائمرز کو دہرایا جا سکتا ہے، اور یہ کال بیک کے ریٹرن ویلیو سے کنٹرول کیا جا سکتا ہے - یہ `false` ریٹرن کرتا ہے تاکہ ٹائمر دوبارہ نہ چلے۔
+
+1. `processAudio` فنکشن کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    if (total_seconds == 0)
+    {
+        return;
+    }
+
+    int minutes = total_seconds / 60;
+    int seconds = total_seconds % 60;
+    ```
+
+    یہ کوڈ کل سیکنڈز کو چیک کرتا ہے، اور اگر یہ 0 ہے، تو فنکشن کال سے واپس آ جاتا ہے تاکہ کوئی ٹائمر سیٹ نہ ہو۔ پھر یہ کل سیکنڈز کو منٹ اور سیکنڈز میں تبدیل کرتا ہے۔
+
+1. اس کوڈ کے نیچے، ٹائمر شروع ہونے پر کہنے کے لیے ایک پیغام بنانے کے لیے درج ذیل شامل کریں:
+
+    ```cpp
+    String begin_message;
+    if (minutes > 0)
+    {
+        begin_message += minutes;
+        begin_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        begin_message += seconds;
+        begin_message += " second ";
+    }
+
+    begin_message += "timer started.";
+    ```
+
+1. اس کے نیچے، ٹائمر ختم ہونے پر کہنے کے لیے ایک پیغام بنانے کے لیے اسی طرح کا کوڈ شامل کریں:
+
+    ```cpp
+    String end_message("Times up on your ");
+    if (minutes > 0)
+    {
+        end_message += minutes;
+        end_message += " minute ";
+    }
+    if (seconds > 0)
+    {
+        end_message += seconds;
+        end_message += " second ";
+    }
+
+    end_message += "timer.";
+    ```
+
+1. اس کے بعد، ٹائمر شروع ہونے کا پیغام کہیں:
+
+    ```cpp
+    say(begin_message);
+    ```
+
+1. اس فنکشن کے آخر میں، ٹائمر شروع کریں:
+
+    ```cpp
+    timer.in(total_seconds * 1000, timerExpired, (void *)(end_message.c_str()));
+    ```
+
+    یہ ٹائمر کو ٹرگر کرتا ہے۔ ٹائمر ملی سیکنڈز میں سیٹ کیا جاتا ہے، اس لیے کل سیکنڈز کو 1,000 سے ضرب دے کر ملی سیکنڈز میں تبدیل کیا جاتا ہے۔ `timerExpired` فنکشن کو کال بیک کے طور پر پاس کیا جاتا ہے، اور `end_message` کو کال بیک کو پاس کرنے کے لیے ایک آرگومنٹ کے طور پر پاس کیا جاتا ہے۔ یہ کال بیک صرف `void *` آرگومنٹس لیتا ہے، اس لیے اسٹرنگ کو مناسب طریقے سے تبدیل کیا جاتا ہے۔
+
+1. آخر میں، ٹائمر کو *ٹِک* کرنے کی ضرورت ہے، اور یہ `loop` فنکشن میں کیا جاتا ہے۔ `loop` فنکشن کے آخر میں درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    timer.tick();
+    ```
+
+1. اس کوڈ کو بنائیں، اسے اپنے وائیو ٹرمینل پر اپ لوڈ کریں اور سیریل مانیٹر کے ذریعے اسے ٹیسٹ کریں۔ جب آپ سیریل مانیٹر میں `Ready` دیکھیں، تو C بٹن دبائیں (جو بائیں جانب ہے، پاور سوئچ کے قریب)، اور بولیں۔ 4 سیکنڈز کی آڈیو کیپچر کی جائے گی، متن میں تبدیل کی جائے گی، پھر آپ کی فنکشن ایپ کو بھیجی جائے گی، اور ایک ٹائمر سیٹ کیا جائے گا۔ یقینی بنائیں کہ آپ کی فنکشن ایپ مقامی طور پر چل رہی ہے۔
+
+    آپ دیکھیں گے کہ ٹائمر کب شروع ہوتا ہے، اور کب ختم ہوتا ہے۔
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Set a 2 minute and 27 second timer.","Offset":4700000,"Duration":35300000}
+    Set a 2 minute and 27 second timer.
+    {"seconds": 147}
+    2 minute 27 second timer started.
+    Times up on your 2 minute 27 second timer.
+    ```
+
+> 💁 آپ اس کوڈ کو [code-timer/wio-terminal](../../../../../6-consumer/lessons/3-spoken-feedback/code-timer/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
new file mode 100644
index 00000000..22f8136c
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md
@@ -0,0 +1,535 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "a202fa5889790a3777bfc33dd9f4b459",
+  "translation_date": "2025-08-27T00:15:37+00:00",
+  "source_file": "6-consumer/lessons/3-spoken-feedback/wio-terminal-text-to-speech.md",
+  "language_code": "ur"
+}
+-->
+# وائیو ٹرمینل - متن کو آواز میں تبدیل کریں
+
+اس سبق کے اس حصے میں، آپ متن کو آواز میں تبدیل کریں گے تاکہ بولی جانے والی رائے فراہم کی جا سکے۔
+
+## متن کو آواز میں تبدیل کریں
+
+پچھلے سبق میں استعمال کردہ اسپیک سروسز SDK، جو آواز کو متن میں تبدیل کرتا ہے، متن کو دوبارہ آواز میں تبدیل کرنے کے لیے بھی استعمال کیا جا سکتا ہے۔
+
+## آوازوں کی فہرست حاصل کریں
+
+جب آواز کی درخواست کی جاتی ہے، تو آپ کو استعمال کرنے کے لیے آواز فراہم کرنی ہوگی کیونکہ مختلف آوازوں کے ذریعے آواز پیدا کی جا سکتی ہے۔ ہر زبان مختلف آوازوں کی ایک رینج کو سپورٹ کرتی ہے، اور آپ اسپیک سروسز SDK سے ہر زبان کے لیے سپورٹ شدہ آوازوں کی فہرست حاصل کر سکتے ہیں۔ یہاں مائیکرو کنٹرولرز کی حدود سامنے آتی ہیں - متن کو آواز میں تبدیل کرنے کی خدمات کے ذریعے سپورٹ شدہ آوازوں کی فہرست حاصل کرنے کے لیے کال ایک JSON دستاویز ہے جو 77KB سے زیادہ ہے، جو وائیو ٹرمینل کے ذریعے پروسیس کرنے کے لیے بہت بڑی ہے۔ اس وقت، مکمل فہرست میں 215 آوازیں شامل ہیں، ہر ایک کو ایک JSON دستاویز کے ذریعے بیان کیا گیا ہے جیسے کہ درج ذیل:
+
+```json
+{
+    "Name": "Microsoft Server Speech Text to Speech Voice (en-US, AriaNeural)",
+    "DisplayName": "Aria",
+    "LocalName": "Aria",
+    "ShortName": "en-US-AriaNeural",
+    "Gender": "Female",
+    "Locale": "en-US",
+    "StyleList": [
+        "chat",
+        "customerservice",
+        "narration-professional",
+        "newscast-casual",
+        "newscast-formal",
+        "cheerful",
+        "empathetic"
+    ],
+    "SampleRateHertz": "24000",
+    "VoiceType": "Neural",
+    "Status": "GA"
+}
+```
+
+یہ JSON **Aria** آواز کے لیے ہے، جس کے پاس متعدد آواز کے انداز ہیں۔ متن کو آواز میں تبدیل کرتے وقت صرف `en-US-AriaNeural` جیسے shortname کی ضرورت ہوتی ہے۔
+
+پورے فہرست کو مائیکرو کنٹرولر پر ڈاؤن لوڈ اور ڈی کوڈ کرنے کے بجائے، آپ کو کچھ مزید سرور لیس کوڈ لکھنے کی ضرورت ہوگی تاکہ آپ کی زبان کے لیے آوازوں کی فہرست حاصل کی جا سکے، اور اسے وائیو ٹرمینل سے کال کریں۔ آپ کا کوڈ پھر فہرست سے مناسب آواز منتخب کر سکتا ہے، جیسے کہ پہلی آواز جو اسے ملتی ہے۔
+
+### کام - آوازوں کی فہرست حاصل کرنے کے لیے سرور لیس فنکشن بنائیں
+
+1. اپنے `smart-timer-trigger` پروجیکٹ کو VS کوڈ میں کھولیں، اور ٹرمینل کھولیں، یہ یقینی بناتے ہوئے کہ ورچوئل ماحول فعال ہے۔ اگر نہیں، تو ٹرمینل کو ختم کریں اور دوبارہ بنائیں۔
+
+1. `local.settings.json` فائل کھولیں اور اسپیک API کلید اور مقام کے لیے سیٹنگز شامل کریں:
+
+    ```json
+    "SPEECH_KEY": "<key>",
+    "SPEECH_LOCATION": "<location>"
+    ```
+
+    `<key>` کو اپنے اسپیک سروس ریسورس کے API کلید سے تبدیل کریں۔ `<location>` کو اس مقام سے تبدیل کریں جو آپ نے اسپیک سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+1. اس ایپ میں ایک نیا HTTP ٹرگر شامل کریں جسے `get-voices` کہا جاتا ہے، درج ذیل کمانڈ کو VS کوڈ ٹرمینل میں فنکشنز ایپ پروجیکٹ کے روٹ فولڈر کے اندر استعمال کریں:
+
+    ```sh
+    func new --name get-voices --template "HTTP trigger"
+    ```
+
+    یہ ایک HTTP ٹرگر بنائے گا جسے `get-voices` کہا جاتا ہے۔
+
+1. `get-voices` فولڈر میں `__init__.py` فائل کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    import json
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        location = os.environ['SPEECH_LOCATION']
+        speech_key = os.environ['SPEECH_KEY']
+    
+        req_body = req.get_json()
+        language = req_body['language']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/voices/list'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        response = requests.get(url, headers=headers)
+        voices_json = json.loads(response.text)
+    
+        voices = filter(lambda x: x['Locale'].lower() == language.lower(), voices_json)
+        voices = map(lambda x: x['ShortName'], voices)
+    
+        return func.HttpResponse(json.dumps(list(voices)), status_code=200)
+    ```
+
+    یہ کوڈ اسپیک سروسز کے اینڈ پوائنٹ پر آوازوں کی فہرست حاصل کرنے کے لیے HTTP درخواست کرتا ہے۔ یہ آوازوں کی فہرست تمام زبانوں کے لیے ایک بڑا JSON بلاک ہے، لہذا درخواست کے جسم میں دی گئی زبان کے لیے آوازوں کو فلٹر کیا جاتا ہے، پھر shortname نکالا جاتا ہے اور JSON فہرست کے طور پر واپس کیا جاتا ہے۔ shortname وہ قدر ہے جو متن کو آواز میں تبدیل کرنے کے لیے ضروری ہے، لہذا صرف یہی قدر واپس کی جاتی ہے۔
+
+    > 💁 آپ فلٹر کو اپنی ضرورت کے مطابق تبدیل کر سکتے ہیں تاکہ صرف وہ آوازیں منتخب کریں جو آپ چاہتے ہیں۔
+
+    یہ ڈیٹا کے سائز کو 77KB (لکھنے کے وقت) سے ایک چھوٹے JSON دستاویز میں کم کر دیتا ہے۔ مثال کے طور پر، امریکی آوازوں کے لیے یہ 408 بائٹس ہے۔
+
+1. اپنی فنکشن ایپ کو مقامی طور پر چلائیں۔ آپ اسے curl جیسے ٹول کا استعمال کرتے ہوئے اسی طرح کال کر سکتے ہیں جیسے آپ نے اپنے `text-to-timer` HTTP ٹرگر کو ٹیسٹ کیا تھا۔ اپنی زبان کو JSON جسم کے طور پر پاس کرنا یقینی بنائیں:
+
+    ```json
+    {
+        "language":"<language>"
+    }
+    ```
+
+    `<language>` کو اپنی زبان سے تبدیل کریں، جیسے `en-GB` یا `zh-CN`۔
+
+> 💁 آپ اس کوڈ کو [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - وائیو ٹرمینل سے آواز حاصل کریں
+
+1. اگر `smart-timer` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے VS کوڈ میں کھولیں۔
+
+1. `config.h` ہیڈر فائل کھولیں اور اپنی فنکشن ایپ کے لیے URL شامل کریں:
+
+    ```cpp
+    const char *GET_VOICES_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` کو اپنی فنکشن ایپ کے `get-voices` HTTP ٹرگر کے URL سے تبدیل کریں۔ یہ `TEXT_TO_TIMER_FUNCTION_URL` کی قدر جیسا ہی ہوگا، سوائے فنکشن کے نام `get-voices` کے بجائے `text-to-timer`۔
+
+1. `src` فولڈر میں ایک نئی فائل بنائیں جسے `text_to_speech.h` کہا جاتا ہے۔ یہ متن کو آواز میں تبدیل کرنے کے لیے ایک کلاس کو ڈیفائن کرنے کے لیے استعمال کی جائے گی۔
+
+1. نئی `text_to_speech.h` فائل کے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #pragma once
+
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <Seeed_FS.h>
+    #include <SD/Seeed_SD.h>
+    #include <WiFiClient.h>
+    #include <WiFiClientSecure.h>
+    
+    #include "config.h"
+    #include "speech_to_text.h"
+    ```
+
+1. اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ `TextToSpeech` کلاس کو ڈیفائن کیا جا سکے، ساتھ ہی ایک انسٹینس جو ایپلیکیشن کے باقی حصے میں استعمال کیا جا سکتا ہے:
+
+    ```cpp
+    class TextToSpeech
+    {
+    public:
+    private:
+    };
+    
+    TextToSpeech textToSpeech;
+    ```
+
+1. اپنی فنکشن ایپ کو کال کرنے کے لیے، آپ کو ایک WiFi کلائنٹ ڈیفائن کرنا ہوگا۔ کلاس کے `private` سیکشن میں درج ذیل شامل کریں:
+
+    ```cpp
+    WiFiClient _client;
+    ```
+
+1. `private` سیکشن میں، منتخب کردہ آواز کے لیے ایک فیلڈ شامل کریں:
+
+    ```cpp
+    String _voice;
+    ```
+
+1. `public` سیکشن میں ایک `init` فنکشن شامل کریں جو پہلی آواز حاصل کرے گا:
+
+    ```cpp
+    void init()
+    {
+    }
+    ```
+
+1. آوازوں کو حاصل کرنے کے لیے، ایک JSON دستاویز کو زبان کے ساتھ فنکشن ایپ پر بھیجنے کی ضرورت ہے۔ `init` فنکشن میں درج ذیل کوڈ شامل کریں تاکہ یہ JSON دستاویز بنائی جا سکے:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+1. اس کے بعد ایک `HTTPClient` بنائیں، پھر اسے آوازوں کو حاصل کرنے کے لیے فنکشن ایپ کو کال کرنے کے لیے استعمال کریں، JSON دستاویز کو پوسٹ کرتے ہوئے:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, GET_VOICES_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. اس کے نیچے کوڈ شامل کریں تاکہ رسپانس کو چیک کیا جا سکے، اور اگر یہ 200 (کامیابی) ہے، تو آوازوں کی فہرست نکالیں، فہرست سے پہلی آواز حاصل کریں:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {
+        String result = httpClient.getString();
+        Serial.println(result);
+
+        DynamicJsonDocument doc(1024);
+        deserializeJson(doc, result.c_str());
+
+        JsonArray obj = doc.as<JsonArray>();
+        _voice = obj[0].as<String>();
+
+        Serial.print("Using voice ");
+        Serial.println(_voice);
+    }
+    else
+    {
+        Serial.print("Failed to get voices - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. اس کے بعد، HTTP کلائنٹ کنکشن ختم کریں:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. `main.cpp` فائل کھولیں، اور اس نئی ہیڈر فائل کو شامل کرنے کے لیے اوپر درج ذیل شامل کریں:
+
+    ```cpp
+    #include "text_to_speech.h"
+    ```
+
+1. `setup` فنکشن میں، `speechToText.init();` کال کے نیچے درج ذیل شامل کریں تاکہ `TextToSpeech` کلاس کو انیشیلائز کیا جا سکے:
+
+    ```cpp
+    textToSpeech.init();
+    ```
+
+1. اس کوڈ کو بنائیں، اسے اپنے وائیو ٹرمینل پر اپ لوڈ کریں اور سیریل مانیٹر کے ذریعے ٹیسٹ کریں۔ یقینی بنائیں کہ آپ کی فنکشن ایپ چل رہی ہے۔
+
+    آپ کو فنکشن ایپ سے دستیاب آوازوں کی فہرست واپس آتی ہوئی نظر آئے گی، ساتھ ہی منتخب کردہ آواز۔
+
+    ```output
+    --- Available filters and text transformations: colorize, debug, default, direct, hexlify, log2file, nocontrol, printable, send_on_enter, time
+    --- More details at http://bit.ly/pio-monitor-filters
+    --- Miniterm on /dev/cu.usbmodem1101  9600,8,N,1 ---
+    --- Quit: Ctrl+C | Menu: Ctrl+T | Help: Ctrl+T followed by Ctrl+H ---
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    ["en-US-JennyNeural", "en-US-JennyMultilingualNeural", "en-US-GuyNeural", "en-US-AriaNeural", "en-US-AmberNeural", "en-US-AnaNeural", "en-US-AshleyNeural", "en-US-BrandonNeural", "en-US-ChristopherNeural", "en-US-CoraNeural", "en-US-ElizabethNeural", "en-US-EricNeural", "en-US-JacobNeural", "en-US-MichelleNeural", "en-US-MonicaNeural", "en-US-AriaRUS", "en-US-BenjaminRUS", "en-US-GuyRUS", "en-US-ZiraRUS"]
+    Using voice en-US-JennyNeural
+    Ready.
+    ```
+
+## متن کو آواز میں تبدیل کریں
+
+ایک بار جب آپ کے پاس استعمال کرنے کے لیے آواز ہو، تو اسے متن کو آواز میں تبدیل کرنے کے لیے استعمال کیا جا سکتا ہے۔ آواز کو متن میں تبدیل کرنے کے ساتھ وہی میموری کی حدود آواز کو متن میں تبدیل کرنے پر بھی لاگو ہوتی ہیں، لہذا آپ کو آواز کو SD کارڈ پر محفوظ کرنے کی ضرورت ہوگی تاکہ اسے ReSpeaker پر چلایا جا سکے۔
+
+> 💁 اس پروجیکٹ کے پہلے اسباق میں آپ نے مائیکروفون سے حاصل کردہ آواز کو محفوظ کرنے کے لیے فلیش میموری کا استعمال کیا۔ یہ سبق SD کارڈ استعمال کرتا ہے کیونکہ Seeed آڈیو لائبریریوں کا استعمال کرتے ہوئے اس سے آڈیو چلانا آسان ہے۔
+
+یہاں ایک اور حد پر غور کرنا ضروری ہے، اسپیک سروس سے دستیاب آڈیو ڈیٹا، اور وہ فارمیٹس جو وائیو ٹرمینل سپورٹ کرتا ہے۔ مکمل کمپیوٹرز کے برعکس، مائیکرو کنٹرولرز کے لیے آڈیو لائبریریاں ان فارمیٹس میں محدود ہو سکتی ہیں جنہیں وہ سپورٹ کرتی ہیں۔ مثال کے طور پر، Seeed Arduino Audio لائبریری جو ReSpeaker پر آواز چلا سکتی ہے، صرف 44.1KHz سیمپل ریٹ پر آڈیو کو سپورٹ کرتی ہے۔ Azure اسپیک سروسز کئی فارمیٹس میں آڈیو فراہم کر سکتی ہیں، لیکن ان میں سے کوئی بھی اس سیمپل ریٹ کا استعمال نہیں کرتا، وہ صرف 8KHz، 16KHz، 24KHz اور 48KHz فراہم کرتے ہیں۔ اس کا مطلب ہے کہ آڈیو کو 44.1KHz پر دوبارہ سیمپل کرنے کی ضرورت ہے، جو وائیو ٹرمینل کے پاس زیادہ وسائل، خاص طور پر میموری کی ضرورت ہوگی۔
+
+جب اس طرح کے ڈیٹا کو جوڑنے کی ضرورت ہو، تو اکثر بہتر ہوتا ہے کہ سرور لیس کوڈ استعمال کریں، خاص طور پر اگر ڈیٹا ویب کال کے ذریعے حاصل کیا گیا ہو۔ وائیو ٹرمینل سرور لیس فنکشن کو کال کر سکتا ہے، متن کو تبدیل کرنے کے لیے پاس کرتے ہوئے، اور سرور لیس فنکشن اسپیک سروس کو متن کو آواز میں تبدیل کرنے کے لیے کال کر سکتا ہے، ساتھ ہی آڈیو کو مطلوبہ سیمپل ریٹ پر دوبارہ سیمپل کر سکتا ہے۔ پھر یہ آڈیو کو اس شکل میں واپس کر سکتا ہے جسے وائیو ٹرمینل SD کارڈ پر محفوظ کر سکتا ہے اور ReSpeaker پر چلا سکتا ہے۔
+
+### کام - متن کو آواز میں تبدیل کرنے کے لیے سرور لیس فنکشن بنائیں
+
+1. اپنے `smart-timer-trigger` پروجیکٹ کو VS کوڈ میں کھولیں، اور ٹرمینل کھولیں، یہ یقینی بناتے ہوئے کہ ورچوئل ماحول فعال ہے۔ اگر نہیں، تو ٹرمینل کو ختم کریں اور دوبارہ بنائیں۔
+
+1. اس ایپ میں ایک نیا HTTP ٹرگر شامل کریں جسے `text-to-speech` کہا جاتا ہے، درج ذیل کمانڈ کو VS کوڈ ٹرمینل میں فنکشنز ایپ پروجیکٹ کے روٹ فولڈر کے اندر استعمال کریں:
+
+    ```sh
+    func new --name text-to-speech --template "HTTP trigger"
+    ```
+
+    یہ ایک HTTP ٹرگر بنائے گا جسے `text-to-speech` کہا جاتا ہے۔
+
+1. [librosa](https://librosa.org) Pip پیکج میں آڈیو کو دوبارہ سیمپل کرنے کے فنکشنز ہیں، لہذا اسے `requirements.txt` فائل میں شامل کریں:
+
+    ```sh
+    librosa
+    ```
+
+    ایک بار جب یہ شامل ہو جائے، درج ذیل کمانڈ کو VS کوڈ ٹرمینل سے استعمال کرتے ہوئے Pip پیکجز انسٹال کریں:
+
+    ```sh
+    pip install -r requirements.txt
+    ```
+
+    > ⚠️ اگر آپ لینکس استعمال کر رہے ہیں، بشمول Raspberry Pi OS، تو آپ کو `libsndfile` درج ذیل کمانڈ کے ساتھ انسٹال کرنے کی ضرورت ہو سکتی ہے:
+    >
+    > ```sh
+    > sudo apt update
+    > sudo apt install libsndfile1-dev
+    > ```
+
+1. متن کو آواز میں تبدیل کرنے کے لیے، آپ اسپیک API کلید کو براہ راست استعمال نہیں کر سکتے، بلکہ آپ کو ایک ایکسیس ٹوکن کی درخواست کرنی ہوگی، API کلید کو ایکسیس ٹوکن درخواست کی تصدیق کے لیے استعمال کرتے ہوئے۔ `text-to-speech` فولڈر سے `__init__.py` فائل کھولیں اور اس میں موجود تمام کوڈ کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    import io
+    import os
+    import requests
+    
+    import librosa
+    import soundfile as sf
+    import azure.functions as func
+    
+    location = os.environ['SPEECH_LOCATION']
+    speech_key = os.environ['SPEECH_KEY']
+    
+    def get_access_token():
+        headers = {
+            'Ocp-Apim-Subscription-Key': speech_key
+        }
+    
+        token_endpoint = f'https://{location}.api.cognitive.microsoft.com/sts/v1.0/issuetoken'
+        response = requests.post(token_endpoint, headers=headers)
+        return str(response.text)
+    ```
+
+    یہ سیٹنگز سے پڑھی جانے والی مقام اور اسپیک کلید کے لیے کانسٹنٹس ڈیفائن کرتا ہے۔ پھر یہ `get_access_token` فنکشن ڈیفائن کرتا ہے جو اسپیک سروس کے لیے ایکسیس ٹوکن حاصل کرے گا۔
+
+1. اس کوڈ کے نیچے درج ذیل شامل کریں:
+
+    ```python
+    playback_format = 'riff-48khz-16bit-mono-pcm'
+
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        language = req_body['language']
+        voice = req_body['voice']
+        text = req_body['text']
+    
+        url = f'https://{location}.tts.speech.microsoft.com/cognitiveservices/v1'
+    
+        headers = {
+            'Authorization': 'Bearer ' + get_access_token(),
+            'Content-Type': 'application/ssml+xml',
+            'X-Microsoft-OutputFormat': playback_format
+        }
+    
+        ssml =  f'<speak version=\'1.0\' xml:lang=\'{language}\'>'
+        ssml += f'<voice xml:lang=\'{language}\' name=\'{voice}\'>'
+        ssml += text
+        ssml += '</voice>'
+        ssml += '</speak>'
+    
+        response = requests.post(url, headers=headers, data=ssml.encode('utf-8'))
+    
+        raw_audio, sample_rate = librosa.load(io.BytesIO(response.content), sr=48000)
+        resampled = librosa.resample(raw_audio, sample_rate, 44100)
+        
+        output_buffer = io.BytesIO()
+        sf.write(output_buffer, resampled, 44100, 'PCM_16', format='wav')
+        output_buffer.seek(0)
+    
+        return func.HttpResponse(output_buffer.read(), status_code=200)
+    ```
+
+    یہ HTTP ٹرگر ڈیفائن کرتا ہے جو متن کو آواز میں تبدیل کرتا ہے۔ یہ JSON جسم سے متن کو تبدیل کرنے، زبان اور آواز کو نکالتا ہے، اسپیک کی درخواست کرنے کے لیے کچھ SSML بناتا ہے، پھر متعلقہ REST API کو ایکسیس ٹوکن کے ذریعے تصدیق کرتے ہوئے کال کرتا ہے۔ یہ REST API کال آڈیو کو 16-bit، 48KHz مونو WAV فائل کے طور پر انکوڈ کر کے واپس کرتا ہے، جو `playback_format` کی قدر سے ڈیفائن کیا گیا ہے، جو REST API کال کو بھیجا جاتا ہے۔
+
+    پھر یہ `librosa` کے ذریعے 48KHz کے سیمپل ریٹ سے 44.1KHz کے سیمپل ریٹ پر دوبارہ سیمپل کیا جاتا ہے، پھر یہ آڈیو ایک بائنری بفر میں محفوظ کیا جاتا ہے جو پھر واپس کیا جاتا ہے۔
+
+1. اپنی فنکشن ایپ کو مقامی طور پر چلائیں، یا اسے کلاؤڈ پر ڈیپلائی کریں۔ آپ اسے curl جیسے ٹول کا استعمال کرتے ہوئے اسی طرح کال کر سکتے ہیں جیسے آپ نے اپنے `text-to-timer` HTTP ٹرگر کو ٹیسٹ کیا تھا۔ زبان، آواز اور متن کو JSON جسم کے طور پر پاس کرنا یقینی بنائیں:
+
+    ```json
+    {
+        "language": "<language>",
+        "voice": "<voice>",
+        "text": "<text>"
+    }
+    ```
+
+    `<language>` کو اپنی زبان سے تبدیل کریں، جیسے `en-GB` یا `zh-CN`۔ `<voice>` کو اپنی مطلوبہ آواز سے تبدیل کریں۔ `<text>` کو اس متن سے تبدیل کریں جسے آپ آواز میں تبدیل کرنا چاہتے ہیں۔ آپ آؤٹ پٹ کو فائل میں محفوظ کر سکتے ہیں اور اسے کسی بھی آڈیو پلیئر کے ساتھ چلا سکتے ہیں جو WAV فائلز چلا سکتا ہے۔
+
+    مثال کے طور پر، "Hello" کو امریکی انگریزی میں Jenny Neural آواز کے ساتھ آواز میں تبدیل کرنے کے لیے، فنکشن ایپ کو مقامی طور پر چلانے کے ساتھ، آپ درج ذیل curl کمانڈ استعمال کر سکتے ہیں:
+
+    ```sh
+    curl -X GET 'http://localhost:7071/api/text-to-speech' \
+         -H 'Content-Type: application/json' \
+         -o hello.wav \
+         -d '{
+           "language":"en-US",
+           "voice": "en-US-JennyNeural",
+           "text": "Hello"
+         }'
+    ```
+
+    یہ آڈیو کو موجودہ ڈائریکٹری میں `hello.wav` کے طور پر محفوظ کرے گا۔
+
+> 💁 آپ اس کوڈ کو [code-spoken-response/functions](../../../../../6-consumer/lessons/3-spoken-feedback/code-spoken-response/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - وائیو ٹرمینل سے آواز حاصل کریں
+
+1. اگر `smart-timer` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے VS کوڈ میں کھولیں۔
+
+1. `config.h` ہیڈر فائل کھولیں اور اپنی فنکشن ایپ کے لیے URL شامل کریں:
+
+    ```cpp
+    const char *TEXT_TO_SPEECH_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` کو اپنی فنکشن ایپ کے `text-to-speech` HTTP ٹرگر کے URL سے تبدیل کریں۔ یہ `TEXT_TO_TIMER_FUNCTION_URL` کی قدر جیسا ہی ہوگا، سوائے فنکشن کے نام `text-to-speech` کے بجائے `text-to-timer`۔
+
+1. `text_to_speech.h` ہیڈر فائل کھولیں، اور `TextToSpeech` کلاس کے `public` سیکشن میں درج ذیل میتھڈ شامل کریں:
+
+    ```cpp
+    void convertTextToSpeech(String text)
+    {
+    }
+    ```
+
+1. `convertTextToSpeech` میتھڈ میں، فنکشن ایپ کو بھیجنے کے لیے JSON بنانے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["language"] = LANGUAGE;
+    doc["voice"] = _voice;
+    doc["text"] = text;
+
+    String body;
+    serializeJson(doc, body);
+    ```
+
+    یہ زبان، آواز اور متن کو JSON دستاویز میں لکھتا ہے، پھر اسے ایک سٹرنگ میں سیریلائز کرتا ہے۔
+
+1. اس کے نیچے، فنکشن ایپ کو کال کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TEXT_TO_SPEECH_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+    یہ ایک HTTPClient بناتا ہے، پھر JSON دستاویز کا استعمال کرتے ہوئے متن کو آواز میں تبدیل کرنے کے HTTP ٹرگر پر POST درخواست کرتا ہے۔
+
+1. اگر کال کام کرتی ہے، تو فنکشن ایپ کال سے واپس کیے گئے خام بائنری ڈیٹا کو SD کارڈ پر فائل میں اسٹریم کیا جا سکتا ہے۔ ایسا کرنے کے لیے درج ذیل کوڈ شامل کریں:
+
+    ```cpp
+    if (httpResponseCode == 200)
+    {            
+        File wav_file = SD.open("SPEECH.WAV", FILE_WRITE);
+        httpClient.writeToStream(&wav_file);
+        wav_file.close();
+    }
+    else
+    {
+        Serial.print("Failed to get speech - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+    یہ کوڈ رسپانس کو چیک کرتا ہے، اور اگر یہ 200 (کامیابی) ہے، تو بائنری ڈیٹا SD کارڈ کی روٹ میں `SPEECH.WAV` نامی فائل میں اسٹریم کیا جاتا ہے۔
+
+1. اس میتھڈ کے آخر میں، HTTP کنکشن بند کریں:
+
+    ```cpp
+    httpClient.end();
+    ```
+
+1. اب بولے جانے والے متن کو آڈیو میں تبدیل کیا جا سکتا ہے۔ `main.cpp` فائل میں، `say` فنکشن کے آخر میں درج ذیل لائن شامل کریں تاکہ بولے جانے والے متن کو آڈیو میں تبدیل کیا جا سکے:
+```cpp
+    textToSpeech.convertTextToSpeech(text);
+    ```
+
+### کام - اپنے Wio Terminal سے آڈیو چلائیں
+
+**جلد آرہا ہے**
+
+## اپنی فنکشنز ایپ کو کلاؤڈ پر ڈیپلائے کریں
+
+فنکشنز ایپ کو مقامی طور پر چلانے کی وجہ یہ ہے کہ لینکس پر `librosa` پائپ پیکیج ایک ایسی لائبریری پر منحصر ہے جو ڈیفالٹ طور پر انسٹال نہیں ہوتی، اور فنکشن ایپ کو چلانے سے پہلے اسے انسٹال کرنا ضروری ہوگا۔ فنکشنز ایپس سرور لیس ہوتی ہیں - آپ کے پاس کوئی سرور نہیں ہوتا جسے آپ خود مینیج کر سکیں، اس لیے اس لائبریری کو پہلے سے انسٹال کرنے کا کوئی طریقہ نہیں ہوتا۔
+
+اس کا حل یہ ہے کہ اپنی فنکشنز ایپ کو ایک Docker کنٹینر کے ذریعے ڈیپلائے کریں۔ یہ کنٹینر کلاؤڈ کے ذریعے اس وقت ڈیپلائے کیا جاتا ہے جب اسے آپ کی فنکشن ایپ کا نیا انسٹینس شروع کرنے کی ضرورت ہو (جیسے جب ڈیمانڈ دستیاب وسائل سے زیادہ ہو جائے، یا اگر فنکشن ایپ کچھ وقت سے استعمال نہیں ہوئی ہو اور بند ہو گئی ہو)۔
+
+آپ فنکشن ایپ کو سیٹ اپ کرنے اور Docker کے ذریعے ڈیپلائے کرنے کی ہدایات [Microsoft Docs پر لینکس پر کسٹم کنٹینر استعمال کرتے ہوئے فنکشن بنانے کی دستاویزات](https://docs.microsoft.com/azure/azure-functions/functions-create-function-linux-custom-image?WT.mc_id=academic-17441-jabenn&tabs=bash%2Cazurecli&pivots=programming-language-python) میں دیکھ سکتے ہیں۔
+
+جب یہ ڈیپلائے ہو جائے، تو آپ اپنی Wio Terminal کوڈ کو اس فنکشن تک رسائی کے لیے پورٹ کر سکتے ہیں:
+
+1. Azure Functions کا سرٹیفکیٹ `config.h` میں شامل کریں:
+
+    ```cpp
+    const char *FUNCTIONS_CERTIFICATE =
+        "-----BEGIN CERTIFICATE-----\r\n"
+        "MIIFWjCCBEKgAwIBAgIQDxSWXyAgaZlP1ceseIlB4jANBgkqhkiG9w0BAQsFADBa\r\n"
+        "MQswCQYDVQQGEwJJRTESMBAGA1UEChMJQmFsdGltb3JlMRMwEQYDVQQLEwpDeWJl\r\n"
+        "clRydXN0MSIwIAYDVQQDExlCYWx0aW1vcmUgQ3liZXJUcnVzdCBSb290MB4XDTIw\r\n"
+        "MDcyMTIzMDAwMFoXDTI0MTAwODA3MDAwMFowTzELMAkGA1UEBhMCVVMxHjAcBgNV\r\n"
+        "BAoTFU1pY3Jvc29mdCBDb3Jwb3JhdGlvbjEgMB4GA1UEAxMXTWljcm9zb2Z0IFJT\r\n"
+        "QSBUTFMgQ0EgMDEwggIiMA0GCSqGSIb3DQEBAQUAA4ICDwAwggIKAoICAQCqYnfP\r\n"
+        "mmOyBoTzkDb0mfMUUavqlQo7Rgb9EUEf/lsGWMk4bgj8T0RIzTqk970eouKVuL5R\r\n"
+        "IMW/snBjXXgMQ8ApzWRJCZbar879BV8rKpHoAW4uGJssnNABf2n17j9TiFy6BWy+\r\n"
+        "IhVnFILyLNK+W2M3zK9gheiWa2uACKhuvgCca5Vw/OQYErEdG7LBEzFnMzTmJcli\r\n"
+        "W1iCdXby/vI/OxbfqkKD4zJtm45DJvC9Dh+hpzqvLMiK5uo/+aXSJY+SqhoIEpz+\r\n"
+        "rErHw+uAlKuHFtEjSeeku8eR3+Z5ND9BSqc6JtLqb0bjOHPm5dSRrgt4nnil75bj\r\n"
+        "c9j3lWXpBb9PXP9Sp/nPCK+nTQmZwHGjUnqlO9ebAVQD47ZisFonnDAmjrZNVqEX\r\n"
+        "F3p7laEHrFMxttYuD81BdOzxAbL9Rb/8MeFGQjE2Qx65qgVfhH+RsYuuD9dUw/3w\r\n"
+        "ZAhq05yO6nk07AM9c+AbNtRoEcdZcLCHfMDcbkXKNs5DJncCqXAN6LhXVERCw/us\r\n"
+        "G2MmCMLSIx9/kwt8bwhUmitOXc6fpT7SmFvRAtvxg84wUkg4Y/Gx++0j0z6StSeN\r\n"
+        "0EJz150jaHG6WV4HUqaWTb98Tm90IgXAU4AW2GBOlzFPiU5IY9jt+eXC2Q6yC/Zp\r\n"
+        "TL1LAcnL3Qa/OgLrHN0wiw1KFGD51WRPQ0Sh7QIDAQABo4IBJTCCASEwHQYDVR0O\r\n"
+        "BBYEFLV2DDARzseSQk1Mx1wsyKkM6AtkMB8GA1UdIwQYMBaAFOWdWTCCR1jMrPoI\r\n"
+        "VDaGezq1BE3wMA4GA1UdDwEB/wQEAwIBhjAdBgNVHSUEFjAUBggrBgEFBQcDAQYI\r\n"
+        "KwYBBQUHAwIwEgYDVR0TAQH/BAgwBgEB/wIBADA0BggrBgEFBQcBAQQoMCYwJAYI\r\n"
+        "KwYBBQUHMAGGGGh0dHA6Ly9vY3NwLmRpZ2ljZXJ0LmNvbTA6BgNVHR8EMzAxMC+g\r\n"
+        "LaArhilodHRwOi8vY3JsMy5kaWdpY2VydC5jb20vT21uaXJvb3QyMDI1LmNybDAq\r\n"
+        "BgNVHSAEIzAhMAgGBmeBDAECATAIBgZngQwBAgIwCwYJKwYBBAGCNyoBMA0GCSqG\r\n"
+        "SIb3DQEBCwUAA4IBAQCfK76SZ1vae4qt6P+dTQUO7bYNFUHR5hXcA2D59CJWnEj5\r\n"
+        "na7aKzyowKvQupW4yMH9fGNxtsh6iJswRqOOfZYC4/giBO/gNsBvwr8uDW7t1nYo\r\n"
+        "DYGHPpvnpxCM2mYfQFHq576/TmeYu1RZY29C4w8xYBlkAA8mDJfRhMCmehk7cN5F\r\n"
+        "JtyWRj2cZj/hOoI45TYDBChXpOlLZKIYiG1giY16vhCRi6zmPzEwv+tk156N6cGS\r\n"
+        "Vm44jTQ/rs1sa0JSYjzUaYngoFdZC4OfxnIkQvUIA4TOFmPzNPEFdjcZsgbeEz4T\r\n"
+        "cGHTBPK4R28F44qIMCtHRV55VMX53ev6P3hRddJb\r\n"
+        "-----END CERTIFICATE-----\r\n";
+    ```
+
+1. تمام `<WiFiClient.h>` شاملات کو `<WiFiClientSecure.h>` میں تبدیل کریں۔
+
+1. تمام `WiFiClient` فیلڈز کو `WiFiClientSecure` میں تبدیل کریں۔
+
+1. ہر کلاس میں جس میں `WiFiClientSecure` فیلڈ ہو، ایک کنسٹرکٹر شامل کریں اور اس کنسٹرکٹر میں سرٹیفکیٹ سیٹ کریں:
+
+    ```cpp
+    _client.setCACert(FUNCTIONS_CERTIFICATE);
+    ```
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md
new file mode 100644
index 00000000..c13e2877
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md
@@ -0,0 +1,188 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c16de27b0074abe81d6a8bad5e5b1a6b",
+  "translation_date": "2025-08-26T23:54:52+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/README.md",
+  "language_code": "ur"
+}
+-->
+# متعدد زبانوں کی حمایت کریں
+
+![اس سبق کا خاکہ](../../../../../translated_images/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.ur.jpg)
+
+> خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔
+
+یہ ویڈیو Azure کے اسپیک سروسز کا جائزہ پیش کرتی ہے، جس میں اسپیک سے ٹیکسٹ اور ٹیکسٹ سے اسپیک شامل ہیں جو پچھلے اسباق میں شامل تھے، اور اسپیک کا ترجمہ کرنا، جو اس سبق میں شامل ہے:
+
+[![Microsoft Build 2020 سے چند لائنز کے ساتھ Python میں اسپیک کو پہچاننا](https://img.youtube.com/vi/h6xbpMPSGEA/0.jpg)](https://www.youtube.com/watch?v=h6xbpMPSGEA)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+## لیکچر سے پہلے کا کوئز
+
+[لیکچر سے پہلے کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/47)
+
+## تعارف
+
+پچھلے 3 اسباق میں آپ نے اسپیک کو ٹیکسٹ میں تبدیل کرنے، زبان کو سمجھنے، اور ٹیکسٹ کو اسپیک میں تبدیل کرنے کے بارے میں سیکھا، جو سب AI کے ذریعے ممکن ہوا۔ انسانی مواصلات کا ایک اور پہلو جس میں AI مدد کر سکتا ہے وہ زبان کا ترجمہ ہے - ایک زبان سے دوسری زبان میں تبدیل کرنا، جیسے انگریزی سے فرانسیسی۔
+
+اس سبق میں آپ AI کا استعمال کرتے ہوئے ٹیکسٹ کا ترجمہ کرنا سیکھیں گے، تاکہ آپ کا اسمارٹ ٹائمر مختلف زبانوں میں صارفین کے ساتھ بات چیت کر سکے۔
+
+اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:
+
+* [ٹیکسٹ کا ترجمہ کریں](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [ترجمہ خدمات](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [ترجمہ کرنے کا ذریعہ بنائیں](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [ترجمہ کے ساتھ ایپلیکیشنز میں متعدد زبانوں کی حمایت کریں](../../../../../6-consumer/lessons/4-multiple-language-support)
+* [AI سروس کا استعمال کرتے ہوئے ٹیکسٹ کا ترجمہ کریں](../../../../../6-consumer/lessons/4-multiple-language-support)
+
+> 🗑 یہ اس پروجیکٹ کا آخری سبق ہے، لہذا اس سبق اور اسائنمنٹ مکمل کرنے کے بعد، اپنے کلاؤڈ سروسز کو صاف کرنا نہ بھولیں۔ اسائنمنٹ مکمل کرنے کے لیے آپ کو سروسز کی ضرورت ہوگی، لہذا پہلے اسائنمنٹ مکمل کریں۔
+>
+> اگر ضرورت ہو تو [اپنے پروجیکٹ کو صاف کرنے کے گائیڈ](../../../clean-up.md) کا حوالہ دیں۔
+
+## ٹیکسٹ کا ترجمہ کریں
+
+ٹیکسٹ کا ترجمہ کمپیوٹر سائنس کا ایک مسئلہ رہا ہے جس پر 70 سال سے زیادہ تحقیق کی گئی ہے، اور اب AI اور کمپیوٹر پاور کی ترقی کی بدولت یہ انسانی مترجمین کے قریب پہنچ رہا ہے۔
+
+> 💁 اس کی ابتدا مزید پیچھے جا سکتی ہے، [الکندی](https://wikipedia.org/wiki/Al-Kindi) سے، جو 9ویں صدی کے عربی کرپٹوگرافر تھے جنہوں نے زبان کے ترجمے کے لیے تکنیکیں تیار کیں۔
+
+### مشینی ترجمے
+
+ٹیکسٹ کا ترجمہ ایک ٹیکنالوجی کے طور پر شروع ہوا جسے مشینی ترجمہ (MT) کہا جاتا ہے، جو مختلف زبانوں کے جوڑوں کے درمیان ترجمہ کر سکتا ہے۔ MT الفاظ کو ایک زبان سے دوسری زبان میں تبدیل کرنے کے ذریعے کام کرتا ہے، اور ایسے طریقے شامل کرتا ہے جو جملوں یا جملے کے حصوں کو صحیح طریقے سے ترجمہ کرنے کے لیے منتخب کرتے ہیں جب سادہ لفظ بہ لفظ ترجمہ معنی نہیں رکھتا۔
+
+> 🎓 جب مترجمین ایک زبان سے دوسری زبان میں ترجمہ کرنے کی حمایت کرتے ہیں، تو انہیں *زبان کے جوڑے* کہا جاتا ہے۔ مختلف ٹولز مختلف زبان کے جوڑوں کی حمایت کرتے ہیں، اور یہ مکمل نہیں ہو سکتے۔ مثال کے طور پر، ایک مترجم انگریزی سے ہسپانوی کے جوڑے کی حمایت کر سکتا ہے، اور ہسپانوی سے اطالوی کے جوڑے کی حمایت کر سکتا ہے، لیکن انگریزی سے اطالوی کی حمایت نہیں کر سکتا۔
+
+مثال کے طور پر، "Hello world" کو انگریزی سے فرانسیسی میں ترجمہ کرنا "Bonjour" کو "Hello" کے لیے، اور "le monde" کو "world" کے لیے تبدیل کرنے سے کیا جا سکتا ہے، جس سے "Bonjour le monde" کا صحیح ترجمہ حاصل ہوتا ہے۔
+
+جب مختلف زبانیں ایک ہی بات کہنے کے لیے مختلف طریقے استعمال کرتی ہیں تو تبدیلیاں کام نہیں کرتیں۔ مثال کے طور پر، انگریزی جملہ "My name is Jim"، فرانسیسی میں "Je m'appelle Jim" میں ترجمہ ہوتا ہے - لفظی طور پر "میں خود کو Jim کہتا ہوں"۔ "Je" فرانسیسی میں "I" ہے، "moi" "me" ہے، لیکن یہ فعل کے ساتھ جڑ جاتا ہے کیونکہ یہ ایک حرف سے شروع ہوتا ہے، لہذا "m'" بن جاتا ہے، "appelle" "to call" ہے، اور "Jim" کا ترجمہ نہیں ہوتا کیونکہ یہ ایک نام ہے، اور ایسا لفظ نہیں جس کا ترجمہ کیا جا سکتا ہے۔ الفاظ کی ترتیب بھی مسئلہ بن جاتی ہے - "Je m'appelle Jim" کا سادہ ترجمہ "I myself call Jim" بن جاتا ہے، جو انگریزی سے مختلف ترتیب رکھتا ہے۔
+
+> 💁 کچھ الفاظ کبھی ترجمہ نہیں کیے جاتے - میرا نام Jim ہے، چاہے میں کسی بھی زبان میں اپنا تعارف کراؤں۔ جب ایسی زبانوں میں ترجمہ کیا جاتا ہے جو مختلف حروف تہجی استعمال کرتی ہیں، یا مختلف آوازوں کے لیے مختلف حروف استعمال کرتی ہیں، تو الفاظ کو *تلفظی ترجمہ* کیا جا سکتا ہے، یعنی ایسے حروف یا کرداروں کا انتخاب کرنا جو دیے گئے لفظ کی طرح آواز پیدا کریں۔
+
+محاورے بھی ترجمے کے لیے مسئلہ ہیں۔ یہ ایسے جملے ہیں جن کا سمجھا جانے والا مطلب الفاظ کی براہ راست تشریح سے مختلف ہوتا ہے۔ مثال کے طور پر، انگریزی میں محاورہ "I've got ants in my pants" لفظی طور پر کپڑوں میں چیونٹیوں کے ہونے کی طرف اشارہ نہیں کرتا، بلکہ بے چین ہونے کی طرف اشارہ کرتا ہے۔ اگر آپ اسے جرمن میں ترجمہ کریں، تو آپ سامع کو الجھا دیں گے، کیونکہ جرمن ورژن "I have bumble bees in the bottom" ہے۔
+
+> 💁 مختلف مقامات مختلف پیچیدگیاں شامل کرتے ہیں۔ محاورہ "ants in your pants" میں، امریکی انگریزی میں "pants" بیرونی لباس کو ظاہر کرتا ہے، جبکہ برطانوی انگریزی میں "pants" اندرونی لباس کو ظاہر کرتا ہے۔
+
+✅ اگر آپ متعدد زبانیں بولتے ہیں، تو کچھ ایسے جملے سوچیں جو براہ راست ترجمہ نہیں ہوتے۔
+
+مشینی ترجمہ کے نظام قواعد کے بڑے ڈیٹا بیس پر انحصار کرتے ہیں جو مخصوص جملے اور محاورے کے ترجمے کے طریقے بیان کرتے ہیں، ساتھ ہی شماریاتی طریقے جو ممکنہ اختیارات میں سے مناسب ترجمے کا انتخاب کرتے ہیں۔ یہ شماریاتی طریقے انسانوں کے ذریعے متعدد زبانوں میں ترجمہ کیے گئے کاموں کے بڑے ڈیٹا بیس استعمال کرتے ہیں تاکہ سب سے زیادہ ممکنہ ترجمہ منتخب کیا جا سکے، ایک تکنیک جسے *شماریاتی مشینی ترجمہ* کہا جاتا ہے۔ ان میں سے کچھ زبان کی درمیانی نمائندگیوں کا استعمال کرتے ہیں، جس سے ایک زبان کو درمیانی میں ترجمہ کیا جا سکتا ہے، پھر درمیانی سے دوسری زبان میں۔ اس طرح مزید زبانیں شامل کرنے میں درمیانی کے لیے ترجمے شامل ہوتے ہیں، نہ کہ تمام دیگر زبانوں کے لیے۔
+
+### نیورل ترجمے
+
+نیورل ترجمے AI کی طاقت کا استعمال کرتے ہوئے ترجمہ کرتے ہیں، عام طور پر پورے جملے کو ایک ماڈل کے ذریعے ترجمہ کرتے ہیں۔ یہ ماڈل انسانی ترجمہ شدہ بڑے ڈیٹا سیٹس پر تربیت یافتہ ہوتے ہیں، جیسے ویب صفحات، کتابیں، اور اقوام متحدہ کی دستاویزات۔
+
+نیورل ترجمہ ماڈل عام طور پر مشینی ترجمہ ماڈلز سے چھوٹے ہوتے ہیں کیونکہ انہیں جملے اور محاورے کے بڑے ڈیٹا بیس کی ضرورت نہیں ہوتی۔ جدید AI سروسز جو ترجمے فراہم کرتی ہیں اکثر متعدد تکنیکوں کو ملاتی ہیں، شماریاتی مشینی ترجمہ اور نیورل ترجمہ کو ملا کر۔
+
+کسی بھی زبان کے جوڑے کے لیے 1:1 ترجمہ نہیں ہوتا۔ مختلف ترجمہ ماڈلز مختلف نتائج پیدا کریں گے، اس ڈیٹا پر منحصر ہے جس پر ماڈل تربیت یافتہ ہے۔ ترجمے ہمیشہ متناسب نہیں ہوتے - یعنی اگر آپ ایک زبان سے دوسری زبان میں جملہ ترجمہ کریں، پھر پہلی زبان میں واپس ترجمہ کریں تو آپ کو تھوڑا مختلف جملہ نتیجے کے طور پر مل سکتا ہے۔
+
+✅ مختلف آن لائن مترجمین جیسے [Bing Translate](https://www.bing.com/translator)، [Google Translate](https://translate.google.com)، یا Apple translate ایپ آزمائیں۔ چند جملوں کے ترجمہ شدہ ورژنز کا موازنہ کریں۔ ایک میں ترجمہ کریں، پھر دوسرے میں واپس ترجمہ کریں۔
+
+## ترجمہ خدمات
+
+آپ کی ایپلیکیشنز سے اسپیک اور ٹیکسٹ کا ترجمہ کرنے کے لیے متعدد AI سروسز دستیاب ہیں۔
+
+### Cognitive services اسپیک سروس
+
+![اسپیک سروس کا لوگو](../../../../../translated_images/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.ur.png)
+
+پچھلے اسباق میں آپ نے جو اسپیک سروس استعمال کی ہے اس میں اسپیک کی پہچان کے لیے ترجمہ کی صلاحیتیں موجود ہیں۔ جب آپ اسپیک کو پہچانتے ہیں، تو آپ نہ صرف اسی زبان میں اسپیک کا ٹیکسٹ بلکہ دیگر زبانوں میں بھی درخواست کر سکتے ہیں۔
+
+> 💁 یہ صرف اسپیک SDK سے دستیاب ہے، REST API میں ترجمے شامل نہیں ہیں۔
+
+### Cognitive services مترجم سروس
+
+![مترجم سروس کا لوگو](../../../../../translated_images/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.ur.png)
+
+مترجم سروس ایک مخصوص ترجمہ سروس ہے جو ایک زبان سے دوسری زبان یا ایک سے زیادہ ہدف زبانوں میں ٹیکسٹ کا ترجمہ کر سکتی ہے۔ ترجمہ کے علاوہ، یہ اضافی خصوصیات کی وسیع رینج کی حمایت کرتی ہے، جیسے گالیوں کو چھپانا۔ یہ آپ کو کسی خاص لفظ یا جملے کے لیے مخصوص ترجمہ فراہم کرنے کی اجازت بھی دیتا ہے، تاکہ ایسے الفاظ کے ساتھ کام کیا جا سکے جنہیں آپ ترجمہ نہیں کرنا چاہتے، یا ایک مخصوص معروف ترجمہ ہو۔
+
+مثال کے طور پر، جب جملہ "I have a Raspberry Pi"، جو سنگل بورڈ کمپیوٹر کی طرف اشارہ کرتا ہے، کو فرانسیسی میں ترجمہ کرتے ہیں، تو آپ "Raspberry Pi" کا نام اسی طرح رکھنا چاہیں گے، اور اسے ترجمہ نہ کریں، جس سے "J’ai un Raspberry Pi" حاصل ہو، بجائے "J’ai une pi aux framboises" کے۔
+
+## ترجمہ کرنے کا ذریعہ بنائیں
+
+اس سبق کے لیے آپ کو ایک مترجم ذریعہ کی ضرورت ہوگی۔ آپ REST API کا استعمال کرتے ہوئے ٹیکسٹ کا ترجمہ کریں گے۔
+
+### کام - مترجم ذریعہ بنائیں
+
+1. اپنے ٹرمینل یا کمانڈ پرامپٹ سے، درج ذیل کمانڈ چلائیں تاکہ اپنے `smart-timer` ریسورس گروپ میں ایک مترجم ذریعہ بنائیں۔
+
+    ```sh
+    az cognitiveservices account create --name smart-timer-translator \
+                                        --resource-group smart-timer \
+                                        --kind TextTranslation \
+                                        --sku F0 \
+                                        --yes \
+                                        --location <location>
+    ```
+
+    `<location>` کو اس مقام سے تبدیل کریں جو آپ نے ریسورس گروپ بناتے وقت استعمال کیا تھا۔
+
+1. مترجم سروس کے لیے کلید حاصل کریں:
+
+    ```sh
+    az cognitiveservices account keys list --name smart-timer-translator \
+                                           --resource-group smart-timer \
+                                           --output table
+    ```
+
+    کلیدوں میں سے ایک کی کاپی لے لیں۔
+
+## ترجمہ کے ساتھ ایپلیکیشنز میں متعدد زبانوں کی حمایت کریں
+
+ایک مثالی دنیا میں، آپ کی پوری ایپلیکیشن کو جتنی زیادہ زبانیں ممکن ہو سمجھنی چاہیے، اسپیک سننے سے لے کر زبان کو سمجھنے تک، اور اسپیک کے ساتھ جواب دینے تک۔ یہ بہت کام ہے، لہذا ترجمہ خدمات آپ کی ایپلیکیشن کی ڈیلیوری کے وقت کو تیز کر سکتی ہیں۔
+
+![ایک اسمارٹ ٹائمر کا خاکہ جو جاپانی کو انگریزی میں ترجمہ کرتا ہے، انگریزی میں پروسیسنگ کرتا ہے، پھر جاپانی میں ترجمہ کرتا ہے](../../../../../translated_images/translated-smart-timer.08ac20057fdc5c3778ed41cb425dca5d7fbcd4584b6da7b73ca67115a5b8a883.ur.png)
+
+تصور کریں کہ آپ ایک اسمارٹ ٹائمر بنا رہے ہیں جو انگریزی کو شروع سے آخر تک استعمال کرتا ہے، انگریزی اسپیک کو سمجھتا ہے اور اسے ٹیکسٹ میں تبدیل کرتا ہے، انگریزی میں زبان کو سمجھتا ہے، انگریزی میں جوابات تیار کرتا ہے اور انگریزی اسپیک کے ساتھ جواب دیتا ہے۔ اگر آپ جاپانی کی حمایت شامل کرنا چاہتے ہیں، تو آپ جاپانی اسپیک کو انگریزی ٹیکسٹ میں ترجمہ کرنے سے شروع کر سکتے ہیں، پھر ایپلیکیشن کے بنیادی حصے کو وہی رکھ سکتے ہیں، پھر جواب کے ٹیکسٹ کو جاپانی میں ترجمہ کر سکتے ہیں اس سے پہلے کہ جواب دیا جائے۔ یہ آپ کو جلدی سے جاپانی کی حمایت شامل کرنے کی اجازت دے گا، اور آپ بعد میں مکمل جاپانی کی حمایت فراہم کرنے کے لیے توسیع کر سکتے ہیں۔
+
+> 💁 مشینی ترجمے پر انحصار کرنے کا نقصان یہ ہے کہ مختلف زبانیں اور ثقافتیں ایک ہی بات کہنے کے مختلف طریقے رکھتی ہیں، لہذا ترجمہ آپ کی توقع کے مطابق اظہار سے میل نہیں کھا سکتا۔
+
+مشینی ترجمے ایپس اور ڈیوائسز کے لیے امکانات بھی کھولتے ہیں جو صارف کے تخلیق کردہ مواد کو اس کے تخلیق ہونے کے ساتھ ہی ترجمہ کر سکتے ہیں۔ سائنس فکشن باقاعدگی سے 'یونیورسل مترجمین' کی خصوصیات پیش کرتا ہے، ایسے آلات جو اجنبی زبانوں کو (عام طور پر) امریکی انگریزی میں ترجمہ کر سکتے ہیں۔ اگر آپ اجنبی حصے کو نظر انداز کریں تو یہ آلات کم سائنس فکشن اور زیادہ سائنس حقیقت ہیں۔ پہلے ہی ایسی ایپس اور ڈیوائسز موجود ہیں جو اسپیک اور لکھے گئے ٹیکسٹ کا حقیقی وقت میں ترجمہ فراہم کرتی ہیں، اسپیک اور ترجمہ خدمات کے امتزاج کا استعمال کرتے ہوئے۔
+
+ایک مثال [Microsoft Translator](https://www.microsoft.com/translator/apps/?WT.mc_id=academic-17441-jabenn) موبائل فون ایپ ہے، جو اس ویڈیو میں دکھائی گئی ہے:
+
+[![Microsoft Translator لائیو فیچر ایکشن میں](https://img.youtube.com/vi/16yAGeP2FuM/0.jpg)](https://www.youtube.com/watch?v=16yAGeP2FuM)
+
+> 🎥 ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں
+
+تصور کریں کہ آپ کے پاس ایسا آلہ دستیاب ہو، خاص طور پر سفر کرتے وقت یا ایسے لوگوں کے ساتھ بات چیت کرتے وقت جن کی زبان آپ نہیں جانتے۔ ہوائی اڈوں یا اسپتالوں میں خودکار ترجمہ کے آلات دستیاب ہونے سے بہت ضروری رسائی کی بہتری فراہم ہوگی۔
+
+✅ کچھ تحقیق کریں: کیا کوئی ترجمہ IoT آلات تجارتی طور پر دستیاب ہیں؟ کیا اسمارٹ آلات میں ترجمہ کی صلاحیتیں شامل ہیں؟
+
+> 👽 اگرچہ کوئی حقیقی یونیورسل مترجمین نہیں ہیں جو ہمیں اجنبیوں سے بات کرنے کی اجازت دیتے ہیں، [Microsoft مترجم کلنگون کی حمایت کرتا ہے](https://www.microsoft.com/translator/blog/2013/05/14/announcing-klingon-for-bing-translator/?WT.mc_id=academic-17441-jabenn)۔ Qapla’!
+
+## AI سروس کا استعمال کرتے ہوئے ٹیکسٹ کا ترجمہ کریں
+
+آپ اپنے اسمارٹ ٹائمر میں یہ ترجمہ کی صلاحیت شامل کرنے کے لیے AI سروس کا استعمال کر سکتے ہیں۔
+
+### کام - AI سروس کا استعمال کرتے ہوئے ٹیکسٹ کا ترجمہ کریں
+
+اپنے IoT ڈیوائس پر ٹیکسٹ کو ترجمہ کرنے کے لیے متعلقہ گائیڈ پر کام کریں:
+
+* [Arduino - Wio Terminal](wio-terminal-translate-speech.md)
+* [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-translate-speech.md)
+* [سنگل بورڈ کمپیوٹر - ورچوئل ڈیوائس](virtual-device-translate-speech.md)
+
+---
+
+## 🚀 چیلنج
+
+مشینی ترجمے اسمارٹ آلات سے آگے دیگر IoT ایپلیکیشنز کو کیسے فائدہ پہنچا سکتے ہیں؟ مختلف طریقے سوچیں جن سے ترجمے مدد کر سکتے ہیں، نہ صرف بولے گئے الفاظ بلکہ ٹیکسٹ کے ساتھ بھی۔
+
+## لیکچر کے بعد کا کوئز
+
+[لیکچر کے بعد کا کوئز](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/48)
+
+## جائزہ اور خود مطالعہ
+
+* مشینی ترجمے کے بارے میں مزید پڑھیں [مشینی ترجمے کے صفحے پر Wikipedia](https://wikipedia.org/wiki/Machine_translation)
+* نیورل مشینی ترجمے کے بارے میں مزید پڑھیں [نیورل مشینی ترجمے کے صفحے پر Wikipedia](https://wikipedia.org/wiki/Neural_machine_translation)
+* Microsoft اسپیک سروسز کے لیے معاون زبانوں کی فہرست دیکھیں [Microsoft Docs پر اسپیک سروس دستاویزات میں زبان اور آواز کی حمایت](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn)
+
+## اسائنمنٹ
+
+[یونیورسل مترجم بنائیں](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/assignment.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/assignment.md
new file mode 100644
index 00000000..95aa49bf
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/assignment.md
@@ -0,0 +1,31 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "701f4a4466f9309b6e1d863077df0c06",
+  "translation_date": "2025-08-26T23:56:28+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/assignment.md",
+  "language_code": "ur"
+}
+-->
+# ایک یونیورسل مترجم بنائیں
+
+## ہدایات
+
+یونیورسل مترجم ایک ایسا آلہ ہے جو مختلف زبانوں کے درمیان ترجمہ کر سکتا ہے، تاکہ مختلف زبانیں بولنے والے افراد آپس میں بات چیت کر سکیں۔ پچھلے چند اسباق میں جو کچھ آپ نے سیکھا ہے، اس کا استعمال کرتے ہوئے 2 IoT آلات کے ذریعے ایک یونیورسل مترجم بنائیں۔
+
+> اگر آپ کے پاس 2 آلات نہیں ہیں، تو پچھلے چند اسباق میں دیے گئے مراحل پر عمل کریں تاکہ ایک ورچوئل IoT آلہ کو ان میں سے ایک آلہ کے طور پر ترتیب دیا جا سکے۔
+
+آپ کو ایک آلہ کو ایک زبان کے لیے اور دوسرے کو دوسری زبان کے لیے ترتیب دینا چاہیے۔ ہر آلہ کو تقریر قبول کرنی چاہیے، اسے متن میں تبدیل کرنا چاہیے، IoT Hub اور ایک Functions ایپ کے ذریعے دوسرے آلہ کو بھیجنا چاہیے، پھر اس کا ترجمہ کرنا چاہیے اور ترجمہ شدہ تقریر کو چلانا چاہیے۔
+
+> 💁 مشورہ: جب ایک آلہ سے دوسرے آلہ کو تقریر بھیجیں، تو اس زبان کو بھی بھیجیں جس میں یہ ہے، تاکہ ترجمہ کرنا آسان ہو جائے۔ آپ یہاں تک کر سکتے ہیں کہ ہر آلہ پہلے IoT Hub اور ایک Functions ایپ کے ذریعے رجسٹر ہو، اور وہ زبان بھیجیں جسے وہ سپورٹ کرتے ہیں تاکہ اسے Azure Storage میں محفوظ کیا جا سکے۔ پھر آپ ایک Functions ایپ کا استعمال کر کے ترجمہ کر سکتے ہیں اور ترجمہ شدہ متن IoT آلہ کو بھیج سکتے ہیں۔
+
+## معیار
+
+| معیار | مثالی | مناسب | بہتری کی ضرورت |
+| ------ | ------ | ------ | --------------- |
+| یونیورسل مترجم بنائیں | یونیورسل مترجم بنانے میں کامیاب، جو ایک آلہ کی تقریر کو دوسری زبان میں دوسرے آلہ پر چلنے والی تقریر میں تبدیل کرتا ہے | کچھ اجزاء کو کام کرنے میں کامیاب، جیسے تقریر کو پکڑنا یا ترجمہ کرنا، لیکن مکمل حل بنانے میں ناکام | کسی بھی کام کرنے والے یونیورسل مترجم کے حصے بنانے میں ناکام |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستگی ہو سکتی ہیں۔ اصل دستاویز، جو اس کی مقامی زبان میں ہے، کو مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
new file mode 100644
index 00000000..c094f279
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md
@@ -0,0 +1,164 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "bbb5aa34221fe129dd3ce4d9ec33831a",
+  "translation_date": "2025-08-26T23:57:16+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md",
+  "language_code": "ur"
+}
+-->
+# تقریر کا ترجمہ - راسپبیری پائی
+
+اس سبق کے اس حصے میں، آپ مترجم سروس کا استعمال کرتے ہوئے متن کا ترجمہ کرنے کے لیے کوڈ لکھیں گے۔
+
+## مترجم سروس کا استعمال کرتے ہوئے متن کو تقریر میں تبدیل کریں
+
+تقریر سروس REST API براہ راست ترجمے کی حمایت نہیں کرتی، لیکن آپ تقریر سے متن سروس کے ذریعے تیار کردہ متن اور بولے گئے جواب کے متن کا ترجمہ کرنے کے لیے مترجم سروس استعمال کر سکتے ہیں۔ اس سروس میں ایک REST API موجود ہے جسے آپ متن کا ترجمہ کرنے کے لیے استعمال کر سکتے ہیں۔
+
+### کام - مترجم وسائل کا استعمال کرتے ہوئے متن کا ترجمہ کریں
+
+1. آپ کے اسمارٹ ٹائمر میں 2 زبانیں سیٹ ہوں گی - وہ زبان جو LUIS کو تربیت دینے کے لیے استعمال کی گئی (یہی زبان صارف سے بات کرنے کے پیغامات بنانے کے لیے بھی استعمال ہوتی ہے)، اور وہ زبان جو صارف بولتا ہے۔ `language` ویری ایبل کو اپ ڈیٹ کریں تاکہ وہ زبان ہو جو صارف بولے گا، اور ایک نیا ویری ایبل `server_language` کے نام سے شامل کریں جو LUIS کو تربیت دینے کے لیے استعمال ہونے والی زبان کو ظاہر کرے:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    `<user language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بات کریں گے، مثلاً فرانسیسی کے لیے `fr-FR` یا کینٹونیز کے لیے `zn-HK`۔
+
+    `<server language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جو LUIS کو تربیت دینے کے لیے استعمال ہوئی۔
+
+    آپ Microsoft Docs پر [زبان اور آواز کی حمایت کی دستاویزات](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں معاون زبانوں اور ان کے لوکیل ناموں کی فہرست دیکھ سکتے ہیں۔
+
+    > 💁 اگر آپ کئی زبانیں نہیں بولتے تو آپ [بنگ ٹرانسلیٹ](https://www.bing.com/translator) یا [گوگل ٹرانسلیٹ](https://translate.google.com) جیسی سروسز کا استعمال کر سکتے ہیں تاکہ اپنی پسندیدہ زبان سے کسی اور زبان میں ترجمہ کریں۔ یہ سروسز ترجمہ شدہ متن کی آڈیو بھی چلا سکتی ہیں۔
+    >
+    > مثال کے طور پر، اگر آپ نے LUIS کو انگریزی میں تربیت دی ہے لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملوں جیسے "set a 2 minute and 27 second timer" کو انگریزی سے فرانسیسی میں بنگ ٹرانسلیٹ کے ذریعے ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن کا استعمال کرتے ہوئے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔
+    >
+    > ![بنگ ٹرانسلیٹ پر Listen translation بٹن](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png)
+
+1. `speech_api_key` کے نیچے مترجم API کلید شامل کریں:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    `<key>` کو اپنے مترجم سروس وسائل کے API کلید سے تبدیل کریں۔
+
+1. `say` فنکشن کے اوپر ایک `translate_text` فنکشن ڈیفائن کریں جو متن کو سرور زبان سے صارف کی زبان میں ترجمہ کرے:
+
+    ```python
+    def translate_text(text, from_language, to_language):
+    ```
+
+    اس فنکشن میں `from` اور `to` زبانیں پاس کی جاتی ہیں - آپ کی ایپ کو تقریر کو پہچاننے کے لیے صارف کی زبان سے سرور زبان میں تبدیل کرنا ہوگا، اور بولے گئے فیڈبیک کے لیے سرور زبان سے صارف کی زبان میں۔
+
+1. اس فنکشن کے اندر REST API کال کے لیے URL اور ہیڈرز ڈیفائن کریں:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    اس API کا URL مقام کے لحاظ سے مخصوص نہیں ہے، بلکہ مقام کو ہیڈر کے طور پر پاس کیا جاتا ہے۔ API کلید کو براہ راست استعمال کیا جاتا ہے، اس لیے تقریر سروس کے برعکس ٹوکن جاری کرنے والے API سے ایکسیس ٹوکن حاصل کرنے کی ضرورت نہیں۔
+
+1. اس کے نیچے کال کے لیے پیرامیٹرز اور باڈی ڈیفائن کریں:
+
+    ```python
+    params = {
+        'from': from_language,
+        'to': to_language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` ان پیرامیٹرز کو ڈیفائن کرتا ہے جو API کال کو پاس کیے جائیں گے، `from` اور `to` زبانوں کو پاس کرتے ہوئے۔ یہ کال `from` زبان میں متن کو `to` زبان میں ترجمہ کرے گی۔
+
+    `body` میں ترجمہ کرنے کے لیے متن شامل ہوتا ہے۔ یہ ایک ارے ہے، کیونکہ ایک ہی کال میں کئی متن کے بلاکس کا ترجمہ کیا جا سکتا ہے۔
+
+1. REST API کو کال کریں اور جواب حاصل کریں:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    جوابی JSON ارے کی شکل میں واپس آتا ہے، جس میں ایک آئٹم شامل ہوتا ہے جو ترجمے پر مشتمل ہوتا ہے۔ اس آئٹم میں ان تمام آئٹمز کے ترجمے کے لیے ایک ارے ہوتا ہے جو باڈی میں پاس کیے گئے ہیں۔
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Set a 2 minute 27 second timer.",
+                    "to": "en"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. ارے میں پہلے آئٹم کے پہلے ترجمے سے `test` پراپرٹی کو واپس کریں:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. `while True` لوپ کو اپ ڈیٹ کریں تاکہ `convert_speech_to_text` کال سے متن کو صارف کی زبان سے سرور زبان میں ترجمہ کرے:
+
+    ```python
+    if len(text) > 0:
+        print('Original:', text)
+        text = translate_text(text, language, server_language)
+        print('Translated:', text)
+
+        message = Message(json.dumps({ 'speech': text }))
+        device_client.send_message(message)
+    ```
+
+    یہ کوڈ کنسول پر متن کے اصل اور ترجمہ شدہ ورژنز کو بھی پرنٹ کرتا ہے۔
+
+1. `say` فنکشن کو اپ ڈیٹ کریں تاکہ سرور زبان سے صارف کی زبان میں کہنے کے لیے متن کا ترجمہ کرے:
+
+    ```python
+    def say(text):
+        print('Original:', text)
+        text = translate_text(text, server_language, language)
+        print('Translated:', text)
+        speech = get_speech(text)
+        play_speech(speech)
+    ```
+
+    یہ کوڈ کنسول پر متن کے اصل اور ترجمہ شدہ ورژنز کو بھی پرنٹ کرتا ہے۔
+
+1. اپنا کوڈ چلائیں۔ یقینی بنائیں کہ آپ کا فنکشن ایپ چل رہی ہے، اور صارف کی زبان میں ٹائمر کی درخواست کریں، یا تو خود وہ زبان بول کر، یا ترجمہ ایپ کا استعمال کرتے ہوئے۔
+
+    ```output
+    pi@raspberrypi:~/smart-timer $ python3 app.py
+    Connecting
+    Connected
+    Using voice fr-FR-DeniseNeural
+    Original: Définir une minuterie de 2 minutes et 27 secondes.
+    Translated: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 مختلف زبانوں میں کچھ کہنے کے مختلف طریقوں کی وجہ سے، آپ کو ایسے ترجمے مل سکتے ہیں جو LUIS کو دیے گئے مثالوں سے تھوڑے مختلف ہوں۔ اگر ایسا ہو تو LUIS میں مزید مثالیں شامل کریں، دوبارہ تربیت دیں اور ماڈل کو دوبارہ شائع کریں۔
+
+> 💁 آپ اس کوڈ کو [code/pi](../../../../../6-consumer/lessons/4-multiple-language-support/code/pi) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا کثیر لسانی ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
new file mode 100644
index 00000000..4b4eb8bc
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md
@@ -0,0 +1,204 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d620a470d9dd8614d99824832978360a",
+  "translation_date": "2025-08-26T23:58:36+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md",
+  "language_code": "ur"
+}
+-->
+# تقریر کا ترجمہ - ورچوئل IoT ڈیوائس
+
+اس سبق کے اس حصے میں، آپ تقریر کو متن میں تبدیل کرنے کے دوران تقریر کے ترجمے کے لیے کوڈ لکھیں گے، پھر متن کا ترجمہ Translator سروس کے ذریعے کریں گے اور آخر میں ایک بولی جانے والی جواب تیار کریں گے۔
+
+## تقریر کے ترجمے کے لیے اسپیک سروس کا استعمال کریں
+
+اسپیک سروس تقریر کو نہ صرف اسی زبان میں متن میں تبدیل کر سکتی ہے بلکہ آؤٹ پٹ کو دیگر زبانوں میں بھی ترجمہ کر سکتی ہے۔
+
+### کام - اسپیک سروس کے ذریعے تقریر کا ترجمہ کریں
+
+1. `smart-timer` پروجیکٹ کو VS Code میں کھولیں اور یقینی بنائیں کہ ورچوئل ماحول ٹرمینل میں لوڈ ہو چکا ہے۔
+
+1. موجودہ درآمدات کے نیچے درج ذیل درآمدی بیانات شامل کریں:
+
+    ```python
+    from azure.cognitiveservices import speech
+    from azure.cognitiveservices.speech.translation import SpeechTranslationConfig, TranslationRecognizer
+    import requests
+    ```
+
+    یہ کلاسز درآمد کرتا ہے جو تقریر کے ترجمے کے لیے استعمال ہوتی ہیں، اور ایک `requests` لائبریری جو اس سبق کے بعد Translator سروس کو کال کرنے کے لیے استعمال ہوگی۔
+
+1. آپ کے اسمارٹ ٹائمر میں 2 زبانیں سیٹ ہوں گی - وہ زبان جو LUIS کو تربیت دینے کے لیے استعمال ہوئی (یہی زبان صارف سے بات کرنے کے پیغامات بنانے کے لیے بھی استعمال ہوتی ہے)، اور وہ زبان جو صارف بولے گا۔ `language` متغیر کو اپ ڈیٹ کریں تاکہ وہ زبان ہو جو صارف بولے گا، اور ایک نیا متغیر `server_language` شامل کریں جو LUIS کو تربیت دینے کے لیے استعمال ہوئی زبان کے لیے ہو:
+
+    ```python
+    language = '<user language>'
+    server_language = '<server language>'
+    ```
+
+    `<user language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بولیں گے، جیسے `fr-FR` فرانسیسی کے لیے، یا `zn-HK` کینٹونیز کے لیے۔
+
+    `<server language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جو LUIS کو تربیت دینے کے لیے استعمال ہوئی۔
+
+    آپ Microsoft Docs پر [Language and voice support documentation](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں معاون زبانوں اور ان کے لوکیل ناموں کی فہرست دیکھ سکتے ہیں۔
+
+    > 💁 اگر آپ کئی زبانیں نہیں بولتے تو آپ [Bing Translate](https://www.bing.com/translator) یا [Google Translate](https://translate.google.com) جیسی سروسز استعمال کر سکتے ہیں تاکہ اپنی پسندیدہ زبان سے کسی اور زبان میں ترجمہ کریں۔ یہ سروسز ترجمہ شدہ متن کی آڈیو بھی چلا سکتی ہیں۔ یاد رکھیں کہ اسپیک ریکگنائزر آپ کے ڈیوائس سے کچھ آڈیو آؤٹ پٹ کو نظر انداز کر سکتا ہے، اس لیے آپ کو ترجمہ شدہ متن چلانے کے لیے اضافی ڈیوائس کی ضرورت ہو سکتی ہے۔
+    >
+    > مثال کے طور پر، اگر آپ نے LUIS کو انگریزی میں تربیت دی ہے لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملے جیسے "set a 2 minute and 27 second timer" کو Bing Translate کے ذریعے انگریزی سے فرانسیسی میں ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن استعمال کر کے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔
+    >
+    > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png)
+
+1. `recognizer_config` اور `recognizer` کے اعلانات کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    translation_config = SpeechTranslationConfig(subscription=speech_api_key,
+                                                 region=location,
+                                                 speech_recognition_language=language,
+                                                 target_languages=(language, server_language))
+    
+    recognizer = TranslationRecognizer(translation_config=translation_config)
+    ```
+
+    یہ ایک ترجمہ کنفیگریشن بناتا ہے تاکہ صارف کی زبان میں تقریر کو پہچانا جا سکے، اور صارف اور سرور زبان میں ترجمے بنائے جا سکیں۔ پھر یہ اس کنفیگریشن کو استعمال کر کے ایک ترجمہ ریکگنائزر بناتا ہے - ایک اسپیک ریکگنائزر جو تقریر کی پہچان کے آؤٹ پٹ کو کئی زبانوں میں ترجمہ کر سکتا ہے۔
+
+    > 💁 اصل زبان کو `target_languages` میں مخصوص کرنا ضروری ہے، ورنہ آپ کو کوئی ترجمہ نہیں ملے گا۔
+
+1. `recognized` فنکشن کو اپ ڈیٹ کریں، اور فنکشن کے تمام مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    if args.result.reason == speech.ResultReason.TranslatedSpeech:
+        language_match = next(l for l in args.result.translations if server_language.lower().startswith(l.lower()))
+        text = args.result.translations[language_match]
+        if (len(text) > 0):
+            print(f'Translated text: {text}')
+    
+            message = Message(json.dumps({ 'speech': text }))
+            device_client.send_message(message)
+    ```
+
+    یہ کوڈ چیک کرتا ہے کہ آیا پہچان کا ایونٹ تقریر کے ترجمے کی وجہ سے فائر ہوا تھا (یہ ایونٹ دیگر مواقع پر بھی فائر ہو سکتا ہے، جیسے جب تقریر پہچانی گئی ہو لیکن ترجمہ نہ ہوا ہو)۔ اگر تقریر کا ترجمہ ہوا ہو، تو یہ `args.result.translations` ڈکشنری میں وہ ترجمہ تلاش کرتا ہے جو سرور زبان سے میل کھاتا ہو۔
+
+    `args.result.translations` ڈکشنری لوکیل سیٹنگ کے پورے نام کے بجائے زبان کے حصے پر مبنی ہوتی ہے۔ مثال کے طور پر، اگر آپ فرانسیسی کے لیے `fr-FR` میں ترجمہ کی درخواست کرتے ہیں، تو ڈکشنری میں `fr` کے لیے ایک اندراج ہوگا، نہ کہ `fr-FR`۔
+
+    ترجمہ شدہ متن پھر IoT Hub کو بھیجا جاتا ہے۔
+
+1. اس کوڈ کو چلائیں تاکہ ترجمے کی جانچ کریں۔ یقینی بنائیں کہ آپ کی فنکشن ایپ چل رہی ہے، اور صارف کی زبان میں ٹائمر کی درخواست کریں، چاہے وہ زبان خود بول کر یا ترجمہ ایپ استعمال کر کے۔
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    ```
+
+## Translator سروس کے ذریعے متن کا ترجمہ کریں
+
+اسپیک سروس متن کو دوبارہ تقریر میں ترجمہ کرنے کی حمایت نہیں کرتی، اس کے بجائے آپ Translator سروس استعمال کر سکتے ہیں تاکہ متن کا ترجمہ کریں۔ اس سروس میں ایک REST API ہے جسے آپ متن کے ترجمے کے لیے استعمال کر سکتے ہیں۔
+
+### کام - Translator ریسورس کے ذریعے متن کا ترجمہ کریں
+
+1. `speech_api_key` کے نیچے Translator API کلید شامل کریں:
+
+    ```python
+    translator_api_key = '<key>'
+    ```
+
+    `<key>` کو اپنے Translator سروس ریسورس کے API کلید سے تبدیل کریں۔
+
+1. `say` فنکشن کے اوپر ایک `translate_text` فنکشن تعریف کریں جو متن کو سرور زبان سے صارف زبان میں ترجمہ کرے گا:
+
+    ```python
+    def translate_text(text):
+    ```
+
+1. اس فنکشن کے اندر، REST API کال کے لیے URL اور ہیڈرز تعریف کریں:
+
+    ```python
+    url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+
+    headers = {
+        'Ocp-Apim-Subscription-Key': translator_api_key,
+        'Ocp-Apim-Subscription-Region': location,
+        'Content-type': 'application/json'
+    }
+    ```
+
+    اس API کا URL مقام مخصوص نہیں ہے، بلکہ مقام کو ہیڈر کے طور پر پاس کیا جاتا ہے۔ API کلید براہ راست استعمال ہوتی ہے، اس لیے اسپیک سروس کے برعکس ٹوکن جاری کرنے والے API سے ایکسیس ٹوکن حاصل کرنے کی ضرورت نہیں ہے۔
+
+1. اس کے نیچے کال کے پیرامیٹرز اور باڈی تعریف کریں:
+
+    ```python
+    params = {
+        'from': server_language,
+        'to': language
+    }
+
+    body = [{
+        'text' : text
+    }]
+    ```
+
+    `params` API کال کے پیرامیٹرز کو تعریف کرتا ہے، جس میں `from` اور `to` زبانیں پاس کی جاتی ہیں۔ یہ کال `from` زبان میں متن کو `to` زبان میں ترجمہ کرے گی۔
+
+    `body` ترجمہ کرنے کے لیے متن کو رکھتا ہے۔ یہ ایک array ہے، کیونکہ ایک ہی کال میں کئی متن کے بلاکس کا ترجمہ کیا جا سکتا ہے۔
+
+1. REST API کو کال کریں، اور جواب حاصل کریں:
+
+    ```python
+    response = requests.post(url, headers=headers, params=params, json=body)
+    ```
+
+    جواب جو واپس آتا ہے وہ ایک JSON array ہے، جس میں ایک آئٹم ہوتا ہے جو ترجمے رکھتا ہے۔ اس آئٹم میں ان تمام آئٹمز کے ترجمے کے لیے ایک array ہوتا ہے جو باڈی میں پاس کیے گئے تھے۔
+
+    ```json
+    [
+        {
+            "translations": [
+                {
+                    "text": "Chronométrant votre minuterie de 2 minutes 27 secondes.",
+                    "to": "fr"
+                }
+            ]
+        }
+    ]
+    ```
+
+1. array میں پہلے آئٹم سے پہلے ترجمے کے `text` پراپرٹی کو واپس کریں:
+
+    ```python
+    return response.json()[0]['translations'][0]['text']
+    ```
+
+1. `say` فنکشن کو اپ ڈیٹ کریں تاکہ SSML تیار کرنے سے پہلے کہنے کے لیے متن کا ترجمہ کریں:
+
+    ```python
+    print('Original:', text)
+    text = translate_text(text)
+    print('Translated:', text)
+    ```
+
+    یہ کوڈ اصل اور ترجمہ شدہ متن کو کنسول میں بھی پرنٹ کرتا ہے۔
+
+1. اپنا کوڈ چلائیں۔ یقینی بنائیں کہ آپ کی فنکشن ایپ چل رہی ہے، اور صارف کی زبان میں ٹائمر کی درخواست کریں، چاہے وہ زبان خود بول کر یا ترجمہ ایپ استعمال کر کے۔
+
+    ```output
+    (.venv) ➜  smart-timer python app.py
+    Connecting
+    Connected
+    Translated text: Set a timer of 2 minutes and 27 seconds.
+    Original: 2 minute 27 second timer started.
+    Translated: 2 minute 27 seconde minute a commencé.
+    Original: Times up on your 2 minute 27 second timer.
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+    > 💁 مختلف زبانوں میں کچھ کہنے کے مختلف طریقوں کی وجہ سے، آپ کو ترجمے مل سکتے ہیں جو LUIS کو دیے گئے مثالوں سے تھوڑا مختلف ہوں۔ اگر ایسا ہو، تو LUIS میں مزید مثالیں شامل کریں، دوبارہ تربیت دیں اور ماڈل کو دوبارہ شائع کریں۔
+
+> 💁 آپ اس کوڈ کو [code/virtual-iot-device](../../../../../6-consumer/lessons/4-multiple-language-support/code/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا کثیرالسان ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
new file mode 100644
index 00000000..d68df3b6
--- /dev/null
+++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md
@@ -0,0 +1,284 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5f6c164e349f8989959e02a90f37908d",
+  "translation_date": "2025-08-26T23:52:24+00:00",
+  "source_file": "6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md",
+  "language_code": "ur"
+}
+-->
+# تقریر کا ترجمہ - Wio Terminal
+
+اس سبق کے اس حصے میں، آپ کوڈ لکھیں گے تاکہ مترجم سروس کا استعمال کرتے ہوئے متن کا ترجمہ کیا جا سکے۔
+
+## مترجم سروس کا استعمال کرتے ہوئے متن کو تقریر میں تبدیل کریں
+
+تقریر سروس REST API براہ راست ترجمے کی حمایت نہیں کرتا، لیکن آپ تقریر سے متن سروس کے ذریعے پیدا کردہ متن اور بولے گئے جواب کے متن کو ترجمہ کرنے کے لیے مترجم سروس استعمال کر سکتے ہیں۔ اس سروس میں ایک REST API ہے جسے آپ متن کا ترجمہ کرنے کے لیے استعمال کر سکتے ہیں، لیکن اسے استعمال کرنے میں آسان بنانے کے لیے اسے آپ کے فنکشنز ایپ میں ایک اور HTTP ٹرگر میں لپیٹ دیا جائے گا۔
+
+### کام - متن کا ترجمہ کرنے کے لیے ایک سرور لیس فنکشن بنائیں
+
+1. اپنے `smart-timer-trigger` پروجیکٹ کو VS Code میں کھولیں، اور ٹرمینل کھولیں، یہ یقینی بناتے ہوئے کہ ورچوئل ماحول فعال ہے۔ اگر نہیں، تو ٹرمینل کو ختم کریں اور دوبارہ بنائیں۔
+
+1. `local.settings.json` فائل کھولیں اور مترجم API کلید اور مقام کے لیے ترتیبات شامل کریں:
+
+    ```json
+    "TRANSLATOR_KEY": "<key>",
+    "TRANSLATOR_LOCATION": "<location>"
+    ```
+
+    `<key>` کو اپنے مترجم سروس ریسورس کے API کلید سے تبدیل کریں۔ `<location>` کو اس مقام سے تبدیل کریں جو آپ نے مترجم سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+1. اس ایپ میں ایک نیا HTTP ٹرگر شامل کریں جسے `translate-text` کہا جاتا ہے، درج ذیل کمانڈ کا استعمال کرتے ہوئے، جو فنکشنز ایپ پروجیکٹ کے روٹ فولڈر کے اندر VS Code ٹرمینل میں چلائی جائے:
+
+    ```sh
+    func new --name translate-text --template "HTTP trigger"
+    ```
+
+    یہ ایک HTTP ٹرگر بنائے گا جسے `translate-text` کہا جاتا ہے۔
+
+1. `translate-text` فولڈر میں موجود `__init__.py` فائل کے مواد کو درج ذیل سے تبدیل کریں:
+
+    ```python
+    import logging
+    import os
+    import requests
+    
+    import azure.functions as func
+    
+    location = os.environ['TRANSLATOR_LOCATION']
+    translator_key = os.environ['TRANSLATOR_KEY']
+    
+    def main(req: func.HttpRequest) -> func.HttpResponse:
+        req_body = req.get_json()
+        from_language = req_body['from_language']
+        to_language = req_body['to_language']
+        text = req_body['text']
+        
+        logging.info(f'Translating {text} from {from_language} to {to_language}')
+    
+        url = f'https://api.cognitive.microsofttranslator.com/translate?api-version=3.0'
+    
+        headers = {
+            'Ocp-Apim-Subscription-Key': translator_key,
+            'Ocp-Apim-Subscription-Region': location,
+            'Content-type': 'application/json'
+        }
+    
+        params = {
+            'from': from_language,
+            'to': to_language
+        }
+    
+        body = [{
+            'text' : text
+        }]
+        
+        response = requests.post(url, headers=headers, params=params, json=body)
+        return func.HttpResponse(response.json()[0]['translations'][0]['text'])
+    ```
+
+    یہ کوڈ HTTP درخواست سے متن اور زبانیں نکالتا ہے۔ پھر یہ مترجم REST API کو ایک درخواست بھیجتا ہے، URL کے پیرامیٹرز کے طور پر زبانیں اور ترجمہ کرنے کے لیے متن کو باڈی کے طور پر پاس کرتا ہے۔ آخر میں، ترجمہ واپس کیا جاتا ہے۔
+
+1. اپنی فنکشن ایپ کو مقامی طور پر چلائیں۔ آپ اسے curl جیسے ٹول کا استعمال کرتے ہوئے اسی طرح کال کر سکتے ہیں جیسے آپ نے اپنے `text-to-timer` HTTP ٹرگر کو آزمایا تھا۔ ترجمہ کرنے کے لیے متن اور زبانیں JSON باڈی کے طور پر پاس کرنا یقینی بنائیں:
+
+    ```json
+    {
+        "text": "Définir une minuterie de 30 secondes",
+        "from_language": "fr-FR",
+        "to_language": "en-US"
+    }
+    ```
+
+    یہ مثال *Définir une minuterie de 30 secondes* کو فرانسیسی سے امریکی انگریزی میں ترجمہ کرتی ہے۔ یہ *Set a 30-second timer* واپس کرے گا۔
+
+> 💁 آپ اس کوڈ کو [code/functions](../../../../../6-consumer/lessons/4-multiple-language-support/code/functions) فولڈر میں تلاش کر سکتے ہیں۔
+
+### کام - مترجم فنکشن کا استعمال کرتے ہوئے متن کا ترجمہ کریں
+
+1. اگر `smart-timer` پروجیکٹ پہلے سے کھلا نہیں ہے تو اسے VS Code میں کھولیں۔
+
+1. آپ کے اسمارٹ ٹائمر میں 2 زبانیں سیٹ ہوں گی - وہ زبان جو LUIS کو تربیت دینے کے لیے استعمال کی گئی تھی (یہی زبان صارف سے بات کرنے کے پیغامات بنانے کے لیے بھی استعمال ہوتی ہے)، اور وہ زبان جو صارف بولتا ہے۔ `config.h` ہیڈر فائل میں `LANGUAGE` مستقل کو اپ ڈیٹ کریں تاکہ وہ زبان ہو جو صارف بولے گا، اور ایک نیا مستقل شامل کریں جسے `SERVER_LANGUAGE` کہا جاتا ہے، جو LUIS کو تربیت دینے کے لیے استعمال ہونے والی زبان کے لیے ہے:
+
+    ```cpp
+    const char *LANGUAGE = "<user language>";
+    const char *SERVER_LANGUAGE = "<server language>";
+    ```
+
+    `<user language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جس میں آپ بولیں گے، مثال کے طور پر فرانسیسی کے لیے `fr-FR`، یا کینٹونیز کے لیے `zn-HK`۔
+
+    `<server language>` کو اس زبان کے لوکیل نام سے تبدیل کریں جو LUIS کو تربیت دینے کے لیے استعمال کی گئی تھی۔
+
+    آپ Microsoft Docs پر [Language and voice support documentation](https://docs.microsoft.com/azure/cognitive-services/speech-service/language-support?WT.mc_id=academic-17441-jabenn#speech-to-text) میں معاون زبانوں اور ان کے لوکیل ناموں کی فہرست تلاش کر سکتے ہیں۔
+
+    > 💁 اگر آپ کئی زبانیں نہیں بولتے تو آپ [Bing Translate](https://www.bing.com/translator) یا [Google Translate](https://translate.google.com) جیسی سروس کا استعمال کر سکتے ہیں تاکہ اپنی پسندیدہ زبان سے کسی اور زبان میں ترجمہ کریں۔ یہ سروسز پھر ترجمہ شدہ متن کا آڈیو چلا سکتی ہیں۔
+    >
+    > مثال کے طور پر، اگر آپ LUIS کو انگریزی میں تربیت دیتے ہیں، لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملے جیسے "set a 2 minute and 27 second timer" کو Bing Translate کا استعمال کرتے ہوئے انگریزی سے فرانسیسی میں ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن کا استعمال کرتے ہوئے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔
+    >
+    > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.ur.png)
+
+1. `SPEECH_LOCATION` کے نیچے مترجم API کلید اور مقام شامل کریں:
+
+    ```cpp
+    const char *TRANSLATOR_API_KEY = "<KEY>";
+    const char *TRANSLATOR_LOCATION = "<LOCATION>";
+    ```
+
+    `<KEY>` کو اپنے مترجم سروس ریسورس کے API کلید سے تبدیل کریں۔ `<LOCATION>` کو اس مقام سے تبدیل کریں جو آپ نے مترجم سروس ریسورس بناتے وقت استعمال کیا تھا۔
+
+1. `VOICE_URL` کے نیچے مترجم ٹرگر URL شامل کریں:
+
+    ```cpp
+    const char *TRANSLATE_FUNCTION_URL = "<URL>";
+    ```
+
+    `<URL>` کو `translate-text` HTTP ٹرگر کے URL سے تبدیل کریں جو آپ کی فنکشن ایپ پر ہے۔ یہ `TEXT_TO_TIMER_FUNCTION_URL` کی قدر جیسا ہی ہوگا، سوائے اس کے کہ فنکشن کا نام `translate-text` ہوگا، `text-to-timer` کے بجائے۔
+
+1. `src` فولڈر میں ایک نئی فائل شامل کریں جسے `text_translator.h` کہا جاتا ہے۔
+
+1. یہ نیا `text_translator.h` ہیڈر فائل ایک کلاس پر مشتمل ہوگی جو متن کا ترجمہ کرے گی۔ اس کلاس کو اعلان کرنے کے لیے درج ذیل کو اس فائل میں شامل کریں:
+
+    ```cpp
+    #pragma once
+    
+    #include <Arduino.h>
+    #include <ArduinoJson.h>
+    #include <HTTPClient.h>
+    #include <WiFiClient.h>
+    
+    #include "config.h"
+    
+    class TextTranslator
+    {
+    public:   
+    private:
+        WiFiClient _client;
+    };
+    
+    TextTranslator textTranslator;
+    ```
+
+    یہ `TextTranslator` کلاس کا اعلان کرتا ہے، ساتھ ہی اس کلاس کا ایک انسٹینس بھی۔ کلاس میں WiFi کلائنٹ کے لیے ایک واحد فیلڈ ہے۔
+
+1. اس کلاس کے `public` سیکشن میں، متن کا ترجمہ کرنے کے لیے ایک طریقہ شامل کریں:
+
+    ```cpp
+    String translateText(String text, String from_language, String to_language)
+    {
+    }
+    ```
+
+    یہ طریقہ اس زبان کو لیتا ہے جس سے ترجمہ کرنا ہے، اور اس زبان کو جس میں ترجمہ کرنا ہے۔ تقریر کو ہینڈل کرتے وقت، تقریر صارف کی زبان سے LUIS سرور زبان میں ترجمہ کی جائے گی، اور جوابات دیتے وقت یہ LUIS سرور زبان سے صارف کی زبان میں ترجمہ کرے گی۔
+
+1. اس طریقہ میں، ایک JSON باڈی بنانے کے لیے کوڈ شامل کریں جس میں ترجمہ کرنے کے لیے متن اور زبانیں ہوں:
+
+    ```cpp
+    DynamicJsonDocument doc(1024);
+    doc["text"] = text;
+    doc["from_language"] = from_language;
+    doc["to_language"] = to_language;
+
+    String body;
+    serializeJson(doc, body);
+
+    Serial.print("Translating ");
+    Serial.print(text);
+    Serial.print(" from ");
+    Serial.print(from_language);
+    Serial.print(" to ");
+    Serial.print(to_language);
+    ```
+
+1. اس کے نیچے، درج ذیل کوڈ شامل کریں تاکہ باڈی کو سرور لیس فنکشن ایپ پر بھیجا جا سکے:
+
+    ```cpp
+    HTTPClient httpClient;
+    httpClient.begin(_client, TRANSLATE_FUNCTION_URL);
+
+    int httpResponseCode = httpClient.POST(body);
+    ```
+
+1. اگلا، جواب حاصل کرنے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    String translated_text = "";
+
+    if (httpResponseCode == 200)
+    {
+        translated_text = httpClient.getString();
+        Serial.print("Translated: ");
+        Serial.println(translated_text);
+    }
+    else
+    {
+        Serial.print("Failed to translate text - error ");
+        Serial.println(httpResponseCode);
+    }
+    ```
+
+1. آخر میں، کنکشن بند کرنے اور ترجمہ شدہ متن واپس کرنے کے لیے کوڈ شامل کریں:
+
+    ```cpp
+    httpClient.end();
+
+    return translated_text;
+    ```
+
+### کام - پہچانی گئی تقریر اور جوابات کا ترجمہ کریں
+
+1. `main.cpp` فائل کھولیں۔
+
+1. فائل کے اوپر `TextTranslator` کلاس ہیڈر فائل کے لیے ایک شامل ہدایت شامل کریں:
+
+    ```cpp
+    #include "text_translator.h"
+    ```
+
+1. جب ٹائمر سیٹ ہوتا ہے یا ختم ہوتا ہے تو کہا جانے والا متن ترجمہ کرنے کی ضرورت ہوتی ہے۔ ایسا کرنے کے لیے، `say` فنکشن کی پہلی لائن کے طور پر درج ذیل شامل کریں:
+
+    ```cpp
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    یہ متن کو صارف کی زبان میں ترجمہ کرے گا۔
+
+1. `processAudio` فنکشن میں، متن کو `String text = speechToText.convertSpeechToText();` کال کے ساتھ کیپچر شدہ آڈیو سے حاصل کیا جاتا ہے۔ اس کال کے بعد، متن کا ترجمہ کریں:
+
+    ```cpp
+    String text = speechToText.convertSpeechToText();
+    text = textTranslator.translateText(text, LANGUAGE, SERVER_LANGUAGE);
+    ```
+
+    یہ متن کو صارف کی زبان سے سرور پر استعمال ہونے والی زبان میں ترجمہ کرے گا۔
+
+1. اس کوڈ کو بنائیں، اسے اپنے Wio Terminal پر اپ لوڈ کریں اور سیریل مانیٹر کے ذریعے اسے آزمائیں۔ ایک بار جب آپ سیریل مانیٹر میں `Ready` دیکھیں، تو C بٹن دبائیں (جو بائیں جانب ہے، پاور سوئچ کے قریب)، اور بولیں۔ یقینی بنائیں کہ آپ کی فنکشن ایپ چل رہی ہے، اور صارف کی زبان میں ٹائمر کی درخواست کریں، یا تو خود اس زبان میں بول کر، یا ترجمہ ایپ کا استعمال کرتے ہوئے۔
+
+    ```output
+    Connecting to WiFi..
+    Connected!
+    Got access token.
+    Ready.
+    Starting recording...
+    Finished recording
+    Sending speech...
+    Speech sent!
+    {"RecognitionStatus":"Success","DisplayText":"Définir une minuterie de 2 minutes 27 secondes.","Offset":9600000,"Duration":40400000}
+    Translating Définir une minuterie de 2 minutes 27 secondes. from fr-FR to en-US
+    Translated: Set a timer of 2 minutes 27 seconds.
+    Set a timer of 2 minutes 27 seconds.
+    {"seconds": 147}
+    Translating 2 minute 27 second timer started. from en-US to fr-FR
+    Translated: 2 minute 27 seconde minute a commencé.
+    2 minute 27 seconde minute a commencé.
+    Translating Times up on your 2 minute 27 second timer. from en-US to fr-FR
+    Translated: Chronométrant votre minuterie de 2 minutes 27 secondes.
+    Chronométrant votre minuterie de 2 minutes 27 secondes.
+    ```
+
+> 💁 آپ اس کوڈ کو [code/wio-terminal](../../../../../6-consumer/lessons/4-multiple-language-support/code/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔
+
+😀 آپ کا کثیر لسانی ٹائمر پروگرام کامیاب رہا!
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/CODE_OF_CONDUCT.md b/translations/ur/CODE_OF_CONDUCT.md
new file mode 100644
index 00000000..1e48fca7
--- /dev/null
+++ b/translations/ur/CODE_OF_CONDUCT.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "c06b12caf3c901eb3156e3dd5b0aea56",
+  "translation_date": "2025-08-26T21:24:40+00:00",
+  "source_file": "CODE_OF_CONDUCT.md",
+  "language_code": "ur"
+}
+-->
+# مائیکروسافٹ اوپن سورس ضابطہ اخلاق
+
+اس پروجیکٹ نے [مائیکروسافٹ اوپن سورس ضابطہ اخلاق](https://opensource.microsoft.com/codeofconduct/) کو اپنایا ہے۔
+
+وسائل:
+
+- [مائیکروسافٹ اوپن سورس ضابطہ اخلاق](https://opensource.microsoft.com/codeofconduct/)
+- [مائیکروسافٹ ضابطہ اخلاق عمومی سوالات](https://opensource.microsoft.com/codeofconduct/faq/)
+- سوالات یا خدشات کے لیے [opencode@microsoft.com](mailto:opencode@microsoft.com) سے رابطہ کریں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/CONTRIBUTING.md b/translations/ur/CONTRIBUTING.md
new file mode 100644
index 00000000..bf7daa8e
--- /dev/null
+++ b/translations/ur/CONTRIBUTING.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "d6f80293fa9c213283eac7e79b078671",
+  "translation_date": "2025-08-26T21:28:00+00:00",
+  "source_file": "CONTRIBUTING.md",
+  "language_code": "ur"
+}
+-->
+# تعاون کرنا
+
+یہ منصوبہ تعاون اور تجاویز کا خیر مقدم کرتا ہے۔ زیادہ تر تعاون کے لیے آپ کو ایک Contributor License Agreement (CLA) پر اتفاق کرنا ہوگا، جس میں یہ اعلان کیا جاتا ہے کہ آپ کے پاس یہ حق ہے اور آپ واقعی ہمیں اپنے تعاون کو استعمال کرنے کے حقوق دیتے ہیں۔ تفصیلات کے لیے، https://cla.microsoft.com پر جائیں۔
+
+> اہم: اس ریپو میں متن کا ترجمہ کرتے وقت، براہ کرم یقینی بنائیں کہ آپ مشینی ترجمہ استعمال نہ کریں۔ ہم ترجمے کو کمیونٹی کے ذریعے تصدیق کریں گے، لہذا صرف ان زبانوں میں ترجمے کے لیے رضاکار بنیں جن میں آپ ماہر ہیں۔
+
+جب آپ ایک pull request جمع کراتے ہیں، تو ایک CLA-bot خود بخود یہ طے کرے گا کہ آیا آپ کو CLA فراہم کرنے کی ضرورت ہے اور PR کو مناسب طریقے سے سجائے گا (جیسے لیبل، تبصرہ)۔ بس بوٹ کی فراہم کردہ ہدایات پر عمل کریں۔ آپ کو یہ صرف ایک بار تمام ریپوزیٹریز میں کرنا ہوگا جو ہمارے CLA کا استعمال کرتے ہیں۔
+
+اس منصوبے نے [Microsoft Open Source Code of Conduct](https://opensource.microsoft.com/codeofconduct/) کو اپنایا ہے۔ مزید معلومات کے لیے [Code of Conduct FAQ](https://opensource.microsoft.com/codeofconduct/faq/) پڑھیں یا کسی اضافی سوال یا تبصرے کے لیے [opencode@microsoft.com](mailto:opencode@microsoft.com) سے رابطہ کریں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/README.md b/translations/ur/README.md
new file mode 100644
index 00000000..cdd4179c
--- /dev/null
+++ b/translations/ur/README.md
@@ -0,0 +1,168 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "840d60a05e58cf590dedefe42e9f2a29",
+  "translation_date": "2025-08-26T21:20:36+00:00",
+  "source_file": "README.md",
+  "language_code": "ur"
+}
+-->
+[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE)  
+[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/)  
+[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/)  
+[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/)  
+[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)  
+
+[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/)  
+[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/)  
+[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/)  
+
+[![Bengali](https://img.shields.io/badge/-Bengali-blue)](translations/README.bn.md)  
+[![Chinese](https://img.shields.io/badge/-Chinese-yellow)](translations/README.zh-cn.md)  
+[![Turkish](https://img.shields.io/badge/-Turkish-darkgreen)](translations/README.tr.md)  
+[![French](https://img.shields.io/badge/-French-purple)](translations/README.fr.md)  
+[![Korean](https://img.shields.io/badge/-Korean-white)](translations/README.ko.md)  
+[![Japanese](https://img.shields.io/badge/-Japanese-red)](translations/README.ja.md)  
+
+[![](https://dcbadge.vercel.app/api/server/ByRwuEEgH4)](https://discord.gg/zxKYvhSnVp?WT.mc_id=academic-000002-leestott)  
+
+# ابتدائیوں کے لیے آئی او ٹی - ایک نصاب  
+
+مائیکروسافٹ کے ایزور کلاؤڈ ایڈووکیٹس نے خوشی کے ساتھ ایک 12 ہفتوں پر مشتمل، 24 اسباق کا نصاب پیش کیا ہے جو آئی او ٹی کی بنیادی باتوں پر مبنی ہے۔ ہر سبق میں سبق سے پہلے اور بعد کے کوئز، سبق مکمل کرنے کے لیے تحریری ہدایات، ایک حل، ایک اسائنمنٹ اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ کار آپ کو سیکھنے کے دوران بنانے کی اجازت دیتا ہے، جو نئی مہارتوں کو یاد رکھنے کا ایک مؤثر طریقہ ہے۔  
+
+یہ پروجیکٹس کھانے کی پیداوار سے لے کر کھانے کی میز تک کے سفر کا احاطہ کرتے ہیں۔ اس میں زراعت، لاجسٹکس، مینوفیکچرنگ، ریٹیل اور صارف شامل ہیں - یہ سب آئی او ٹی ڈیوائسز کے لیے مشہور صنعتی شعبے ہیں۔  
+
+![کورس کا روڈ میپ جس میں 24 اسباق شامل ہیں: تعارف، زراعت، نقل و حمل، پروسیسنگ، ریٹیل اور کھانا پکانا](../../translated_images/Roadmap.bb1dec285dda0eda691788b95ddfc96d31d76bb7649e3f04a135e4ad395f323e.ur.jpg)  
+
+> اسکیچ نوٹ از [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر کے لیے تصویر پر کلک کریں۔  
+
+**ہمارے مصنفین [جین فاکس](https://github.com/jenfoxbot)، [جین لوپر](https://github.com/jlooper)، [جم بینیٹ](https://github.com/jimbobbennett)، اور ہمارے اسکیچ نوٹ آرٹسٹ [نیتیا نرسمہن](https://github.com/nitya) کا دل سے شکریہ۔**  
+
+**اس کے علاوہ، ہمارے [مائیکروسافٹ لرن اسٹوڈنٹ ایمبیسیڈرز](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) کی ٹیم کا بھی شکریہ جنہوں نے اس نصاب کا جائزہ لیا اور ترجمہ کیا - [آدتیہ گرگ](https://github.com/AdityaGarg00)، [انوراگ شرما](https://github.com/Anurag-0-1-A)، [ارپیتا داس](https://github.com/Arpiiitaaa)، [آریان جین](https://www.linkedin.com/in/aryan-jain-47a4a1145/)، [بھویش سنیجا](https://github.com/EliteWarrior315)، [فیتھ ہنجا](https://faithhunja.github.io/)، [لطیفہ بیلو](https://www.linkedin.com/in/lateefah-bello/)، [مانوی جھا](https://github.com/Severus-Matthew)، [میرائل تان](https://www.linkedin.com/in/mireille-tan-a4834819a/)، [محمد افتخار ابن جلال](https://github.com/Iftu119)، [محمد ذوالفقار](https://github.com/mohzulfikar)، [پریانشو سریواستو](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba)، [تھنمائی گوڈوچروو](https://github.com/innovation-platform)، اور [زینا کامل](https://www.linkedin.com/in/zina-kamel/)۔**  
+
+ٹیم سے ملیے!  
+
+[![پرومو ویڈیو](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k)  
+
+**گف از** [محیط جیسال](https://linkedin.com/in/mohitjaisal)  
+
+> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ کے بارے میں ویڈیو دیکھ سکیں!  
+
+> **اساتذہ**، ہم نے اس نصاب کو استعمال کرنے کے لیے [کچھ تجاویز شامل کی ہیں](for-teachers.md)۔ اگر آپ اپنے اسباق بنانا چاہتے ہیں، تو ہم نے ایک [سبق کا سانچہ](lesson-template/README.md) بھی شامل کیا ہے۔  
+
+> **[طلباء](https://aka.ms/student-page)**، اگر آپ اس نصاب کو خود استعمال کرنا چاہتے ہیں، تو پورے ریپوزٹری کو فورک کریں اور اسباق کو خود مکمل کریں، سبق سے پہلے کے کوئز سے شروع کریں، پھر سبق پڑھیں اور باقی سرگرمیاں مکمل کریں۔ کوشش کریں کہ اسباق کو سمجھ کر پروجیکٹس بنائیں بجائے اس کے کہ حل کوڈ کو کاپی کریں؛ تاہم وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solutions فولڈرز میں دستیاب ہے۔ ایک اور خیال یہ ہو سکتا ہے کہ دوستوں کے ساتھ ایک مطالعہ گروپ بنائیں اور مواد کو اکٹھے پڑھیں۔ مزید مطالعہ کے لیے، ہم [مائیکروسافٹ لرن](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) کی سفارش کرتے ہیں۔  
+
+اس کورس کا ویڈیو جائزہ دیکھنے کے لیے، یہ ویڈیو دیکھیں:  
+
+[![پرومو ویڈیو](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "پرومو ویڈیو")  
+
+> 🎥 اوپر دی گئی تصویر پر کلک کریں تاکہ پروجیکٹ کے بارے میں ویڈیو دیکھ سکیں!  
+
+## تدریسی طریقہ کار  
+
+ہم نے اس نصاب کو بناتے وقت دو تدریسی اصول اپنائے ہیں: یہ یقینی بنانا کہ یہ پروجیکٹ پر مبنی ہے اور اس میں بار بار کوئز شامل ہیں۔ اس سیریز کے اختتام تک، طلباء ایک پودے کی نگرانی اور پانی دینے کا نظام، ایک گاڑی کا ٹریکر، ایک سمارٹ فیکٹری سیٹ اپ جو کھانے کو ٹریک اور چیک کرے، اور ایک آواز سے کنٹرول ہونے والا کھانا پکانے کا ٹائمر بنا چکے ہوں گے، اور آئی او ٹی کی بنیادی باتیں سیکھ چکے ہوں گے، بشمول ڈیوائس کوڈ لکھنا، کلاؤڈ سے جڑنا، ٹیلی میٹری کا تجزیہ کرنا اور ایج پر اے آئی چلانا۔  
+
+پروجیکٹس کے ساتھ مواد کو ہم آہنگ کر کے، عمل کو طلباء کے لیے زیادہ دلچسپ بنایا گیا ہے اور تصورات کی یادداشت کو بڑھایا گیا ہے۔  
+
+اس کے علاوہ، کلاس سے پہلے ایک کم دباؤ والا کوئز طلباء کو کسی موضوع کو سیکھنے کی نیت سے تیار کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور تفریحی بنایا گیا ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے سائیکل کے اختتام تک بتدریج پیچیدہ ہو جاتے ہیں۔  
+
+ہر پروجیکٹ حقیقی دنیا کے ہارڈویئر پر مبنی ہے جو طلباء اور شوقین افراد کے لیے دستیاب ہے۔ ہر پروجیکٹ مخصوص ڈومین میں گہرائی فراہم کرتا ہے، متعلقہ پس منظر کا علم فراہم کرتا ہے۔ ایک کامیاب ڈویلپر بننے کے لیے، اس ڈومین کو سمجھنا مددگار ہوتا ہے جس میں آپ مسائل حل کر رہے ہیں۔ یہ پس منظر کا علم طلباء کو ان کے آئی او ٹی حل اور سیکھنے کو حقیقی دنیا کے مسئلے کے سیاق و سباق میں سوچنے کی اجازت دیتا ہے جو انہیں ایک آئی او ٹی ڈویلپر کے طور پر حل کرنے کے لیے کہا جا سکتا ہے۔ طلباء ان حلوں کے 'کیوں' کو سیکھتے ہیں جو وہ بنا رہے ہیں اور اختتامی صارف کی تعریف حاصل کرتے ہیں۔  
+
+## ہارڈویئر  
+
+پروجیکٹس کے لیے آئی او ٹی ہارڈویئر کے دو انتخاب ہیں جو ذاتی ترجیح، پروگرامنگ زبان کے علم یا ترجیحات، سیکھنے کے اہداف اور دستیابی پر منحصر ہیں۔ ہم نے ان لوگوں کے لیے ایک 'ورچوئل ہارڈویئر' ورژن بھی فراہم کیا ہے جن کے پاس ہارڈویئر تک رسائی نہیں ہے، یا خریداری سے پہلے مزید سیکھنا چاہتے ہیں۔ آپ مزید پڑھ سکتے ہیں اور [ہارڈویئر صفحہ](./hardware.md) پر ایک 'شاپنگ لسٹ' تلاش کر سکتے ہیں، جس میں ہمارے دوستوں Seeed Studio سے مکمل کٹس خریدنے کے لنکس شامل ہیں۔  
+
+> 💁 ہمارا [ضابطہ اخلاق](CODE_OF_CONDUCT.md)، [شراکت](CONTRIBUTING.md)، اور [ترجمہ](TRANSLATIONS.md) کے رہنما اصول تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں!  
+
+## ہر سبق میں شامل ہیں:  
+
+- اسکیچ نوٹ  
+- اختیاری اضافی ویڈیو  
+- سبق سے پہلے کا وارم اپ کوئز  
+- تحریری سبق  
+- پروجیکٹ پر مبنی اسباق کے لیے، پروجیکٹ بنانے کے لیے مرحلہ وار گائیڈز  
+- علم کی جانچ  
+- ایک چیلنج  
+- اضافی مطالعہ  
+- اسائنمنٹ  
+- سبق کے بعد کا کوئز  
+
+> **کوئز کے بارے میں ایک نوٹ**: تمام کوئز quiz-app فولڈر میں موجود ہیں، کل 48 کوئز، ہر ایک میں تین سوالات ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن quiz app کو مقامی طور پر چلایا جا سکتا ہے یا Azure پر تعینات کیا جا سکتا ہے؛ quiz-app فولڈر میں ہدایات پر عمل کریں۔ یہ بتدریج مقامی زبانوں میں ترجمہ کیے جا رہے ہیں۔  
+
+## اسباق  
+
+|       |              پروجیکٹ کا نام              |                       سکھائے جانے والے تصورات                       | سیکھنے کے مقاصد                                                                                                                                                 |                                                        منسلک سبق                                                         |  
+| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: |  
+|  01   | [شروع کریں](./1-getting-started/README.md) |                     آئی او ٹی کا تعارف                     | آئی او ٹی کے بنیادی اصول اور آئی او ٹی حل کے بنیادی اجزاء جیسے سینسرز اور کلاؤڈ سروسز سیکھیں جبکہ آپ اپنا پہلا آئی او ٹی ڈیوائس سیٹ اپ کر رہے ہیں |                      [آئی او ٹی کا تعارف](./1-getting-started/lessons/1-introduction-to-iot/README.md)                      |  
+|  02   | [شروع کریں](./1-getting-started/README.md) |                   آئی او ٹی میں مزید گہرائی                    | آئی او ٹی سسٹم کے اجزاء، مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کے بارے میں مزید سیکھیں                                                            |                        [آئی او ٹی میں مزید گہرائی](./1-getting-started/lessons/2-deeper-dive/README.md)                         |  
+|  03   | [شروع کریں](./1-getting-started/README.md) | سینسرز اور ایکچیویٹرز کے ساتھ جسمانی دنیا کے ساتھ تعامل کریں | جسمانی دنیا سے ڈیٹا اکٹھا کرنے کے لیے سینسرز اور فیڈبیک بھیجنے کے لیے ایکچیویٹرز کے بارے میں سیکھیں، جبکہ آپ ایک نائٹ لائٹ بناتے ہیں                                           | [سینسرز اور ایکچیویٹرز کے ساتھ جسمانی دنیا کے ساتھ تعامل کریں](./1-getting-started/lessons/3-sensors-and-actuators/README.md) |  
+|  04   | [شروع کریں](./1-getting-started/README.md) |             اپنے ڈیوائس کو انٹرنیٹ سے جوڑیں             | سیکھیں کہ آئی او ٹی ڈیوائس کو انٹرنیٹ سے کیسے جوڑنا ہے تاکہ پیغامات بھیجیں اور وصول کریں، جبکہ آپ اپنے نائٹ لائٹ کو ایک MQTT بروکر سے جوڑتے ہیں                               |               [اپنے ڈیوائس کو انٹرنیٹ سے جوڑیں](./1-getting-started/lessons/4-connect-internet/README.md)                |  
+|  05   |            [فارم](./2-farm/README.md)            |                    پودے کی نشوونما کی پیش گوئی کریں                     | سیکھیں کہ آئی او ٹی ڈیوائس کے ذریعے حاصل کردہ درجہ حرارت کے ڈیٹا کا استعمال کرتے ہوئے پودے کی نشوونما کی پیش گوئی کیسے کی جائے                                                                                  |                          [پودے کی نشوونما کی پیش گوئی کریں](./2-farm/lessons/1-predict-plant-growth/README.md)                           |  
+|  06   |            [فارم](./2-farm/README.md)            |                    مٹی کی نمی کا پتہ لگائیں                     | سیکھیں کہ مٹی کی نمی کا پتہ کیسے لگایا جائے اور مٹی کی نمی کے سینسر کو کیسے کیلیبریٹ کیا جائے                                                                                              |                          [مٹی کی نمی کا پتہ لگائیں](./2-farm/lessons/2-detect-soil-moisture/README.md)                           |  
+|  07   |            [فارم](./2-farm/README.md)            |                  پودے کو خودکار طریقے سے پانی دینا                   | سیکھیں کہ ایک ریلے اور MQTT کا استعمال کرتے ہوئے پانی دینے کو خودکار اور وقت کیسے دیا جائے                                                                                                      |                      [پودے کو خودکار طریقے سے پانی دینا](./2-farm/lessons/3-automated-plant-watering/README.md)                       |  
+|  08   |            [فارم](./2-farm/README.md)            |               اپنے پودے کو کلاؤڈ پر منتقل کریں               | کلاؤڈ اور کلاؤڈ ہوسٹڈ آئی او ٹی سروسز کے بارے میں سیکھیں اور اپنے پودے کو عوامی MQTT بروکر کے بجائے ان میں سے کسی ایک سے کیسے جوڑیں                                   |               [اپنے پودے کو کلاؤڈ پر منتقل کریں](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)                |  
+|  09   |            [فارم](./2-farm/README.md)            |         اپنی ایپلیکیشن کی منطق کو کلاؤڈ پر منتقل کریں         | سیکھیں کہ آپ کلاؤڈ میں ایسی ایپلیکیشن منطق کیسے لکھ سکتے ہیں جو آئی او ٹی پیغامات کا جواب دے                                                                          |         [اپنی ایپلیکیشن کی منطق کو کلاؤڈ پر منتقل کریں](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md)         |  
+|  10   |            [Farm](./2-farm/README.md)            |                   اپنی پودے کو محفوظ رکھیں                   | IoT کے ساتھ سیکیورٹی کے بارے میں جانیں اور چابیاں اور سرٹیفکیٹس کے ذریعے اپنی پودے کو محفوظ رکھیں۔                                                                 |                        [اپنی پودے کو محفوظ رکھیں](./2-farm/lessons/6-keep-your-plant-secure/README.md)                        |
+|  11   |       [Transport](./3-transport/README.md)       |                      مقام کی نگرانی                       | IoT ڈیوائسز کے لیے GPS مقام کی نگرانی کے بارے میں جانیں۔                                                                                                            |                           [مقام کی نگرانی](./3-transport/lessons/1-location-tracking/README.md)                              |
+|  12   |       [Transport](./3-transport/README.md)       |                     مقام کا ڈیٹا محفوظ کریں                 | IoT ڈیٹا کو محفوظ کرنے کے بارے میں جانیں تاکہ اسے بعد میں دیکھا یا تجزیہ کیا جا سکے۔                                                                                  |                         [مقام کا ڈیٹا محفوظ کریں](./3-transport/lessons/2-store-location-data/README.md)                      |
+|  13   |       [Transport](./3-transport/README.md)       |                   مقام کے ڈیٹا کو دیکھیں                   | نقشے پر مقام کے ڈیٹا کو دیکھنے کے بارے میں جانیں، اور یہ کہ نقشے کس طرح حقیقی 3D دنیا کو 2D میں پیش کرتے ہیں۔                                                       |                     [مقام کے ڈیٹا کو دیکھیں](./3-transport/lessons/3-visualize-location-data/README.md)                      |
+|  14   |       [Transport](./3-transport/README.md)       |                          جیو فینسز                         | جیو فینسز کے بارے میں جانیں، اور یہ کہ سپلائی چین میں گاڑیاں اپنی منزل کے قریب ہونے پر الرٹ کیسے دے سکتی ہیں۔                                                        |                                   [جیو فینسز](./3-transport/lessons/4-geofences/README.md)                                   |
+|  15   |   [Manufacturing](./4-manufacturing/README.md)   |               پھل کی کوالٹی کا پتہ لگانے کی تربیت کریں       | کلاؤڈ میں ایک امیج کلاسیفائر کی تربیت کے بارے میں جانیں تاکہ پھل کی کوالٹی کا پتہ لگایا جا سکے۔                                                                       |                 [پھل کی کوالٹی کا پتہ لگانے کی تربیت کریں](./4-manufacturing/lessons/1-train-fruit-detector/README.md)        |
+|  16   |   [Manufacturing](./4-manufacturing/README.md)   |           IoT ڈیوائس سے پھل کی کوالٹی چیک کریں              | IoT ڈیوائس سے پھل کی کوالٹی کا پتہ لگانے کے بارے میں جانیں۔                                                                                                          |           [IoT ڈیوائس سے پھل کی کوالٹی چیک کریں](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)              |
+|  17   |   [Manufacturing](./4-manufacturing/README.md)   |             اپنے پھل کے ڈیٹیکٹر کو ایج پر چلائیں             | IoT ڈیوائس پر ایج پر اپنے پھل کے ڈیٹیکٹر کو چلانے کے بارے میں جانیں۔                                                                                                 |             [اپنے پھل کے ڈیٹیکٹر کو ایج پر چلائیں](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)             |
+|  18   |   [Manufacturing](./4-manufacturing/README.md)   |        سینسر سے پھل کی کوالٹی کا پتہ لگانے کو ٹرگر کریں       | سینسر سے پھل کی کوالٹی کا پتہ لگانے کو ٹرگر کرنے کے بارے میں جانیں۔                                                                                                 |        [سینسر سے پھل کی کوالٹی کا پتہ لگانے کو ٹرگر کریں](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)       |
+|  19   |          [Retail](./5-retail/README.md)          |                   اسٹاک ڈیٹیکٹر کی تربیت کریں                | شاپ میں اسٹاک گننے کے لیے آبجیکٹ ڈیٹیکشن کا استعمال کرتے ہوئے اسٹاک ڈیٹیکٹر کی تربیت کے بارے میں جانیں۔                                                               |                        [اسٹاک ڈیٹیکٹر کی تربیت کریں](./5-retail/lessons/1-train-stock-detector/README.md)                    |
+|  20   |          [Retail](./5-retail/README.md)          |               IoT ڈیوائس سے اسٹاک چیک کریں                  | آبجیکٹ ڈیٹیکشن ماڈل کا استعمال کرتے ہوئے IoT ڈیوائس سے اسٹاک چیک کرنے کے بارے میں جانیں۔                                                                              |                     [IoT ڈیوائس سے اسٹاک چیک کریں](./5-retail/lessons/2-check-stock-device/README.md)                        |
+|  21   |        [Consumer](./6-consumer/README.md)        |             IoT ڈیوائس سے تقریر کو پہچانیں                  | ایک اسمارٹ ٹائمر بنانے کے لیے IoT ڈیوائس سے تقریر کو پہچاننے کے بارے میں جانیں۔                                                                                      |                  [IoT ڈیوائس سے تقریر کو پہچانیں](./6-consumer/lessons/1-speech-recognition/README.md)                       |
+|  22   |        [Consumer](./6-consumer/README.md)        |                     زبان کو سمجھیں                          | IoT ڈیوائس سے بولے گئے جملوں کو سمجھنے کے بارے میں جانیں۔                                                                                                            |                        [زبان کو سمجھیں](./6-consumer/lessons/2-language-understanding/README.md)                             |
+|  23   |        [Consumer](./6-consumer/README.md)        |           ٹائمر سیٹ کریں اور زبانی فیڈبیک فراہم کریں         | IoT ڈیوائس پر ٹائمر سیٹ کرنے اور یہ بتانے کے بارے میں جانیں کہ ٹائمر کب سیٹ ہوا اور کب ختم ہوا۔                                                                        |                 [ٹائمر سیٹ کریں اور زبانی فیڈبیک فراہم کریں](./6-consumer/lessons/3-spoken-feedback/README.md)               |
+|  24   |        [Consumer](./6-consumer/README.md)        |                 متعدد زبانوں کی سپورٹ کریں                   | یہ جانیں کہ آپ کے اسمارٹ ٹائمر کے لیے متعدد زبانوں کو کیسے سپورٹ کیا جا سکتا ہے، چاہے وہ بولی جا رہی ہوں یا جوابات میں ہوں۔                                           |                   [متعدد زبانوں کی سپورٹ کریں](./6-consumer/lessons/4-multiple-language-support/README.md)                   |
+
+## آف لائن رسائی
+
+آپ اس دستاویز کو آف لائن [Docsify](https://docsify.js.org/#/) کے ذریعے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، اپنی مقامی مشین پر [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart)، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر دستیاب ہوگی: `localhost:3000`۔
+
+### پی ڈی ایف
+
+اگر ضرورت ہو تو آپ اس مواد کا پی ڈی ایف آف لائن رسائی کے لیے بنا سکتے ہیں۔ ایسا کرنے کے لیے، یقینی بنائیں کہ آپ کے پاس [npm انسٹال ہے](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) اور اس ریپو کے روٹ فولڈر میں درج ذیل کمانڈز چلائیں:
+
+```sh
+npm i
+npm run convert
+```
+
+### سلائیڈز
+
+کچھ اسباق کے لیے [slides](../../slides) فولڈر میں سلائیڈ ڈیکس موجود ہیں۔
+
+## مدد درکار ہے!
+
+کیا آپ ترجمہ میں تعاون کرنا چاہیں گے؟ براہ کرم ہمارے [ترجمہ کے رہنما اصول](TRANSLATIONS.md) پڑھیں اور [ترجمہ کے مسائل میں سے کسی ایک میں](https://github.com/microsoft/IoT-For-Beginners/issues?q=is%3Aissue+is%3Aopen+label%3Atranslation) ان پٹ شامل کریں۔ اگر آپ کسی نئی زبان میں ترجمہ کرنا چاہتے ہیں، تو براہ کرم ٹریکنگ کے لیے ایک نیا مسئلہ اٹھائیں۔
+
+## دیگر نصاب
+
+ہماری ٹیم دیگر نصاب بھی تیار کرتی ہے! دیکھیں:
+
+- [Generative AI for Beginners](https://aka.ms/genai-beginners)
+- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
+- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
+- [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
+- [AI for Beginners](https://aka.ms/ai-beginners)
+- [Data Science for Beginners](https://aka.ms/datascience-beginners)
+- [ML for Beginners](https://aka.ms/ml-beginners)
+- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
+- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
+- [IoT for Beginners](https://aka.ms/iot-beginners)
+- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
+- [Mastering GitHub Copilot for Agentic use](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
+- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
+- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
+
+## تصاویر کے حوالہ جات
+
+آپ اس نصاب میں استعمال ہونے والی تصاویر کے تمام حوالہ جات [Attributions](./attributions.md) میں دیکھ سکتے ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے پوری کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا خامیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے لیے ہم ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/SECURITY.md b/translations/ur/SECURITY.md
new file mode 100644
index 00000000..92bdbe84
--- /dev/null
+++ b/translations/ur/SECURITY.md
@@ -0,0 +1,51 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "8587f83cfded1bfab99fda4022f4df89",
+  "translation_date": "2025-08-26T21:27:22+00:00",
+  "source_file": "SECURITY.md",
+  "language_code": "ur"
+}
+-->
+# سیکیورٹی
+
+مائیکروسافٹ اپنی سافٹ ویئر مصنوعات اور خدمات کی سیکیورٹی کو سنجیدگی سے لیتا ہے، جس میں ہمارے تمام سورس کوڈ ریپوزیٹریز شامل ہیں جو ہماری GitHub تنظیموں کے ذریعے منظم کیے جاتے ہیں، جن میں [Microsoft](https://github.com/Microsoft)، [Azure](https://github.com/Azure)، [DotNet](https://github.com/dotnet)، [AspNet](https://github.com/aspnet)، [Xamarin](https://github.com/xamarin)، اور [ہمارے GitHub تنظیمیں](https://opensource.microsoft.com/) شامل ہیں۔
+
+اگر آپ کو کسی مائیکروسافٹ کی ملکیت والے ریپوزیٹری میں کوئی سیکیورٹی کمزوری ملتی ہے جو [مائیکروسافٹ کی سیکیورٹی کمزوری کی تعریف](https://docs.microsoft.com/en-us/previous-versions/tn-archive/cc751383(v=technet.10)) کے مطابق ہو، تو براہ کرم اسے نیچے دیے گئے طریقے سے رپورٹ کریں۔
+
+## سیکیورٹی مسائل کی رپورٹنگ
+
+**براہ کرم سیکیورٹی کمزوریوں کو عوامی GitHub مسائل کے ذریعے رپورٹ نہ کریں۔**
+
+اس کے بجائے، براہ کرم انہیں مائیکروسافٹ سیکیورٹی ریسپانس سینٹر (MSRC) پر رپورٹ کریں: [https://msrc.microsoft.com/create-report](https://msrc.microsoft.com/create-report)۔
+
+اگر آپ لاگ ان کیے بغیر رپورٹ کرنا چاہتے ہیں، تو [secure@microsoft.com](mailto:secure@microsoft.com) پر ای میل بھیجیں۔ اگر ممکن ہو، تو اپنے پیغام کو ہمارے PGP کلید کے ساتھ انکرپٹ کریں؛ براہ کرم اسے [Microsoft Security Response Center PGP Key page](https://www.microsoft.com/en-us/msrc/pgp-key-msrc) سے ڈاؤنلوڈ کریں۔
+
+آپ کو 24 گھنٹوں کے اندر جواب ملنا چاہیے۔ اگر کسی وجہ سے آپ کو جواب نہ ملے، تو براہ کرم ای میل کے ذریعے دوبارہ رابطہ کریں تاکہ یہ یقینی بنایا جا سکے کہ ہمیں آپ کا اصل پیغام موصول ہوا ہے۔ مزید معلومات [microsoft.com/msrc](https://www.microsoft.com/msrc) پر دستیاب ہیں۔
+
+براہ کرم درج ذیل معلومات شامل کریں (جتنا ممکن ہو فراہم کریں) تاکہ ہمیں مسئلے کی نوعیت اور دائرہ کار کو بہتر طور پر سمجھنے میں مدد ملے:
+
+  * مسئلے کی قسم (مثلاً بفر اوور فلو، SQL انجیکشن، کراس سائٹ اسکرپٹنگ وغیرہ)
+  * سورس فائلوں کے مکمل راستے جو مسئلے کے ظہور سے متعلق ہیں
+  * متاثرہ سورس کوڈ کا مقام (ٹیگ/برانچ/کمیٹ یا براہ راست URL)
+  * مسئلے کو دوبارہ پیدا کرنے کے لیے درکار کوئی خاص کنفیگریشن
+  * مسئلے کو دوبارہ پیدا کرنے کے لیے مرحلہ وار ہدایات
+  * پروف آف کانسیپٹ یا ایکسپلائٹ کوڈ (اگر ممکن ہو)
+  * مسئلے کا اثر، بشمول یہ کہ حملہ آور مسئلے کا فائدہ کیسے اٹھا سکتا ہے
+
+یہ معلومات ہمیں آپ کی رپورٹ کو جلدی سے جانچنے میں مدد دے گی۔
+
+اگر آپ بگ باؤنٹی کے لیے رپورٹ کر رہے ہیں، تو زیادہ مکمل رپورٹس زیادہ باؤنٹی انعام میں مدد کر سکتی ہیں۔ براہ کرم ہمارے [Microsoft Bug Bounty Program](https://microsoft.com/msrc/bounty) صفحے پر جائیں تاکہ ہمارے فعال پروگراموں کے بارے میں مزید تفصیلات حاصل کی جا سکیں۔
+
+## ترجیحی زبانیں
+
+ہم تمام مواصلات کو انگریزی میں ترجیح دیتے ہیں۔
+
+## پالیسی
+
+مائیکروسافٹ [Coordinated Vulnerability Disclosure](https://www.microsoft.com/en-us/msrc/cvd) کے اصول پر عمل کرتا ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/SUPPORT.md b/translations/ur/SUPPORT.md
new file mode 100644
index 00000000..4d27cffd
--- /dev/null
+++ b/translations/ur/SUPPORT.md
@@ -0,0 +1,25 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "cd89329575372232e59605f7a08ae0df",
+  "translation_date": "2025-08-26T21:23:06+00:00",
+  "source_file": "SUPPORT.md",
+  "language_code": "ur"
+}
+-->
+# سپورٹ
+
+## مسائل رپورٹ کرنے اور مدد حاصل کرنے کا طریقہ  
+
+یہ پروجیکٹ بگز اور فیچر کی درخواستوں کو ٹریک کرنے کے لیے GitHub Issues کا استعمال کرتا ہے۔ نئے مسائل درج کرنے سے پہلے موجودہ مسائل کو تلاش کریں تاکہ نقل سے بچا جا سکے۔ نئے مسائل کے لیے، اپنے بگ یا فیچر کی درخواست کو ایک نئے Issue کے طور پر درج کریں۔
+
+اس پروجیکٹ کے استعمال کے بارے میں مدد اور سوالات کے لیے، اس ریپو میں ایک Issue اٹھا کر ہم سے رابطہ کریں۔
+
+## مائیکروسافٹ سپورٹ پالیسی  
+
+**پروجیکٹ یا پروڈکٹ** کے لیے سپورٹ صرف اوپر درج وسائل تک محدود ہے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/attributions.md b/translations/ur/attributions.md
new file mode 100644
index 00000000..82d2d1b0
--- /dev/null
+++ b/translations/ur/attributions.md
@@ -0,0 +1,54 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "4506d33bbda7acc0ab20980172687090",
+  "translation_date": "2025-08-26T21:17:09+00:00",
+  "source_file": "attributions.md",
+  "language_code": "ur"
+}
+-->
+# تصویر کے انتسابات
+
+* کیلے: abderraouf omara کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* دماغ: Icon Market کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* نشریات: RomStu کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* بٹن: Dan Hetteix کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* C451B چھوٹے ڈایافرام کنڈینسر مائیکروفون: AKG Acoustics کی تخلیق۔ [Harumphy](https://en.wikipedia.org/wiki/User:Harumphy) نے [en.wikipedia](https://en.wikipedia.org/) پر اپلوڈ کیا / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* کیلنڈر: Alice-vector کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* سرٹیفکیٹ: alimasykurm کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* چپ: Astatine Lab کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* بادل: Debi Alpa Nugraha کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* کنٹینر: ProSymbols کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* سی پی یو: Icon Lauk کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ڈیٹا بیس: Icons Bazaar کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ڈائل: Jamie Dickinson کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* جی پی ایس: mim studio کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ہیٹر: Pascal Heß کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* خیال: Pause08 کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* آئی او ٹی: Adrien Coquet کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ایل ای ڈی: abderraouf omara کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ایل ڈی آر: Eucalyp کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* بلب: Maxim Kulikov کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* مائیکروکنٹرولر: Template کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* موبائل فون: Alice-vector کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* موٹر: Bakunetsu Kaito کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* پیٹی اسمتھ شُور SM58 (ڈائنامک کارڈیوئیڈ قسم) مائیکروفون میں گاتے ہوئے۔ Beni Köhler / [Creative Commons Attribution-Share Alike 3.0 Unported](https://creativecommons.org/licenses/by-sa/3.0/deed.en)
+* پودا: Alex Muravev کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* پودے کا خلیہ: Léa Lortal کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* پروب: Adnen Kadri کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ریم: Atif Arshad کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* راسپبیری پائی 4: Michael Henzler / [Wikimedia Commons](https://commons.wikimedia.org/wiki/Main_Page) / [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0/)
+* ریکارڈنگ: Aybige Speaker کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* سیٹلائٹ: Noura Mbarki کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* سمارٹ سینسر: Andrei Yushchenko کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* اسپیکر: Gregor Cresnar کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* سوئچ: Chattapat کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* درجہ حرارت: Vectors Market کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* ٹماٹر: parkjisun کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* پانی دینے کا کین: Daria Moskvina کی تخلیق، [Noun Project](https://thenounproject.com) سے
+* موسم: Adrien Coquet کی تخلیق، [Noun Project](https://thenounproject.com) سے
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/clean-up.md b/translations/ur/clean-up.md
new file mode 100644
index 00000000..ef4e8318
--- /dev/null
+++ b/translations/ur/clean-up.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "5a94fbab1ba737e9bd6cc6c64f114fa0",
+  "translation_date": "2025-08-26T21:24:12+00:00",
+  "source_file": "clean-up.md",
+  "language_code": "ur"
+}
+-->
+# اپنے پروجیکٹ کو صاف کریں
+
+جب آپ ہر پروجیکٹ مکمل کر لیں، تو بہتر ہے کہ آپ اپنے کلاؤڈ وسائل کو حذف کر دیں۔
+
+ہر پروجیکٹ کے اسباق میں، آپ نے درج ذیل میں سے کچھ تخلیق کیے ہو سکتے ہیں:
+
+* ایک ریسورس گروپ
+* ایک IoT ہب
+* IoT ڈیوائس رجسٹریشنز
+* ایک اسٹوریج اکاؤنٹ
+* ایک فنکشنز ایپ
+* ایک Azure Maps اکاؤنٹ
+* ایک کسٹم وژن پروجیکٹ
+* ایک Azure Container رجسٹری
+* ایک cognitive services ریسورس
+
+ان میں سے زیادہ تر وسائل کی کوئی قیمت نہیں ہوگی - یا تو یہ مکمل طور پر مفت ہیں، یا آپ ایک مفت درجے کا استعمال کر رہے ہیں۔ جن خدمات کے لیے ادائیگی کی ضرورت ہوتی ہے، آپ انہیں اس سطح پر استعمال کر رہے ہوں گے جو مفت الاؤنس میں شامل ہے، یا ان کی قیمت صرف چند سینٹ ہوگی۔
+
+چاہے قیمت کم ہو، یہ وسائل حذف کرنا فائدہ مند ہے جب آپ کام مکمل کر لیں۔ مثال کے طور پر، آپ صرف ایک IoT ہب مفت درجے پر رکھ سکتے ہیں، لہذا اگر آپ دوسرا بنانا چاہتے ہیں تو آپ کو ادائیگی والے درجے کا استعمال کرنا ہوگا۔
+
+آپ کی تمام خدمات ریسورس گروپس کے اندر تخلیق کی گئی تھیں، اور یہ انتظام کو آسان بناتا ہے۔ آپ ریسورس گروپ کو حذف کر سکتے ہیں، اور اس ریسورس گروپ میں موجود تمام خدمات بھی حذف ہو جائیں گی۔
+
+ریسورس گروپ کو حذف کرنے کے لیے، اپنے ٹرمینل یا کمانڈ پرامپٹ میں درج ذیل کمانڈ چلائیں:
+
+```sh
+az group delete --name <resource-group-name>
+```
+
+`<resource-group-name>` کو اس ریسورس گروپ کے نام سے تبدیل کریں جس میں آپ دلچسپی رکھتے ہیں۔
+
+ایک تصدیق ظاہر ہوگی:
+
+```output
+Are you sure you want to perform this operation? (y/n): 
+```
+
+تصدیق کے لیے `y` درج کریں اور ریسورس گروپ کو حذف کریں۔
+
+تمام خدمات کو حذف کرنے میں کچھ وقت لگے گا۔
+
+> 💁 آپ ریسورس گروپس کو حذف کرنے کے بارے میں مزید معلومات [Microsoft Docs پر Azure Resource Manager ریسورس گروپ اور ریسورس حذف کرنے کی دستاویزات](https://docs.microsoft.com/azure/azure-resource-manager/management/delete-resource-group?WT.mc_id=academic-17441-jabenn&tabs=azure-cli) پر پڑھ سکتے ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/docs/_sidebar.md b/translations/ur/docs/_sidebar.md
new file mode 100644
index 00000000..eb2710bb
--- /dev/null
+++ b/translations/ur/docs/_sidebar.md
@@ -0,0 +1,49 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "686f22febaa2b67aa03b738c0dc0bf9b",
+  "translation_date": "2025-08-26T23:08:31+00:00",
+  "source_file": "docs/_sidebar.md",
+  "language_code": "ur"
+}
+-->
+- تعارف  
+  - [1](../1-getting-started/lessons/1-introduction-to-iot/README.md)  
+  - [2](../1-getting-started/lessons/2-deeper-dive/README.md)  
+  - [3](../1-getting-started/lessons/3-sensors-and-actuators/README.md)  
+  - [4](../1-getting-started/lessons/4-connect-internet/README.md)  
+
+- فارم  
+  - [5](../2-farm/lessons/1-predict-plant-growth/README.md)  
+  - [6](../2-farm/lessons/2-detect-soil-moisture/README.md)  
+  - [7](../2-farm/lessons/3-automated-plant-watering/README.md)  
+  - [8](../2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md)  
+  - [9](../2-farm/lessons/5-migrate-application-to-the-cloud/README.md)  
+  - [10](../2-farm/lessons/6-keep-your-plant-secure/README.md)  
+
+- ٹرانسپورٹ  
+  - [11](../3-transport/lessons/1-location-tracking/README.md)  
+  - [12](../3-transport/lessons/2-store-location-data/README.md)  
+  - [13](../3-transport/lessons/3-visualize-location-data/README.md)  
+  - [14](../3-transport/lessons/4-geofences/README.md)  
+
+- مینوفیکچرنگ  
+  - [15](../4-manufacturing/lessons/1-train-fruit-detector/README.md)  
+  - [16](../4-manufacturing/lessons/2-check-fruit-from-device/README.md)  
+  - [17](../4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)  
+  - [18](../4-manufacturing/lessons/4-trigger-fruit-detector/README.md)  
+
+- ریٹیل  
+  - [19](../5-retail/lessons/1-train-stock-detector/README.md)  
+  - [20](../5-retail/lessons/2-check-stock-device/README.md)  
+
+- صارف  
+  - [21](../6-consumer/lessons/1-speech-recognition/README.md)  
+  - [22](../6-consumer/lessons/2-language-understanding/README.md)  
+  - [23](../6-consumer/lessons/3-spoken-feedback/README.md)  
+  - [24](../6-consumer/lessons/4-multiple-language-support/README.md)  
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/for-teachers.md b/translations/ur/for-teachers.md
new file mode 100644
index 00000000..a014f3b9
--- /dev/null
+++ b/translations/ur/for-teachers.md
@@ -0,0 +1,41 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "9fd36f5dc734203ee28b6cf2573e5eab",
+  "translation_date": "2025-08-26T21:23:35+00:00",
+  "source_file": "for-teachers.md",
+  "language_code": "ur"
+}
+-->
+# اساتذہ کے لیے
+
+کیا آپ اس نصاب کو اپنی کلاس میں استعمال کرنا چاہتے ہیں؟ بلا جھجک استعمال کریں!
+
+حقیقت میں، آپ اسے GitHub کے اندر ہی استعمال کر سکتے ہیں، GitHub Classroom کے ذریعے۔
+
+اس کے لیے، اس ریپو کو فورک کریں۔ آپ کو ہر سبق کے لیے ایک الگ ریپو بنانا ہوگا، لہذا آپ کو ہر فولڈر کو ایک الگ ریپو میں نکالنا ہوگا۔ اس طرح، [GitHub Classroom](https://classroom.github.com/classrooms) ہر سبق کو الگ الگ اٹھا سکے گا۔
+
+یہ [مکمل ہدایات](https://github.blog/2020-03-18-set-up-your-digital-classroom-with-github-classroom/) آپ کو یہ سمجھنے میں مدد دیں گی کہ اپنی کلاس روم کو کیسے ترتیب دیں۔
+
+## تجویز کردہ سیکھنے کا ماڈل
+
+آپ اس نصاب کو پڑھانے کے لیے تجویز کردہ سیکھنے کے ماڈل کے بارے میں مزید معلومات ہمارے [تجویز کردہ سیکھنے کے ماڈل گائیڈ](recommended-learning-model.md) میں پڑھ سکتے ہیں۔
+
+## ریپو کو موجودہ حالت میں استعمال کرنا
+
+اگر آپ اس ریپو کو اس کی موجودہ حالت میں استعمال کرنا چاہتے ہیں، بغیر GitHub Classroom کے، تو یہ بھی ممکن ہے۔ آپ کو اپنے طلباء کے ساتھ یہ بات چیت کرنی ہوگی کہ کون سا سبق اکٹھے مکمل کرنا ہے۔
+
+آن لائن فارمیٹ (Zoom، Teams، یا دیگر) میں، آپ کوئزز کے لیے بریک آؤٹ رومز بنا سکتے ہیں اور طلباء کو سیکھنے کے لیے تیار کرنے میں مدد دے سکتے ہیں۔ پھر طلباء کو کوئزز کے لیے مدعو کریں اور ان کے جوابات ایک خاص وقت پر 'issues' کے طور پر جمع کروانے کو کہیں۔ آپ اسی طرح اسائنمنٹس کے ساتھ بھی کر سکتے ہیں، اگر آپ چاہتے ہیں کہ طلباء کھلے عام تعاون کے ساتھ کام کریں۔
+
+اگر آپ ایک زیادہ نجی فارمیٹ کو ترجیح دیتے ہیں، تو اپنے طلباء سے کہیں کہ وہ نصاب کو سبق بہ سبق اپنے GitHub ریپوز میں فورک کریں، جو کہ پرائیویٹ ریپوز ہوں، اور آپ کو رسائی دیں۔ پھر وہ کوئزز اور اسائنمنٹس نجی طور پر مکمل کر سکتے ہیں اور انہیں آپ کے کلاس روم ریپو پر issues کے ذریعے جمع کروا سکتے ہیں۔
+
+آن لائن کلاس روم فارمیٹ میں اس کو کام کرنے کے کئی طریقے ہیں۔ براہ کرم ہمیں بتائیں کہ آپ کے لیے کیا بہتر کام کرتا ہے!
+
+## براہ کرم ہمیں اپنی رائے دیں!
+
+ہم چاہتے ہیں کہ یہ نصاب آپ اور آپ کے طلباء کے لیے کارآمد ہو۔ براہ کرم ہمیں [فیڈبیک](https://forms.microsoft.com/Pages/ResponsePage.aspx?id=v4j5cvGGr0GRqy180BHbR2humCsRZhxNuI79cm6n0hRUQzRVVU9VVlU5UlFLWTRLWlkyQUxORTg5WS4u) دیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/hardware.md b/translations/ur/hardware.md
new file mode 100644
index 00000000..ec11903c
--- /dev/null
+++ b/translations/ur/hardware.md
@@ -0,0 +1,121 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "3dce18fab38adf93ff30b8c221b1eec5",
+  "translation_date": "2025-08-26T21:25:49+00:00",
+  "source_file": "hardware.md",
+  "language_code": "ur"
+}
+-->
+# ہارڈویئر
+
+IoT میں **T** کا مطلب **چیزیں** ہے، اور یہ ان آلات کی طرف اشارہ کرتا ہے جو ہمارے ارد گرد کی دنیا کے ساتھ تعامل کرتے ہیں۔ ہر پروجیکٹ حقیقی دنیا کے ہارڈویئر پر مبنی ہے جو طلباء اور شوقین افراد کے لیے دستیاب ہے۔ ہمارے پاس IoT ہارڈویئر کے دو انتخاب ہیں، جو ذاتی ترجیحات، پروگرامنگ زبان کے علم یا ترجیحات، سیکھنے کے اہداف اور دستیابی پر منحصر ہیں۔ ہم نے ان لوگوں کے لیے 'ورچوئل ہارڈویئر' ورژن بھی فراہم کیا ہے جن کے پاس ہارڈویئر تک رسائی نہیں ہے یا جو خریداری سے پہلے مزید سیکھنا چاہتے ہیں۔
+
+> 💁 آپ کو اسائنمنٹس مکمل کرنے کے لیے کوئی IoT ہارڈویئر خریدنے کی ضرورت نہیں ہے۔ آپ سب کچھ ورچوئل IoT ہارڈویئر کے ذریعے کر سکتے ہیں۔
+
+فزیکل ہارڈویئر کے انتخاب میں Arduino یا Raspberry Pi شامل ہیں۔ ہر پلیٹ فارم کے اپنے فوائد اور نقصانات ہیں، اور یہ سب ابتدائی اسباق میں شامل کیے گئے ہیں۔ اگر آپ نے ابھی تک ہارڈویئر پلیٹ فارم کا انتخاب نہیں کیا ہے، تو آپ [پہلے پروجیکٹ کے دوسرے سبق](./1-getting-started/lessons/2-deeper-dive/README.md) کا جائزہ لے سکتے ہیں تاکہ یہ فیصلہ کریں کہ آپ کس ہارڈویئر پلیٹ فارم میں دلچسپی رکھتے ہیں۔
+
+خصوصی ہارڈویئر کا انتخاب اسباق اور اسائنمنٹس کی پیچیدگی کو کم کرنے کے لیے کیا گیا ہے۔ اگرچہ دیگر ہارڈویئر بھی کام کر سکتے ہیں، ہم اس بات کی ضمانت نہیں دے سکتے کہ تمام اسائنمنٹس آپ کے آلے پر اضافی ہارڈویئر کے بغیر سپورٹ ہوں گے۔ مثال کے طور پر، بہت سے Arduino آلات میں WiFi نہیں ہوتا، جو کلاؤڈ سے جڑنے کے لیے ضروری ہے - Wio ٹرمینل کا انتخاب اس لیے کیا گیا کیونکہ اس میں WiFi بلٹ ان ہے۔
+
+آپ کو کچھ غیر تکنیکی اشیاء کی بھی ضرورت ہوگی، جیسے مٹی یا گملے کا پودا، اور پھل یا سبزیاں۔
+
+## کٹس خریدیں
+
+![Seeed Studios کا لوگو](../../translated_images/seeed-logo.74732b6b482b6e8e8bdcc06f0541fc92b1dabf5e3e8f37afb91e04393a8cb977.ur.png)
+
+Seeed Studios نے بہت مہربانی سے تمام ہارڈویئر کو آسانی سے خریدنے کے لیے کٹس کی شکل میں دستیاب کر دیا ہے:
+
+### Arduino - Wio ٹرمینل
+
+**[Seeed اور Microsoft کے ساتھ ابتدائی IoT - Wio ٹرمینل اسٹارٹر کٹ](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)**
+
+[![Wio ٹرمینل ہارڈویئر کٹ](../../translated_images/wio-hardware-kit.4c70c48b85e4283a1d73e248d87d49587c0cd077eeb69cb3eca803166f63c9a5.ur.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Wio-Terminal-Starter-Kit-p-5006.html)
+
+### Raspberry Pi
+
+**[Seeed اور Microsoft کے ساتھ ابتدائی IoT - Raspberry Pi 4 اسٹارٹر کٹ](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)**
+
+[![Raspberry Pi ٹرمینل ہارڈویئر کٹ](../../translated_images/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.ur.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)
+
+## Arduino
+
+Arduino کے لیے تمام ڈیوائس کوڈ C++ میں ہیں۔ تمام اسائنمنٹس مکمل کرنے کے لیے آپ کو درج ذیل کی ضرورت ہوگی:
+
+### Arduino ہارڈویئر
+
+* [Wio ٹرمینل](https://www.seeedstudio.com/Wio-Terminal-p-4509.html)
+* *اختیاری* - USB-C کیبل یا USB-A سے USB-C اڈاپٹر۔ Wio ٹرمینل میں USB-C پورٹ ہے اور یہ USB-C سے USB-A کیبل کے ساتھ آتا ہے۔ اگر آپ کے PC یا Mac میں صرف USB-C پورٹس ہیں تو آپ کو USB-C کیبل یا USB-A سے USB-C اڈاپٹر کی ضرورت ہوگی۔
+
+### Arduino کے مخصوص سینسرز اور ایکچویٹرز
+
+یہ Wio ٹرمینل Arduino ڈیوائس کے لیے مخصوص ہیں اور Raspberry Pi کے لیے متعلقہ نہیں ہیں۔
+
+* [ArduCam Mini 2MP Plus - OV2640](https://www.arducam.com/product/arducam-2mp-spi-camera-b0067-arduino/)
+* [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html)
+* [بریڈ بورڈ جمپر وائرز](https://www.seeedstudio.com/Breadboard-Jumper-Wire-Pack-241mm-200mm-160mm-117m-p-234.html)
+* ہیڈ فون یا دیگر اسپیکر 3.5mm جیک کے ساتھ، یا JST اسپیکر جیسے:
+  * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+* microSD کارڈ 16GB یا اس سے کم، اور ایک کنیکٹر تاکہ آپ SD کارڈ کو اپنے کمپیوٹر کے ساتھ استعمال کر سکیں اگر آپ کے پاس بلٹ ان نہیں ہے۔ **نوٹ** - Wio ٹرمینل صرف 16GB تک کے SD کارڈز کو سپورٹ کرتا ہے، اس سے زیادہ صلاحیت والے کارڈز کو سپورٹ نہیں کرتا۔
+
+## Raspberry Pi
+
+Raspberry Pi کے لیے تمام ڈیوائس کوڈ Python میں ہیں۔ تمام اسائنمنٹس مکمل کرنے کے لیے آپ کو درج ذیل کی ضرورت ہوگی:
+
+### Raspberry Pi ہارڈویئر
+
+* [Raspberry Pi](https://www.raspberrypi.org/products/raspberry-pi-4-model-b/)
+  > 💁 Pi 2B اور اس کے بعد کے ورژنز ان اسباق میں دی گئی اسائنمنٹس کے ساتھ کام کریں گے۔ اگر آپ Raspberry Pi پر براہ راست VS Code چلانے کا ارادہ رکھتے ہیں، تو 2GB یا اس سے زیادہ RAM کے ساتھ Pi 4 کی ضرورت ہوگی۔ اگر آپ Pi کو ریموٹلی ایکسیس کریں گے تو کوئی بھی Pi 2B اور اس کے بعد کے ورژنز کام کریں گے۔
+* microSD کارڈ (آپ Raspberry Pi کٹس حاصل کر سکتے ہیں جو microSD کارڈ کے ساتھ آتی ہیں)، اور ایک کنیکٹر تاکہ آپ SD کارڈ کو اپنے کمپیوٹر کے ساتھ استعمال کر سکیں اگر آپ کے پاس بلٹ ان نہیں ہے۔
+* USB پاور سپلائی (آپ Raspberry Pi 4 کٹس حاصل کر سکتے ہیں جو پاور سپلائی کے ساتھ آتی ہیں)۔ اگر آپ Raspberry Pi 4 استعمال کر رہے ہیں تو آپ کو USB-C پاور سپلائی کی ضرورت ہوگی، اور پہلے کے آلات کے لیے micro-USB پاور سپلائی کی ضرورت ہوگی۔
+
+### Raspberry Pi کے مخصوص سینسرز اور ایکچویٹرز
+
+یہ Raspberry Pi کے لیے مخصوص ہیں اور Arduino ڈیوائس کے لیے متعلقہ نہیں ہیں۔
+
+* [Grove Pi بیس ہیٹ](https://www.seeedstudio.com/Grove-Base-Hat-for-Raspberry-Pi.html)
+* [Raspberry Pi کیمرہ ماڈیول](https://www.raspberrypi.org/products/camera-module-v2/)
+* مائیکروفون اور اسپیکر:
+
+  درج ذیل میں سے کوئی ایک استعمال کریں (یا اس کے مساوی):
+  * کوئی بھی USB مائیکروفون اور کوئی بھی USB اسپیکر، یا 3.5mm جیک کیبل کے ساتھ اسپیکر، یا HDMI آڈیو آؤٹ پٹ کا استعمال کریں اگر آپ کا Raspberry Pi اسپیکرز کے ساتھ مانیٹر یا TV سے جڑا ہوا ہے۔
+  * کوئی بھی USB ہیڈسیٹ جس میں بلٹ ان مائیکروفون ہو۔
+  * [ReSpeaker 2-Mics Pi HAT](https://www.seeedstudio.com/ReSpeaker-2-Mics-Pi-HAT.html) کے ساتھ:
+    * ہیڈ فون یا دیگر اسپیکر 3.5mm جیک کے ساتھ، یا JST اسپیکر جیسے:
+    * [Mono Enclosed Speaker - 2W 6 Ohm](https://www.seeedstudio.com/Mono-Enclosed-Speaker-2W-6-Ohm-p-2832.html)
+  * [USB اسپیکر فون](https://www.amazon.com/USB-Speakerphone-Conference-Business-Microphones/dp/B07Q3D7F8S/ref=sr_1_1?dchild=1&keywords=m0&qid=1614647389&sr=8-1)
+* [Grove لائٹ سینسر](https://www.seeedstudio.com/Grove-Light-Sensor-v1-2-LS06-S-phototransistor.html)
+* [Grove بٹن](https://www.seeedstudio.com/Grove-Button.html)
+
+## سینسرز اور ایکچویٹرز
+
+زیادہ تر سینسرز اور ایکچویٹرز جو ضروری ہیں وہ Arduino اور Raspberry Pi دونوں لرننگ راستوں میں استعمال ہوتے ہیں:
+
+* [Grove LED](https://www.seeedstudio.com/Grove-LED-Pack-p-4364.html) x 2
+* [Grove نمی اور درجہ حرارت سینسر](https://www.seeedstudio.com/Grove-Temperature-Humidity-Sensor-DHT11.html)
+* [Grove کیپیسٹیو مٹی نمی سینسر](https://www.seeedstudio.com/Grove-Capacitive-Moisture-Sensor-Corrosion-Resistant.html)
+* [Grove ریلے](https://www.seeedstudio.com/Grove-Relay.html)
+* [Grove GPS (Air530)](https://www.seeedstudio.com/Grove-GPS-Air530-p-4584.html)
+* [Grove وقت کی پرواز کا فاصلہ سینسر](https://www.seeedstudio.com/Grove-Time-of-Flight-Distance-Sensor-VL53L0X.html)
+
+## اختیاری ہارڈویئر
+
+خودکار پانی دینے کے اسباق ریلے کا استعمال کرتے ہوئے کام کرتے ہیں۔ ایک آپشن کے طور پر، آپ اس ریلے کو USB سے چلنے والے واٹر پمپ سے جوڑ سکتے ہیں، درج ذیل ہارڈویئر کا استعمال کرتے ہوئے:
+
+* [6V واٹر پمپ](https://www.seeedstudio.com/6V-Mini-Water-Pump-p-1945.html)
+* [USB ٹرمینل](https://www.adafruit.com/product/3628)
+* سلیکون پائپ
+* سرخ اور سیاہ تاریں
+* چھوٹا فلیٹ ہیڈ سکریو ڈرایور
+
+## ورچوئل ہارڈویئر
+
+ورچوئل ہارڈویئر راستہ سینسرز اور ایکچویٹرز کے لیے سیمولیٹرز فراہم کرے گا، جو Python میں نافذ کیے گئے ہیں۔ آپ کے ہارڈویئر کی دستیابی پر منحصر ہے، آپ اسے اپنے عام ڈویلپمنٹ ڈیوائس، جیسے Mac، PC، یا Raspberry Pi پر چلا سکتے ہیں اور صرف وہ ہارڈویئر سیمولیٹ کر سکتے ہیں جو آپ کے پاس نہیں ہے۔ مثال کے طور پر، اگر آپ کے پاس Raspberry Pi کیمرہ ہے لیکن Grove سینسرز نہیں ہیں، تو آپ اپنے Pi پر ورچوئل ڈیوائس کوڈ چلا سکتے ہیں اور Grove سینسرز کو سیمولیٹ کر سکتے ہیں، لیکن فزیکل کیمرہ استعمال کر سکتے ہیں۔
+
+ورچوئل ہارڈویئر [CounterFit پروجیکٹ](https://github.com/CounterFit-IoT/CounterFit) کا استعمال کرے گا۔
+
+ان اسباق کو مکمل کرنے کے لیے آپ کے پاس ویب کیم، مائیکروفون، اور آڈیو آؤٹ پٹ جیسے اسپیکرز یا ہیڈ فون ہونے چاہئیں۔ یہ بلٹ ان یا ایکسٹرنل ہو سکتے ہیں، اور انہیں آپریٹنگ سسٹم کے ساتھ کام کرنے کے لیے کنفیگر کیا جانا چاہیے اور تمام ایپلیکیشنز کے لیے دستیاب ہونا چاہیے۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/images/README.md b/translations/ur/images/README.md
new file mode 100644
index 00000000..2d7c9dec
--- /dev/null
+++ b/translations/ur/images/README.md
@@ -0,0 +1,21 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "50abd54997afa7e7a3fc7019379e49e3",
+  "translation_date": "2025-08-26T21:28:27+00:00",
+  "source_file": "images/README.md",
+  "language_code": "ur"
+}
+-->
+# تصاویر
+
+[icons](../../../images/icons) فولڈر میں موجود تصاویر [Noun Project](https://thenounproject.com) سے لی گئی ہیں اور ان کے لیے حوالہ دینا ضروری ہے۔ ہر تصویر کے ساتھ مطلوبہ حوالہ درج ہے۔ ان تصاویر کو کسی بھی خاکے میں استعمال کیا جانا چاہیے تاکہ تصویری مواد میں یکسانیت برقرار رہے۔
+
+[Diagrams.sketch](../../../images/Diagrams.sketch) فائل ایک [Sketch](https://www.sketch.com) دستاویز ہے جس میں تمام خاکے شامل ہیں جو اسباق اور منصوبوں میں استعمال کیے گئے ہیں۔ اگر آپ ترجمے میں شامل ہیں، تو براہ کرم ان خاکوں کا بھی ترجمہ کریں، یا تو دستاویز کو کاپی کرکے اپ ڈیٹ کریں، یا ان الفاظ کی فہرست فراہم کریں جنہیں آپ ترجمہ کرنا چاہتے ہیں، بطور GitHub مسئلہ۔
+
+باقی تصاویر اسباق اور منصوبوں میں استعمال کی جاتی ہیں۔
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/lesson-template/README.md b/translations/ur/lesson-template/README.md
new file mode 100644
index 00000000..36c4678b
--- /dev/null
+++ b/translations/ur/lesson-template/README.md
@@ -0,0 +1,65 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "0494be70ad7fadd13a8c3d549c23e355",
+  "translation_date": "2025-08-27T01:03:54+00:00",
+  "source_file": "lesson-template/README.md",
+  "language_code": "ur"
+}
+-->
+# [سبق کا موضوع]
+
+![یہاں ویڈیو شامل کریں](../../../lesson-template/video-url)
+
+## [لیکچر سے پہلے کا کوئز](../../../lesson-template/quiz-url)
+
+[وضاحت کریں کہ ہم کیا سیکھیں گے]
+
+### تعارف
+
+وضاحت کریں کہ اس سبق میں کیا شامل ہوگا
+
+> نوٹس
+
+### پیشگی شرائط
+
+کون سے مراحل سبق سے پہلے مکمل ہونے چاہئیں؟
+
+### تیاری
+
+سبق شروع کرنے کے لیے تیاری کے مراحل
+
+---
+
+[مواد کو بلاکس میں تقسیم کریں]
+
+## [موضوع 1]
+
+### کام:
+
+مل کر کام کریں تاکہ اپنے کوڈ بیس کو بتدریج بہتر بنائیں اور مشترکہ کوڈ کے ساتھ پروجیکٹ بنائیں:
+
+```html
+code blocks
+```
+
+✅ علم کی جانچ - طلباء کے علم کو کھلے سوالات کے ذریعے بڑھانے کا موقع استعمال کریں
+
+## [موضوع 2]
+
+## [موضوع 3]
+
+🚀 چیلنج: طلباء کے لیے ایک چیلنج شامل کریں تاکہ وہ کلاس میں مل کر پروجیکٹ کو بہتر بنائیں
+
+اختیاری: سبق کے مکمل ہونے والے UI کا اسکرین شاٹ شامل کریں اگر مناسب ہو
+
+## [لیکچر کے بعد کا کوئز](../../../lesson-template/quiz-url)
+
+## جائزہ اور خود مطالعہ
+
+**اسائنمنٹ کی آخری تاریخ [MM/YY]**: [اسائنمنٹ کا نام](assignment.md)
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/lesson-template/assignment.md b/translations/ur/lesson-template/assignment.md
new file mode 100644
index 00000000..b9c7fc25
--- /dev/null
+++ b/translations/ur/lesson-template/assignment.md
@@ -0,0 +1,23 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "b5f62ec256c7e43e771f0d3b4e1a9130",
+  "translation_date": "2025-08-27T01:04:17+00:00",
+  "source_file": "lesson-template/assignment.md",
+  "language_code": "ur"
+}
+-->
+# [Assignment Name]
+
+## ہدایات
+
+## معیار
+
+| معیار | شاندار | مناسب | بہتری کی ضرورت |
+| ------ | ------- | ------ | --------------- |
+|        |         |        |                 |
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/quiz-app/README.md b/translations/ur/quiz-app/README.md
new file mode 100644
index 00000000..35bd227c
--- /dev/null
+++ b/translations/ur/quiz-app/README.md
@@ -0,0 +1,127 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "2a459ea9177fb0508ca96068ae1009d2",
+  "translation_date": "2025-08-27T01:04:56+00:00",
+  "source_file": "quiz-app/README.md",
+  "language_code": "ur"
+}
+-->
+# کوئزز
+
+یہ کوئزز IoT فار بیگنرز کے نصاب کے لیے لیکچر سے پہلے اور بعد کے کوئزز ہیں، جو یہاں دستیاب ہیں: https://aka.ms/iot-beginners
+
+## پروجیکٹ سیٹ اپ
+
+```
+npm install
+```
+
+### ڈیولپمنٹ کے لیے کمپائل اور ہاٹ ری لوڈ
+
+```
+npm run serve
+```
+
+### پروڈکشن کے لیے کمپائل اور منیفائی
+
+```
+npm run build
+```
+
+### فائلز کو لنٹ اور فکس کریں
+
+```
+npm run lint
+```
+
+### کنفیگریشن کو حسب ضرورت بنائیں
+
+[کنفیگریشن ریفرنس](https://cli.vuejs.org/config/) دیکھیں۔
+
+کریڈٹس: اس کوئز ایپ کے اصل ورژن کا شکریہ: https://github.com/arpan45/simple-quiz-vue
+
+## ایذور پر ڈیپلائمنٹ
+
+یہاں ایک مرحلہ وار گائیڈ ہے جو آپ کو شروع کرنے میں مدد دے گی:
+
+1. گٹ ہب ریپوزیٹری کو فورک کریں  
+یقینی بنائیں کہ آپ کا اسٹیٹک ویب ایپ کوڈ آپ کی گٹ ہب ریپوزیٹری میں موجود ہے۔ اس ریپوزیٹری کو فورک کریں۔
+
+2. ایک ایذور اسٹیٹک ویب ایپ بنائیں  
+- ایک [ایذور اکاؤنٹ](http://azure.microsoft.com) بنائیں  
+- [ایذور پورٹل](https://portal.azure.com) پر جائیں  
+- "Create a resource" پر کلک کریں اور "Static Web App" تلاش کریں۔  
+- "Create" پر کلک کریں۔  
+
+3. اسٹیٹک ویب ایپ کو کنفیگر کریں  
+- بنیادی معلومات:  
+  - سبسکرپشن: اپنی ایذور سبسکرپشن منتخب کریں۔  
+  - ریسورس گروپ: ایک نیا ریسورس گروپ بنائیں یا موجودہ استعمال کریں۔  
+  - نام: اپنی اسٹیٹک ویب ایپ کے لیے ایک نام فراہم کریں۔  
+  - ریجن: اپنے صارفین کے قریب ترین ریجن منتخب کریں۔  
+
+- #### ڈیپلائمنٹ کی تفصیلات:  
+  - سورس: "GitHub" منتخب کریں۔  
+  - گٹ ہب اکاؤنٹ: ایذور کو اپنے گٹ ہب اکاؤنٹ تک رسائی کی اجازت دیں۔  
+  - آرگنائزیشن: اپنی گٹ ہب آرگنائزیشن منتخب کریں۔  
+  - ریپوزیٹری: وہ ریپوزیٹری منتخب کریں جس میں آپ کی اسٹیٹک ویب ایپ موجود ہے۔  
+  - برانچ: وہ برانچ منتخب کریں جس سے آپ ڈیپلائمنٹ کرنا چاہتے ہیں۔  
+
+- #### بلڈ کی تفصیلات:  
+  - بلڈ پری سیٹس: وہ فریم ورک منتخب کریں جس پر آپ کی ایپ بنی ہوئی ہے (مثلاً React, Angular, Vue وغیرہ)۔  
+  - ایپ لوکیشن: وہ فولڈر بتائیں جہاں آپ کی ایپ کا کوڈ موجود ہے (مثلاً / اگر یہ روٹ میں ہے)۔  
+  - API لوکیشن: اگر آپ کے پاس API ہے تو اس کا مقام بتائیں (اختیاری)۔  
+  - آؤٹ پٹ لوکیشن: وہ فولڈر بتائیں جہاں بلڈ آؤٹ پٹ جنریٹ ہوتا ہے (مثلاً build یا dist)۔  
+
+4. ریویو اور تخلیق کریں  
+اپنی سیٹنگز کا جائزہ لیں اور "Create" پر کلک کریں۔ ایذور ضروری وسائل سیٹ اپ کرے گا اور آپ کی ریپوزیٹری میں ایک گٹ ہب ایکشنز ورک فلو بنائے گا۔
+
+5. گٹ ہب ایکشنز ورک فلو  
+ایذور خودکار طور پر آپ کی ریپوزیٹری میں ایک گٹ ہب ایکشنز ورک فلو فائل بنائے گا (.github/workflows/azure-static-web-apps-<name>.yml)۔ یہ ورک فلو بلڈ اور ڈیپلائمنٹ کے عمل کو سنبھالے گا۔
+
+6. ڈیپلائمنٹ کی نگرانی کریں  
+اپنی گٹ ہب ریپوزیٹری کے "Actions" ٹیب پر جائیں۔  
+آپ کو ایک ورک فلو چلتا ہوا نظر آئے گا۔ یہ ورک فلو آپ کی اسٹیٹک ویب ایپ کو ایذور پر بلڈ اور ڈیپلائے کرے گا۔  
+جب ورک فلو مکمل ہو جائے، تو آپ کی ایپ فراہم کردہ ایذور URL پر لائیو ہو جائے گی۔
+
+### ورک فلو فائل کی مثال
+
+یہاں گٹ ہب ایکشنز ورک فلو فائل کی ایک مثال دی گئی ہے:  
+name: Azure Static Web Apps CI/CD  
+```
+on:
+  push:
+    branches:
+      - main
+  pull_request:
+    types: [opened, synchronize, reopened, closed]
+    branches:
+      - main
+
+jobs:
+  build_and_deploy_job:
+    runs-on: ubuntu-latest
+    name: Build and Deploy Job
+    steps:
+      - uses: actions/checkout@v2
+      - name: Build And Deploy
+        id: builddeploy
+        uses: Azure/static-web-apps-deploy@v1
+        with:
+          azure_static_web_apps_api_token: ${{ secrets.AZURE_STATIC_WEB_APPS_API_TOKEN }}
+          repo_token: ${{ secrets.GITHUB_TOKEN }}
+          action: "upload"
+          app_location: "quiz-app" #App source code path
+          api_location: ""API source code path optional
+          output_location: "dist" #Built app content directory - optional
+```
+
+### اضافی وسائل  
+- [ایذور اسٹیٹک ویب ایپس ڈاکیومنٹیشن](https://learn.microsoft.com/azure/static-web-apps/getting-started)  
+- [گٹ ہب ایکشنز ڈاکیومنٹیشن](https://docs.github.com/actions/use-cases-and-examples/deploying/deploying-to-azure-static-web-app)  
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file
diff --git a/translations/ur/recommended-learning-model.md b/translations/ur/recommended-learning-model.md
new file mode 100644
index 00000000..3ed43e1b
--- /dev/null
+++ b/translations/ur/recommended-learning-model.md
@@ -0,0 +1,55 @@
+<!--
+CO_OP_TRANSLATOR_METADATA:
+{
+  "original_hash": "012bbd19f13171be32ac9ba21d4186c2",
+  "translation_date": "2025-08-26T21:18:09+00:00",
+  "source_file": "recommended-learning-model.md",
+  "language_code": "ur"
+}
+-->
+# تجویز کردہ سیکھنے کا ماڈل
+
+زیادہ مؤثر سیکھنے کے نتائج کے لیے، **ہم "الٹا ماڈل" اپروچ کی تجویز دیتے ہیں**، جیسے سائنس لیبز: طلباء کلاس کے دوران پروجیکٹس پر کام کرتے ہیں، جہاں بات چیت، سوال و جواب، اور پروجیکٹ میں مدد کے مواقع موجود ہوتے ہیں، اور لیکچر کے عناصر کو اپنے وقت پر پہلے سے پڑھتے ہیں۔
+
+## الٹا سیکھنے کیوں؟
+
+1. یہ تدریسی طریقہ مختلف سیکھنے کے طریقوں کو شامل کرتا ہے – بصری، سمعی، عملی، مسئلہ حل کرنے وغیرہ۔[[1]](../..)  
+2. الٹے کلاس رومز نے توجہ، شمولیت، حوصلہ افزائی، خود کفالت، علم کو برقرار رکھنے، اور مواصلات (استاد سے طالب علم اور طالب علم سے طالب علم دونوں) میں اضافہ دکھایا ہے۔[[2,3]](../..)  
+3. بطور انسٹرکٹر، آپ جدوجہد کرنے والے طلباء کے ساتھ زیادہ وقت گزار سکتے ہیں جبکہ زیادہ ترقی یافتہ طلباء کو آگے بڑھنے کی آزادی دے سکتے ہیں۔[[4]](../..)  
+
+ہم یہ بھی تجویز کرتے ہیں کہ انسٹرکٹرز **"کو-فیسلیٹیٹر"** کا کردار اپنائیں، جو طلباء کے ساتھ سیکھتے ہیں اور ان کے سوالات اور دلچسپیوں سے پیدا ہونے والی جستجو میں ان کی مدد کرتے ہیں۔
+
+یہاں کسی چیز کو کرنے کا کوئی "صحیح طریقہ" نہیں ہے۔ بعض اوقات، آپ کے پاس تمام جوابات نہیں ہوں گے۔ کچھ طلباء تمام پروجیکٹس مکمل نہیں کر پائیں گے۔ آپ کا مقصد یہ ہے کہ اپنے طلباء کو مسائل حل کرنے کے ایسے طریقے تلاش کرنے میں مدد کریں جو زیادہ کھیل پر مبنی، تعاون پر مبنی، یا خود ہدایت یافتہ ہو سکتے ہیں، جیسا کہ وہ اصل میں توقع کر رہے تھے۔
+
+## مددگار فیسلیٹیشن کے نکات:
+
+* جو آپ دیکھتے ہیں اس پر غور کریں، سوالات کریں، اور مشاہدات کریں۔  
+* ایسے جملے استعمال کریں جیسے "میں نے نوٹ کیا..." اور "مجھے حیرت ہے..."  
+* ان طلباء کو جوڑیں جو جدوجہد کر رہے ہیں ان کے ساتھ جنہوں نے پہلے ہی حل تلاش کر لیا ہے۔  
+* اگر کوئی طالب علم پھنس جائے تو اجزاء اور حصوں کی طرف اشارہ کریں یا مختلف چیزوں کو آزمانے کی تجاویز دیں۔ طالب علم سے کہیں کہ ایک وقت میں ایک چیز تبدیل کریں اور دیکھیں کہ کیا ہوتا ہے۔  
+* مایوسی کو تسلیم کریں اور کوشش کو سراہیں۔  
+* طلباء کے لیے کوڈنگ یا بلڈنگ سے گریز کریں، سوائے اس کے کہ جہاں انہیں جسمانی مدد کی ضرورت ہو۔  
+
+## فیسلیٹیشن کے نمونہ جملے:
+
+* "مجھ سے پوچھنے سے پہلے دو اور لوگوں سے پوچھو۔"  
+* "مزید دو منٹ کوشش کرو..."  
+* "چلو اس سے وقفہ لیتے ہیں۔ شاید تم دوسرے طلباء کی الیکٹریکل کنکشنز میں مدد کر سکتے ہو کیونکہ تم نے یہ پہلے ہی سمجھ لیا ہے؟"  
+* "مجھے حیرت ہے کہ کسی اور طالب علم کو بھی یہی مسئلہ ہوا ہو۔ چلو دیکھتے ہیں!"  
+* "تم نے واقعی اس پر محنت کی اور اسے سمجھ لیا! کیا میں دوسروں کو تمہارے پاس بھیج سکتا ہوں تاکہ وہ اس میں مدد لے سکیں؟"  
+* "یہ عجیب ہے، یہ مجھے بھی سمجھ نہیں آ رہا۔ شاید ہم کسی اور طالب علم سے پوچھ سکتے ہیں، یا اگر تم اسے سمجھ لو تو کیا تم کلاس کے ساتھ شیئر کر سکتے ہو؟"  
+
+## حوالہ جات
+
+[1] [An empirical study on the effectiveness of College English Reading classroom teaching in the flipped classroom paradigm (researchgate.net)](https://www.researchgate.net/publication/322264495_An_empirical_study_on_the_effectiveness_of_College_English_Reading_classroom_teaching_in_the_flipped_classroom_paradigm). Accessed 4/21/21.  
+
+[2] [Flipped Classroom adapted to the ARCS Model of Motivation and applied to a Physics Course (ejmste.com)](https://www.ejmste.com/article/flipped-classroom-adapted-to-the-arcs-model-of-motivation-and-applied-to-a-physics-course-4562). Accessed 4/21/21.  
+
+[3] [How Does Flipping Classroom Foster the STEM Education: A Case Study of the FPD Model | SpringerLink](https://link.springer.com/article/10.1007/s10758-020-09443-9). Accessed 4/21/21  
+
+[4] [An Introduction to Flipped Learning | Lesley University](https://lesley.edu/article/an-introduction-to-flipped-learning#:~:text=An%20Introduction%20to%20Flipped%20Learning.%20Flipped%20learning%20is,advancements%20in%20the%20modern%20classroom%20is%20flipped%20learning.). Accessed 4/21/21.  
+
+---
+
+**ڈسکلیمر**:  
+یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔
\ No newline at end of file